著者はCTOであり、現在のAI導入と過去のテクノロジーシフトとの間に類似点を見出し、過ちを繰り返さないよう警告しています。当初、彼の会社では、従業員が個別に最先端モデルを契約したため、AI支出が制御不能になりました。これにより、高額で管理されていないコストが発生し、トークン費用に関する理解が不足しました。多くの企業が多数の独立したAIチームを作成しており、それぞれが独自のモデルとツールを選択しているため、非効率が生じています。この状況は、2009年のDevOpsの初期段階と似ています。当初は小規模で独立したチームが成功していましたが、最終的にはさまざまなツールと技術的負債が絡み合った混乱状態を作り出しました。これを解決するために、プラットフォームエンジニアリングが登場し、開発者向けの「ゴールデンパス」を確立し、ツールを統合しました。同様に、クラウドコンピューティングの台頭は、開発者がしばしば最も速く最も高価なソリューションを選択したため、エスカレートするコストを管理するためにFinOpsをもたらしました。今日、企業は、DevOpsやクラウドと同様に、AIツールとモデルの統合の必要性を認識しています。推奨される解決策は、コアプロジェクトから始めて、その基盤の上に後続のプロジェクトを構築するという、AI機能を段階的に構築することです。AIのためのプラットフォームエンジニアリングに似たこのアプローチは、統一されたシステムを作成し、「服掛けの山」—さまざまなツールと技術的負債—を回避します。過去の過ちから学ぶことで、企業はAI実装の影響範囲を最小限に抑え、コストのかかる非効率を防ぐことができます。