2024年2月，Klarna宣布其AI助手已处理三分之二的客户咨询，等效替代700名人工客服，并将平均解决时长从11分钟压缩至2分钟。这曾被视为AI应用的典范。然而十五个月后，Klarna重启人类员工招聘。公司CEO承认，过度追求成本优化导致“服务质量下降”，且在复杂场景下，用户仍倾向与人沟通。最终，Klarna确立了AI与人工并存的混合服务模式。

究竟哪种策略正确？是全面自动化，还是回归人力？答案取决于任务属性：“退款进度查询”有标准答案，适合AI检索；“重复扣款争议”需倾听与判断，需人工介入或复核。多数企业的AI路线图误区在于只关注“在哪里添加AI”，而非明确AI、软件与人类的职责边界。

首先，明确创意所处的价值层级

AI经济可分为四个层级，价值随从“回答”向“执行”跃迁而增长：

  • 基础层（“告诉我”）：提供模型与算力，代表企业如OpenAI、英伟达。
  • 横向层（“帮帮我”）：通用模式服务于全行业，如ChatGPT、Freshworks Freddy AI。
  • 垂直层（“为我的行业做这个”）：深耕特定行业流程与数据，如法律领域的Harvey、医疗影像领域的Qure.ai。
  • 智能体层（“替我完成这个”）：具备规划、工具使用及行动能力的系统。此层级下，权限管理、审计日志和审批流程成为核心产品特性。

随后进行战略测试：若明日AI消失，剩余价值几何？

  • 若无剩余价值，属AI原生型（如Perplexity）。
  • 若功能仍在但体验降级，属AI增强型（如GitHub Copilot）。
  • 若核心价值不受影响，属AI相邻型（如用AI辅助撰写招聘JD）。

1. 是否值得投入？

AI易用难盈利。麦肯锡《2026年AI现状》显示，近九成组织已应用AI，但仅37%的企业观察到息税折旧摊销前利润（EBIT）改善，仅约6%的企业收益超过EBIT的5%。

Alexa即为警示：尽管日活极高，但多用于设闹钟或查天气，极少转化为购物行为。据媒体报道，亚马逊内部曾反思：“雇了一万名工程师，却只造出一个智能计时器。”高频不等于高价值。与固定成本的软件不同，AI每次生成均产生边际成本。若采用固定定价，重度用户可能导致亏损，因此事前建模至关重要。

构建前，运行60秒TASQ筛选：

  • 任务模糊度：输入是否多变？（代码审查是高模糊，薪资税务是低模糊。）
  • 自动化程度：能否端到端运行，还是需人工复制、检查及路由？
  • 规模效应：频率是否足以产生显著影响？年均仅发生10次的任务通常忽略不计。
  • 质量容忍度：错误是否可在造成危害前被拦截？（电影推荐容错率高，药物剂量容错率为零。）

通过筛选后，需量化价值：价值 = 数量 × 单项任务价值 × 自动化率 − 成本。需注意，AI成本覆盖其尝试处理的所有工单，而非仅成功解决的工单。此外，若团队无人员流失，释放的是“产能”而非“现金”，评估时需诚实区分。

2. 是否适合？

核心问题是：“AI在系统中应处于何种位置？”将任务拆解，从四个维度评分（1-5分）：

  1. 是否有唯一正确答案？若有，使用传统软件。如AI读取发票布局，软件计算税额。AI不应发明数学规则。
  2. 能否编写规则？若能，直接编码；若不能但有样本，让模型学习。欺诈检测常采用“硬规则+模型评分+人工决策”的组合。
  3. 错误后果如何？邮件草稿错误成本低，未经授权的转账不可逆。错误越难逆转，AI越不应独立决策。
  4. 数据是否就绪？数据需存在、适用、高质量且合规。五年故障记录数据集优于三周无故障数据。

评分指引：

  • 16分以上（满分20）：强力候选者（如销售邮件助手，约18分）。
  • 11-15分：需增加护栏机制。
  • 10分及以下：AI仅提供支持，由人类决策。

确立角色定位：AI可协助（起草，人工查）、建议（评分，人工决）或执行（受限行动）。原则是：AI处理模糊性，软件处理确定性，人类处理判断力。

3. 如何构建？

选择最简单且具长期价值的路径，并在首个可行选项处停止：

  1. 提示词（Prompt）：若良好提示词即可可靠解决问题，且无需系统权限。
  2. 购买（Buy）：若现有产品或API已满足需求，且自建无差异化优势。
  3. 自建（Build）：若工作流具战略性，或自有数据构成竞争壁垒。
  4. 混合（Mix）：多数实际产品的选择：购买基础层，自建集成与规则。

以WhatsApp退款机器人为例：购买对话平台，自建订单查询、限额控制、欺诈检测及退款规则，争议案件转人工。单纯依赖提示词无法保障事实准确性、政策合规性及隐私安全，这些保障源于模型之外的系统工程。

模型并非护城河

2023年5月，Chegg股价单日暴跌48%，因学生转向免费即时的ChatGPT。当AI能免费完成核心工作时，功能特性不再构成防御壁垒。

  • 微软Copilot（付费席位超3000万）胜在分发：AI嵌入Word和Outlook，无需改变用户习惯。
  • Harvey（获80%美国百强律所使用）胜在工作流：通用模型结合法律专有流程与文件，并由律师审核。GitHub Copilot的有效性亦源于代码易于快速验证，使开发者重心转向审核。

实战演练：让你的创意接受检验

选取工作中一个高频痛点，回答以下六问：

  1. 问题：谁遇到该问题？频率如何？
  2. 是否值得？通过TASQ筛选了吗？月度预估价值多少？
  3. 是否适合？四维评分是多少？
  4. AI角色：协助、建议还是执行？
  5. 构建方式：提示词、购买、自建、混合还是暂不使用？
  6. 关键检查：承诺前必须厘清什么风险？

Klarna最终找到了平衡。截至2025年第三季度，其CEO表示AI已承担853名员工的工作量，同时承诺“用户可随时选择人工服务”。这一案例的核心教训是：让AI承担规模化工作量，让人类专注于需要判断力的关键环节。