Thought Leaders
January 21, 2026
打破循环：组织如何避开“末日提示”并取得成功
自20世纪50年代的理论概念提出以来，人工智能（AI）通过多种技术，特别是机器学习系统，为企业铺平了体验增强机遇和生产力的道路。这些工具/技术改善了预测和决策，为未来的技术进步奠定了基础。近年来，生成式AI承诺颠覆我们对工作的一切认知，并民主化了AI体验。用户现在通过“提示”与ChatGPT等AI模型互动，即与AI模型进行来回交互。然而，这些好处也带来了新的挑战：末日提示。这相当于在网上内容中进行末日滚动，没有明确的目标，将用户困在兔子洞里。但对于AI来说，这个兔子洞会回应。这种对生成式和智能体模型持续进行AI提示优化的行为，源于获得完美输出的雄心（有时也源于毫无特定目标的提示），导致成本增加和收益递减。它成为成功的主要障碍，并违背了使用AI技术本身的初衷。随着企业增加其AI相关预算，决策者需要了解其投资获得真正回报的路径以及它所产生的价值。IEEE 2025年的一份报告，《AI的隐性成本：微小低效如何累积成重大经济负担》，展示了微小的调整如何累积成重大的经济负担。为了避免成为这种昂贵斗争的一部分，组织必须改进员工使用LLM的培训，以实现其AI投资的全部潜力。生成式AI带来了优化和效率的承诺。然而，当团队陷入无尽优化（或无目标漫游）的循环时，低效就会破坏这一基础。清理“工作废料”团队不断优化输出以生成完美回复的原因之一是工作废料。该词首次在《哈佛商业评论》中被描述，工作废料指“伪装成优质工作但缺乏实质性内容以有意义地推进特定任务的AI生成工作内容”。这种AI产生的“废料”是引发末日提示循环的第一张多米诺骨牌。虽然通过迭代或编辑来修改不合格的内容很重要，但人们需要知道何时停止，以免陷入收益递减的滑坡。组织必须以微妙的平衡来处理其在AI培训上的时间投入。一方面，团队应意识到所需的质量；另一方面，他们应知道何时是过度。通过优化提示和明确目标对员工进行更智能使用AI模型的培训也将大有裨益。利用智能体AI避免末日提示近年来，企业显著增加了对智能体AI的兴趣和投资，智能体AI因其提高运营效率的能力而受到认可。智能体AI可以处理复杂任务，与多个智能体（包括RAG和行动智能体）协调以决定行动方案，并自主执行任务以完成整体任务。这些特性可能有助于AI减轻末日提示，或完全避开它。这可以消除通过多个提示来指导生成式AI界面完成任务的需求。这方面的一个例子可以在AI驱动的IT运营（或称AIOps）中找到，它们通过将AI融入日常任务来实现IT现代化。传统上，团队花费时间手动调整系统。21世纪的部门是利用AI自主处理关键功能（如故障排除、事件响应和资源分配）的部门。另一个恰当的例子是智能体AI系统如何自主处理复杂事件。这些智能体与ITOps一起，能够从上下文理解问题，与推理智能体协调以决定行动方案，使用行动智能体在IT系统上进行最后一英里的修复，最后，运用学习智能体来理解解决方案并在未来事件中更有效地应用它。智能体AI的智能自动化有助于减少人工交互并自主完成任务。为了满足不断变化的业务需求，重复性任务和操作应交给自主AI处理。这种授权消除了通常助长末日提示的重新提示和重复优化的循环。自主操作允许AI模型在没有人工输入的情况下持续优化并响应变化的变量，从而以最少的人工干预获得更快的结果。虽然训练有素的专业人员通过人在回路的方法仍将在日常运营中发挥重要作用，但他们的时间将更好地用于扫描结果验证。这种方法最大限度地降低了引入错误或过度调整的风险。治理在预防末日提示中的作用在最近的一项麦肯锡调查中，88%的受访者报告在至少一个业务职能中利用了AI。这比2024年增长了10%，自2023年以来更是惊人地增长了33%。对于智能体AI，这一跃升更为显著。从2023年的仅33%增长到2025年的近80%。这种广泛采用正推动企业寻找应对末日提示的新解决方案。其中一个工具是强大的治理框架。这些框架应精心设计，以确保AI项目与业务目标保持一致，而不会陷入无休止的优化华尔兹。团队在制定这些框架时，应考虑： 准则建立：进出AI模型的数据流正变得越来越复杂。为了简化这一点，AI准则应创建一个框架，让团队能够负责任地处理数据、做出决策和管理AI输出。 培训用户： 正确的提示使用培训有助于实现最佳生产力 使用专用模型： 针对行业和特定目的的AI模型可能更快地提供具有上下文意义和有意义的输出 训练AI模型： 用行业/任务/组织特定数据（在可能的情况下）训练AI模型，可以减少工作废料并更快地产生更合适的输出。 规则制定：起草和实施一套明确的规则对于指导AI开发和部署至关重要。当团队建立操作边界时，他们能确保所采用的系统符合组织目标、道德标准和监管要求。 虽然AI解决方案的采用率在增加，但治理却没有。根据2025年PEX行业报告，不到一半的企业制定了AI治理政策。同时，只有25%的企业正在实施中，近三分之一的企业没有任何AI治理政策。这些框架可以成为帮助企业为可接受的性能设定明确界限的决定性因素。逃离末日提示循环为了避免陷入末日提示的循环，企业必须采用优先考虑结果而非完美的AI策略。使用提示培训、针对特定目的的AI模型以及在上下文企业数据上训练的模型，可以减少大量重新提示的需求。利用智能体AI、自主IT运营和强大治理框架的企业，可以将关键资源重新分配到实现其业务目标上，而不会陷入无休止的优化循环。当团队将思维模式从持续优化转向专注执行和可衡量结果时，成功就会到来。
