AI 成功落地后，企业很少规划的第二次推广

大约三年前，我购买了第一个付费 AI 订阅，并开始测试它究竟能为我做些什么。渐渐地，最初只是个人的试验，变成了一个小型内部项目，随后又发展为全公司范围的商业订阅，最终演变成一场几乎覆盖所有部门的 AI 推广——开发、财务、法务、市场营销和支持部门都包括在内。

第一阶段基本上奏效了。在大约六个月内，我们的内部开发速度提升了约五倍。与此同时，另一个数字也在上升：我们的 AI 支出增长了约 15 倍。

正是在那时，我意识到 AI 的成功落地本身也可能带来问题。一旦这项技术被广泛使用，我们最初制定的规则就不再适用了。随着 AI 获得更多公司数据的访问权限并承担更多任务，成本可能会失控，而许多工具本身仍由外部供应商控制。

那么，当 AI 推广奏效、但公司已无法完全掌控其使用方式时，CEO 应该怎么做？让我们试着回答这个问题。

我立刻注意到的是，在第一轮推广期间，活跃用户数或使用频率等采用指标是有意义的。作为领导者，你想知道员工是否在使用这些工具、具体使用哪些工具，以及 AI 是否真的为他们节省了时间。然而，一旦使用范围扩展到整个公司，这些数字就变得没那么有用了。

我们自己也看到了这一点。一旦人们能够使用强大的模型，他们就开始几乎什么都用它来做。有一次，员工甚至开始问 AI 纽约现在几点了。当然，这个例子很荒谬，但它表明使用量可以增长得多么迅速，却不会为公司创造任何实质性价值。

Shopify 在如此深度地整合 AI 之后也遇到了类似的问题：其内部智能体 River 现在起草的代码拉取请求最多可占其生产代码拉取请求的一半。然而，CEO Tobi Lütke 最近对他所称的“垃圾手榴弹”发出了警告：即员工未经妥善检查就转交出去的 AI 生成工作成果，留给别人去审查、修复甚至总结。

换句话说，更多的 AI 活动很容易产生更多的工作，而不是更多的价值。一家公司可能拥有亮眼的使用数据和巨大的产出量，但其中一部分产出只是给其他人制造了另一项任务。

这正是 CEO 们需要改变的地方。提示词、登录次数和 token 消耗量都表明工作流内部有大量活动。但它们并不能说明 AI 是否真的在为自己回本。

速度制造了新的瓶颈

有句话说：欲速则不达。我认为这同样适用于 AI，因为我们了解到，用 AI 让人变得“更快”并不一定意味着你突然就有更少的工作要做。

在开发方面，AI 现在让我们的团队能在相同时间内产出多得多的代码，但关键在于，所有这些代码在上线前仍然需要检查。毫无疑问，自动化审查有帮助。

然而，它仍然远未达到我会盲目信任的程度。因此，虽然开发者花在自己编写所有内容上的时间减少了，但他们现在有更多的产出需要审查、测试并做出决策。

换句话说，工作并没有消失。它只是换了一副面孔出现。

考虑到需要人工关注的代码量也随之上升，我们开发速度提升五倍这件事听起来就没那么震撼了。启用 AI 的工作流的真实成本还包括检查 AI 产出所花费的时间，而最重要的是，首先要判断你是否能信任这些产出。

第二次推广势在必行

在我看来，公司需要一场我称之为“第二次”的 AI 推广。

第一次推广主要关乎采用：让人们获得访问权限、寻找用例、看清这项技术在哪些地方真正有帮助、哪些地方没有。但经过几个月的实际使用后，你已经拥有了比假设宝贵得多的东西——关于成本在哪里增长、哪些团队产出更好的结果、以及人们在哪些地方花太多时间检查 AI 产出的自身证据。

所以，我认为此时合理的做法是重新设计围绕 AI 的规则，而不是简单地推动更广泛的使用。在实践中，我会聚焦于三件事：

让模型与任务相匹配。常规请求可以路由到更小、更便宜的模型，而更复杂的工作则交给那些值得额外成本的模型。最终目标是避免为低价值任务支付前沿模型的价格。

确定哪些环节必须由人工控制。对于生产代码、法律文件或其他高影响力产出，要明确规定在结果继续进入工作流之前必须由人工批准。另外，为敏感数据制定访问规则，让员工知道哪些模型可以接收这些数据、哪些不可以。

即使你认为自己不需要，也要制定备份计划。如果某个关键工作流依赖于外部供应商，就要把提示词、集成、数据流和特定于模型的依赖关系记录得足够充分，以便在紧急情况下可以将工作负载迁移到另一家供应商。

这就是第一次和第二次 AI 推广的区别。第一次问的是：我们可以在哪里使用 AI？第二次问的是：我们应该在哪里使用它、遵循什么规则、以什么成本使用？

一旦 AI 推广奏效、第一次推广看起来成功了，我不会再以同样的方式继续扩大规模一年。在约 90 到 180 天的实际使用之后，我会停下来审计公司实际建成了什么。

这意味着要衡量被接受的业务成果，让模型及其成本与任务的实际价值相匹配，确定哪些环节仍然必须人工审查，以及哪些工作流可以在某种程度上更接近完全自动化。

第一次推广证明了 AI 可以让公司更快。第二次推广则是防止这种速度变成不必要的支出、不受控制的访问权限，或企业从未有意识地同意的供应商依赖。