据Ethan Mollick在Twitter所述，他早前在One Useful Thing的文章提出的“把时间点着烧”的AI应用悖论仍在发生。根据One Useful Thing的报道，团队在工作流定制、提示工程与系统集成上过度投入，但若缺乏严格度量，往往难转化为可持续的生产力提升。根据One Useful Thing的分析，建议对具体任务进行A/B测试，跟踪产出质量的前置与后置指标，并减少对易随模型更新失效的定制化自动化依赖。据One Useful Thing报道，商业机会在于将可复用、低摩擦的AI工作流产品化，如标准化提示库、评测器与安全护栏，帮助销售、客服与数据团队降低上手与迁移成本。据Ethan Mollick在Twitter指出，管理者应预留切换成本并设定“价值达成时间”的KPI，以规避隐性生产力陷阱。

据@emollick援引@kevinroose与纽约时报交互报道，已有约8.6万名读者参与写作盲测，结果显示54%更偏好AI生成内容（据纽约时报与Kevin Roose在X平台发布）。据纽约时报称，这一大样本结果显示AI在可感知质量上与人类写作相当或占优，为媒体与品牌方带来以AI生成与人工编辑混合生产、基于A/B测试优化点击与停留时长、以及在新闻摘要、电商文案、邮件营销等高产出场景降本增效的机会。依据纽约时报与Kevin Roose的报道，出版机构可据此推进风格微调与分众模板化写作流程，并以读者偏好数据指导模型选择与人机协作规范。