應用層上的壓力點： 1）模型成本：如果服務於高度複雜的用例，你需要提供最先進的模型（代幣價格一直保持穩定），否則你的競爭對手（背後有其他頂級風投支援）就會搶先一步。毛利率翻轉？不太確定。 2）模型能力：模型的能力越來越強（參見METR圖表）。如果工作流程有可能變得無關緊要，為什麼還要用工作流程來包裝認知過程呢？ 是的，分佈等因素很重要，但我認識的每個普通人都在某些方面使用人工智慧，所以除非他們的雇主禁止他們使用橫向模型，否則我保證任何使用縱向人工智慧/工作流程產品的人也都會用他們選擇的模型嘗試同樣的提示——如果6個月前它不起作用，那麼今天它可能就起作用了。
那麼所有應用都注定失敗嗎？不。我認為未來能夠長久發展的應用是「後擬物化」的，它們首先關注模型的細微之處，然後探索如何創造新的工作流程和體驗。