许多企业发现员工的AI使用费用不断攀升，尤其是在平台中调用智能体时，成本有时显著超过生产力提升所带来的价值。但员工使用AI的投入并不必然高于回报。营销技术（Martech）用户也不例外，他们在尝试优化流程时同样面临这一问题。然而，仅靠AI工具本身无法实现这一目标。业内专家提出若干方法，帮助企业确保AI工具成为明智投资，让个人和组织在不浪费时间与金钱的前提下获取更多AI价值。
首先，验证AI输出至关重要。大多数大语言模型都会建议用户对输出内容进行复核，以确保其合理性。例如，有用户曾使用Claude生成团队休闲活动用的“你宁愿选哪个”问题，其中一个问题是：“你宁愿找到1万美元但必须分一半给陌生人，还是找到1000美元全部归自己？”从数学角度看，保留5000美元并做一件善事，显然优于只净得1000美元。这一案例说明，AI生成内容看似合理，实则可能存在逻辑漏洞，用户在使用前必须进行核验。
其次，企业需要为AI使用设定明确的治理护栏。对于采用“氛围编程”（vibe coding）的员工而言，清晰的指导原则能够帮助组织规避代价高昂的错误和潜在责任。营销技术（Martech）一词的提出者Scott Brinker虽然大力支持营销人员使用低代码和无代码工具以及氛围编程来加速工作，但他也强调护栏不可或缺，并指出“治理良好的氛围编程并非自相矛盾”。
第三，企业应对在何处使用提示词保持战略意识。提示词调用会产生成本，因此需要明确在何处使用更具成本效益。尽管许多平台都提供提示词功能，但用户必须考虑积分或额度的消耗。更合理的做法可能是先在Google Gemini、ChatGPT或Claude等其他平台上优化提示词，再将其用于成本更高的平台。在成本较低的环节完成迭代，然后再使用更昂贵的选项。
此外，使用提示词框架可以减少浪费。目前已有多种提示词框架可帮助用户从一开始就形成更全面的视角。适用于营销场景的框架包括COAST、CO-STAR、FOCUS和MARK。COAST（上下文优化、受众特定定制）通过明确定义的提示词生成针对不同受众和场景的输出。CO-STAR（上下文、目标、风格、语气、受众和响应）适用于营销旅程，在消耗任何AI额度之前，从这六个维度完善旅程定义。FOCUS（功能、结果、上下文、用途和具体性）则旨在构建能够产生适用于实际应用输出的提示词。
随着企业AI应用不断深入，如何在提升效率的同时控制成本，已成为组织必须面对的现实问题。上述策略为企业在AI投资回报之间寻找平衡提供了可操作的路径。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
