随着企业人工智能成本飙升，各家公司正被迫“定量配给”使用量。Hacker News 上的讨论指出，主要问题在于应用方式的低效，而非仅仅是价格昂贵。许多机构依赖人工智能处理重复性任务（例如文档比对），而不是利用它构建永久、确定的自动化工具。这种“代币最大化”和对代理式工作流的过度依赖，导致在本来可以通过代码一次性解决的问题上产生了巨大的经常性支出。 除成本外，批评者认为，当前的人工智能应用往往导致“虚浮劣质”的结果，且在人工智能供应链之外对营收缺乏实质性影响。开发者指出，将人工智能用于生产工作流会带来重大风险，包括对不稳定基础设施的依赖，以及数据中心可用性可能面临的地缘政治威胁。 怀疑论者的共识是，当前的人工智能热潮尚未实现如可再生能源或制造业等领域那样的变革性突破。尽管软硬件效率在不断提高，但许多人认为，企业必须从短期的人工智能依赖转向构建具有韧性、可复用的内部工具，以确保长期盈利能力。