AI 配給時代：當企業 FOMO 遇上經濟現實
過去兩年來，企業界一直沉浸在人工智慧的狂熱夢境中。在 FOMO（錯失恐懼症）與高層壓力的共同驅動下，許多組織從謹慎探索轉向了「tokenmaxxing」策略——鼓勵員工在不考慮成本或效率的情況下，將 LLM 用於任何可以想像到的任務。
然而，蜜月期即將結束。正如《華爾街日報》所報導，美國企業正開始對 AI 進行配給。最初將 AI 整合進每個工作流程的熱潮，正與飆升的營運成本和缺乏明確 ROI 的現實發生碰撞。這一轉變標誌著從「炒作週期」到「效用週期」的關鍵過渡，在效用週期中，token 的價值最終必須與其成本進行權衡。
擺盪：從指令到配給
技術社群中最引人注目的觀察之一是這種轉變的突然性。許多開發者注意到 IT 部門出現了令人震驚的轉變：在短短幾個月內，從要求員工「token 使用量不足」的指令，變成了嚴格的配給制度。
這種波動性顯示，許多企業的 AI 策略並非基於技術路線圖，而是基於新聞週期。正如一位觀察家所言，高層通常將 AI 視為解決系統性問題的「魔術按鈕」，直到收到每月的 API 帳單時才感到驚訝。這種領導層層面的自我意識缺失，為實際執行工具的一線員工創造了一個不穩定的環境。
效率陷阱：自動化 vs. 重複性任務
目前企業 AI 使用方式的一個核心技術批判是混淆了「自動化」與「重複性任務」。目前有一種日益增長的趨勢，即使用 AI 來手動執行重複性任務，而不是使用 AI 來編寫能永久自動化這些任務的程式碼。
想像一下你在比較兩份文件... 你可以要求 AI 為你比較差異，或者你可以使用 AI 編寫一個工具來完成它。出於某些原因，人們開始選擇前者，卻沒有意識到現在他們基本上必須付費才能比較文件。
當公司將 LLM 作為處理那些本可以用一次性開發成本解決的任務的經常性營運支出時，他們並非在創新；他們只是在將人力成本轉換為永久的 API 稅。這種「重複性陷阱」是導致成本飆升並迫使公司現在必須配給使用量的主因。
「黑盒」依賴的風險
除了直接的財務成本外，還有更深層的系統性風險：將內部知識與批判性思考委託給第三方供應商。隨著公司將 LLM 整合進工作流程的核心，他們面臨著風險，即如果像 OpenAI 或 Anthropic 這樣的供應商離線，他們將無法運作。
這種依賴性不僅限於可用性。這種「黑盒」方法涉及幾項關鍵風險：
- 知識侵蝕： 當除錯工具和內部文件處理由 AI 負責時，員工可能會失去對自身系統運作方式的基本理解。
- 營運脆弱性： 公司帳號被封禁或服務中斷，都可能有效地凍結企業的運作能力。
- 地緣政治風險： 在全球局勢不穩定的時期，數據中心容量可能會被政府徵用用於軍事用途，導致商業實體必須為剩餘的容量進行爭奪。
前行之路：尋找 ROI
儘管目前出現了退縮，但長期前景並不一定暗淡。我們正看到硬體與軟體領域同時出現突破，大幅降低了推理（inference）的成本。企業 AI 的未來可能存在於企業 FOMO 與經濟現實之間的中間地帶。
為了擺脫「vibe slop」並實現真正的 ROI，公司必須將重心轉向：
- 目標導向的應用： 識別高價值的用例（例如：合規與法律研究），在這些用例中，幾千個 token 可以提供巨大的價值，而非將 agent 使用於編碼任務，因為後者的 ROI 較難量化。
- 建立工具，而不僅是使用聊天機器人： 將重心從「與數據對話」轉向使用 AI 來建立強大且具備離線能力的自動化工具。 n3. 策略性主權： 減少對第三方 API 的關鍵路徑營運之依賴，以確保業務連續性。
隨著產業成熟，能在 AI 泡沫中生存下來的公司，將是那些停止將 LLM 視為救世主，並開始將其視為工具的公司——一種需要預算、策略以及對相關成本有基本理解的工具。