运营成本始于演示之后

# 承诺是"无人值守"，现实却成了"新的麻烦"。——Two Heads 来源：https://twoheads.net/the-promise-is-unattended-work/ AI代理公司兜售的承诺很简单：搭建代理、连接工具、自动化工作、让系统自己跑起来。听起来很美，因为每家公司都有想甩掉的活儿。客服工单、潜在客户跟进、报告、内部更新、调研、数据录入、任务分配、状态检查。没人想让员工整天在工具之间来回搬运信息，所以这套说辞很容易让人动心。 代理公司会展示一个演示。代理工具读取某条信息，撰写回复，更新记录，发送消息，创建任务。感觉很有用，近乎魔幻。但演示不是系统。演示是可控的。输入是干净的，边界情况被剔除了，提前选好了完美路径。真实的工作是什么样的？数据缺失、请求模糊、记录陈旧、集成中断、上下文涉及隐私、格式混乱、指令含糊、还有没人记录过的各种例外。 这时候系统就开始需要人插手了。有人得检查输出结果，修改提示词，重新连接集成，清理数据，复核决策，还要在系统自信满满但实际出错时拿主意。这正是很多AI代理公司推销时跳过的那部分。他们卖的是搭建过程，但对搭建之后的事讲得远远不够。 搭建完成之后，真正的成本才刚刚开始。AI系统不会因为被人起了个"代理"的名字就自己跑起来。它们依然需要有人负责。需要监控、日志、降级方案、权限、更新，以及一个既懂业务又懂软件的人。如果系统没人管，团队最后就会沦为其"保姆"。 现在公司面临两个问题。旧的流程还在，因为人们不完全信任自动化。新的AI系统也在，因为公司已经付过钱了。于是团队只能在两者之间周旋。这就是假性生产力的来源。人们忙着调提示词、改工作流、加工具、参加关于自动化的会议、审查输出、修复各种奇怪的错误。看起来像是在推进，因为有活动，但活动不等于价值。 价值意味着工作完成得更好、更快、更省、或更可靠。如果系统做不到，那它就不是在帮忙，只是又多了一层。隐藏的成本是注意力。原本应该省注意力的东西，开始消耗注意力。 公司还在不断往里投入，因为已经花了时间砸了钱。"就快好了""只需要更好的提示词""再加一个集成""先把数据清理一下""还需要下一阶段"。有时候确实如此，系统确实接近好了。但有时候，诚实的答案是：自动化了错误的东西，流程没理解透，业务依然需要人类判断，或者代理公司造了一台看起来很漂亮、但在真实工作面前根本撑不住的机器。 问题不在于AI。问题在于没人认真负责。AI可以很有用。我们每天都在用。它可以加速写作、编程、研究、客服、运营和内部工具。当任务被充分理解时，它可以去除枯燥的工作。但AI并不能消除对软件判断力的需求。它反而让软件判断力变得更加重要。 AI工作流仍然是软件。它可能失败、漂移、崩溃、做出错误假设，并以自信的姿态输出糟糕的结果。它可能依赖会变化的工具、会失效的API、以及会变脏的数据。所以它必须被当作真实的东西来构建。 从小处开始。选一个工作流。了解它现在的运行方式。找到其中不需要太多判断的部分。先自动化那一部分。在错误代价高的地方留一个人做复核。衡量结果。真的节省了时间吗？减少了错误吗？让工作更轻松了吗？人们信任它吗？一周后还能正常工作吗？一个月后呢？ 这才是检验标准。不是演示，不是示意图，不是一堆代理名称。检验标准是：当代理公司的人不在场时，系统是否还能持续运转。 我们喜欢AI。我们用AI。我们在流程中融入AI。 但我们不相信关于AI的魔法故事。AI工作流仍然是软件。它需要被设计、发布、监控、修复，并在业务变化时改进。 而这正是大多数推销跳过的那部分。他们卖的是"上线"，却不承担"运营成本"。 我们在意的是上线之后的事。是系统面对真实用户、真实数据、真实边界情况、真实故障、和真实周一上班时的那部分。 所以，如果你要使用AI，就把它当作软件来用。从小处开始。自动化那些明确的部分。在判断力重要的地方保留人类。衡量改变了什么。在系统上线后真正去负责它。 少一些演示。少一些假代理。少一些示意图。多一些能用的软件。多一些所有权。多一些关于上线后实际情况的诚实。 搭建它。发布它。让它持续运转。