人工智能承诺省时，但它是否首先让我们耗费了时间？
人工智能的诱人承诺是：将原本耗时数小时的工作在几分钟内完成。然而，从购买许可证到实现真正生产力之间，有一个关键阶段很少有企业认真评估：**学习如何有效利用人工智能。**
人工智能的承诺似乎无法抗拒：在几分钟内完成过去需要数小时的工作。
然而，从购买许可证到实现生产力之间，有一个阶段是很少有企业衡量的：学习如何使用它。
花费数小时试用工具。需要重复的提示词。不适用于任务的模型。未经充分理解就尝试自动化的流程。令牌消耗。从未能转化为解决方案的实验。
在关于人工智能的
好奇心亦有代价
Máximo Hernández在讨论中提出了一项在之前会议中未解决的担忧：当人们学习使用这些新工具时，生产力会发生什么变化。
任何技术的采用都意味着一条学习曲线。
Hernández回顾了九十年代企业电子邮件的普及。如今看来不可或缺的事物，当时也需要改变习惯、流程和工作方式。
人工智能的情况类似，但速度要快得多。
不同之处在于，现在几乎任何员工都可以立即开始尝试。
而尝试是必要的。
当没有人定义通过这种尝试想要达到什么目标时，问题就会出现。
一个人可能花费数小时通过人工智能获取一个结果，而使用已知的流程可以更快地完成。
另一个人可能在未提供适当背景的情况下，消耗技术资源试图解决一项任务。
学习有价值，但也消耗资源。
购买人工智能不等于购买生产力
Hernández讲述了一个案例：一家公司对其员工进行了统一培训，随后开始开发许多由人工智能支持的项目。
在此过程中出现了一个问题：一些用户迅速耗尽了可用资源，却未能获得他们想要的结果。
不一定是因为技术出了故障。
他们仍在学习如何使用它。
一个看似简单的指令可能需要多个步骤、充分的背景信息、对问题的理解以及模型的适当选择。
因此，当一家公司签约一个平台时，生产力并不会自动出现。
首先，它需要培养使用该平台的能力。
一个答案要多少钱？
除了这条学习曲线之外，许多组织还面临一个相对较新的变量：使用模型的成本。
Alan Gibrán Ávalos提出了所谓的令牌经济。
并非所有模型的成本都相同。
也并非所有任务都需要相同的能力。
选择过于强大的工具来解决简单问题可能会不必要地增加运营成本。
Ismael Prieto甚至指出，一些组织最终在令牌消耗上的花费可能超出他们最初预期的节省。
这改变了关于人工智能的一个基本问题。
不再仅仅是问：我们能用人工智能做什么？
还需要问：这样做要花多少钱，以及它正在创造什么价值？
节省不一定意味着裁员
此外，还存在一个风险，即仅以裁员来衡量人工智能的回报。
Prieto提出了一个不同的观点。
如果技术能够改进流程、增加销售、加速运营、提升分析能力或腾出时间用于影响更大的活动，那么它就能创造价值。
即使没有裁减一个工作岗位，一项实施也可能是成功的。
真正的问题是，该组织是否正在用现有资源创造更多价值。
尝试可以，但要有方向
解决方案也不是停止尝试。
以这种速度发展的技术，要求我们不断尝试、学习和纠正。
但是，尝试与漫无目的地使用工具之间存在差异。
有方向的尝试意味着设定目标、选择用例、培训人员、衡量结果并决定哪些实践值得推广。
这也意味着接受在一定时间内将存在一条学习曲线。
人工智能可以节省大量时间。
但在实现这一点之前，企业必须学习一些看似简单的事情：值得在哪里使用它，不值得在哪里使用它。
文章
