作者身为首席技术官（CTO），指出当前人工智能（AI）的采用与过往技术变革之间存在相似之处，并警示勿重蹈覆辙。起初，其公司因员工各自订阅前沿模型而导致 AI 支出失控，引发高昂且未受管控的成本，同时缺乏对 Token 费用的清晰认知。许多企业正组建众多独立的 AI 团队，各自选型模型与工具，从而导致效率低下。这一局面与 2009 年 DevOps 的早期阶段如出一辙：小型独立团队初期蓬勃发展，但最终造成了工具碎片化与技术债务交织的混乱局面。为应对此问题，平台工程应运而生，为开发者确立“黄金路径”并整合工具。同样，云计算的兴起催生了 FinOps，以应对不断攀升的成本，因为开发者往往倾向于选择最快但最昂贵的解决方案。如今，企业已认识到在 AI 工具与模型方面亟需整合，正如过去对待 DevOps 和云计算所做的那样。建议的解决方案是逐步构建 AI 能力，从核心项目起步，并在此基础上构建后续项目。这种类似 AI 平台工程的方法能够构建统一系统，避免陷入“衣架堆”式的工具碎片化与技术债务。通过汲取过往教训，企业可最小化 AI 实施的爆炸半径，并防止高昂的低效问题。