早试点，晚承诺：快速技术进步下企业采用 AI 的实物期权模型

人工智能给企业带来了一个不同寻常的时机决策问题。技术前沿正在快速改进，实施具有部分不可逆性，而组织特定能力则通过行动积累起来。本文构建了一个不确定性下 AI 部署的两期决策模型，在该模型中，企业可在立即部署、有限试点和等待之间进行选择。部署能够获得当前运营价值，但会使企业面临架构过时的风险；等待则保留了在观察到技术前沿后再采用的期权；试点则牺牲当前运营价值，以在不作出全面承诺的情况下构建组织特定的学习能力。该模型得出了五项核心时机结论，以及一项关于学习发生位置的比较结论。第一，当部署收益关于技术前沿呈仿射关系时，保持均值不变地增加技术前沿不确定性，会提高等待和试点的价值，但不改变立即部署的价值。第二，当已部署架构只能吸收未来改进的有限份额时，更快的预期技术前沿进步可能降低立即部署的相对吸引力。第三，当试点所构建能力的预期价值超过其成本时，试点严格优于等待。第四，足够有价值的组织特定学习会形成一个非空区域，使“早试点，晚承诺”成为最优策略。第五，存在一个闭式模块化阈值，超过该阈值后，立即部署优于最佳外部选项。第六，生产学习和试点特定学习对时机裕度的影响不同。连续时间扩展得出了标准结论：不确定性会提高采用阈值，而能力和模块化会降低采用阈值。本文将部署、试验和等待区分开来，并说明为什么快速进步能够理性地增加试验，却不足以证明不可逆承诺的合理性。