2024 年，Klarna 对外说它的 AI 客服助手承担了相当于 700 名全职客服的工作量，对应约 4000 万美元的年化利润改善。这个数字被引用了整整一年。
2025 年，同一家公司把人重新请回了复杂案件的处理环节。它并没有撤退，那套系统的覆盖量此后还在往上调。变的是边界——哪一段交给机器，哪一段必须留给人。
MIT 的《GenAI Divide》研究给出的数字更冷：52 场高管访谈、153 位管理者问卷、300 个公开部署案例，九成五的试点没有产生可衡量的损益影响。
问题早就不是要不要做，是为什么绝大多数人过不去中间那道墙。
过去两个月，我们把四位硅谷一线的分享放在一起重听。两场是给企业做的线上专家咨询，两场是企业家研学的现场讲座。四个人站在四个位置上，指的是同一堵墙。
墙不在模型有多聪明
在二十步之后
Marc（化名）是 Google 的资深 AI 研究工程师，大模型研究方向。他把这堵墙算成了一道乘法题。
「你哪怕单步已经接那个能够成功率百分之九十九点九了，但一个任务它不可能是一步完成的，」他说，「你这个上了二十步、三十步之后，你的整体成功率就下降了。」
单步 99.9% 听上去已经接近可用。连乘二十次，剩下 98%。连乘三十次，接近 97%。
对一个演示来说，97% 是漂亮成绩。对一条每天跑几万次的业务流程来说，这是每天几百次要人去捡回来的失败——演示看单步能力，生产看连乘。
同一堵墙在做生意的人那边长着另一副样子。Jason（化名）是亚马逊 AI 部门负责人、购物 Agent Rufus 的研发主导者，手上同时在做企业级 AI Agent 的生意。在 7 月的美国研学现场课程上，他把它拆成了三道连着的坎。
「第一，你会发现简单的任务做得还不错，复杂的任务解决不了。当你把复杂任务解决了以后，你会发现你的成本又控制不下来。因为模型会很贵，token 会越来越贵，这就是你遇到的第二个问题。当你的 token 问题再解决了以后，你还有模型需要去自我成长。」
三道坎的顺序是关键。大部分企业今天感受到的「不好用」，其实卡在第一道；后面两道还没轮到他们。
Rufus 自己就是这么爬上来的。Jason 说这个项目 2023 年初就开始做，「一开始做特别烂，用户体验也很差」，团队那时候也不清楚要做成什么样子。撑住它的不是效果，是老板认定方向没错。
通用智能体是个陷阱
Marc 对当下最热的那个方向给了否定判断。
「现在市场上很多人在想看这个所谓的通用 agent，我觉得这个其实并不是一个非常有价值的方向。能解决实现刚才说的以上三个卡点的，目前这个阶段一定是专属的 agent，比如说专门的法律的 agent，或者专门的写政府文书的演讲稿的 agent。」
这话如果只有他一个人说，是一家之言。放在另外两位的分享旁边，就是一个架构选择。
Ben（化名）是 Google 工程副总裁，负责核心机器学习方向，此前在 Meta 做 AI 基础设施与 PyTorch 的工程副总裁。他从模型层给出了同一个结论。
「训练模型不需要那么大，但模型每一个模型质量都很好，cover 一个垂直领域，最后把用一个 agent 的形式把它缝补在一起。它的表现形式，你就跟一个大模型什么维度都很好一样的，但它成本和质量会好很多。」
一个全能大模型，和一组各管一段、由 agent 缝起来的专用模型。两条路的终点看起来一样，账单差一个量级。
学界这边给的是证据。James Landay 是斯坦福计算机系教授、斯坦福以人为本人工智能研究院的联合创始人与副院长。在这次高管研学的斯坦福课堂上，两个多小时里他有近一半时间在讲交互方式正在发生的改变。
「在医疗领域，人们只用医疗数据做出了医疗模型，在某些任务上它们做得比那些通用大模型更好。我认为这种情况会出现在很多行业里。」
三个人分别站在研究、工程和学术的位置上，指向的是同一个动作：把范围收窄。
Gartner 的判断可以放在这里作对照。这家机构预测，到 2027 年底超过四成的 agentic AI 项目会被取消，原因是成本失控、业务价值不清、风险控制不到位。它同时点了另一件事：数千家自称做 agentic 的供应商里，真的只有大约 130 家。
一人一年烧掉两百万额度
成本这件事，Marc 讲了一个很难反驳的现象。
Google 内部一度把 token 用量当成好事。「哪个员工用的这个 Google 用的这个 token 的数量最高，我们要奖赏他。」
几个季度之后账算出来了。「你可能这个本身雇一个人来完成这个问题，你可能一年只需要付这个人可能二十万美元，然后你会发现这个 20 万美元年薪的人，一年可能用到了 200 万的这个 token 的这个量。」
用人成本 10 倍的 token 成本。他把原因说得很直白：人是有惰性的，一个简单到只需要求和的问题，也会有人顺手调用最贵的模型。
「如果公司不做任何的管控的话」，这件事就一定会发生。
他还提到一个例子：连 Uber 这么大的公司都宣布 AI coding 已经用不起，转去用更简易的模型。这不是技术账，是预算纪律的账。
Jason 的建议更硬。现场有人直接问他，企业该投什么、什么投了会浪费。
「我觉得现在你们做的智能体啊，80% 最后都会被废掉。为什么？因为费用成本很高。」
他把话说完了：「你们不过 it's good to learn，说实话，但是不要投入太多。你们现在做最好的方式，应该就是把自己的工作流想办法，让你的员工把工作流数字化。我觉得现在的话还是要逐步地把所有的工作流程先数字化起来。」
一个卖 AI Agent 的人，劝在场的企业先别急着买 agent，先去把流程数字化。这句话的分量在于它对说话人自己没有好处。
最后签字的人是谁
到这里，话题从技术滑到了组织。Marc 举的例子是给领导写一份文书。
AI 把稿子生成完了，然后呢。「我肯定得通读一遍，有没有什么奇怪的表达方式，或者说有没有一些违背核心价值观的描述，我可能都要进行判断。这个就需要人来做最后一步的审核，是非常耗时耗力的。」
做得不好的时候只有两条路：人来改，或者让它重做，而重做还可能撞上同一个问题。
真正的难题在下一句。「第二个是关于责任的问题，或者叫治理的问题，谁来负责批准？是写文案的这个人负责批准，还是领导负责批准？万一大家都有疏忽……那万一这个事捅大了，谁来为这个事情负责？」
这个问题没有技术答案。它是一号位的问题。
Landay 在讲座里泼了一盆更凉的水。把人放在中心去设计 AI 这件事，好处是更好的产品、更贴合的市场，「但我们还没有证明这一点」，他说，这大概需要很多同类案例长期积累才能被证明。
一位在这个领域推了十几年的斯坦福教授，公开说这条路的收益还没有被证明。这种坦率比任何一句「趋势不可逆」都更有信息量。
往上追，还是往下探
Marc 借自动驾驶的分级，给「AI 自我改进」搭了一个从 L1 到 L5 的框架。
L1 是自动补全，人做所有决策。L2 是执行，人定方向、AI 写代码跑分析。他说这一级今年已经基本实现，前沿 AI 公司的一线程序员基本不自己写代码，只制定方向。
L3 开始换位。「人的精力其实是有限的……AI 基本上看到了人类历史上所有的事物、所有的文本，它对于这个问题的理解或者说思考的能力其实是更全面的。」到这一级，方案由 AI 端到端提出，「人反而变成了一个审批者」。
L4 是域内自治，人只设目标。L5 是全闭环。他说 L5 目前还没有实现，是「终极梦想」。
他也给了当下的坐标：算力调度和代码优化这类方向，基本已经走到 L3。
这个框架对企业的用处不在预测未来，在于定位自己。一个组织今天在哪一级，决定的是它该建什么样的审批流程，而不是该买什么模型。
Jason 的收束给了另一个方向。「现在的智能水平其实已经达到了最顶尖的水平，但你其实不需要那么高的智能水平。」
他说少数顶尖人才只能在这个领域继续往高走，而他自己的公司选了相反的路：「我们现在开始往下探了。其实这个智能水平就已经够了，大部分的事情，世界上 99% 的工作已经够了。」
往上追是几家实验室的事。往下探，是剩下所有人的事。
回到那道墙
Klarna 那件事后来被反复当成「AI 翻车」的例子，但它真正的动作不是撤回，是重划。哪一段交给机器，哪一段留给人，成本上限在哪，出事谁签字——这四个问题被逐一回答了一遍。
九成五的试点过不去那道墙，卡住的多半不是模型，是这四个问题一个都没答。
这几年做硅谷企业参访和硅谷专家咨询，我们听到的最一致的一句话是：越靠近一线的人，说话越保守。四位嘉宾里没有一个人说「趋势不可逆，赶紧上」。他们讲的都是连乘、账单、审批和边界。
推 AI 转型的一号位，手上那个项目是在追通用能力，还是在收窄范围。做出海的企业主，跨时区那条流程有多少步，连乘之后还剩多少。
在做第二曲线的制造业老板，工作流数字化到了第几步，还是直接跳到了买 agent。正在接班的二代，这套系统出事的时候，签字的是谁。
答不上来的那一个，就是你自己的那道墙。
