一、一直被架在高处的那项能力
人工智能进入公众视野已有几年,落到实际使用,却一直停在「看得见、摸不着」的位置。多数人用过,但多数人只用到表层:问一句,看一段,抄一抄,然后回到原来的做法。真正把它嵌进日常作业、替代掉一整段流程的,仍属少数。
原因常被归到两处:一是贵,二是难。贵在算力、在设备、在请人搭建;难在要用得动它,得先学一套说法,得懂一点技术,得有耐心反复试错。这两条都成立,但它们指向同一个结果——门槛太高。门槛高,所以大多数人只能站在门外看。
这个门槛并非天生。它由三层叠起来:第一层是表达,你得先学会用它能听懂的方式说话;第二层是配置,你得有一个能跑起来的环境,把资料、规则、流程一点点接进去;第三层是放手,你得肯把一整件事交给它,而不是只用它答一两句话。三层叠在一起,就把这项能力锁在了少数人手中。
值得说清的是,这三层门槛里,有一层与使用者本人无关。表达这一层,是人对自己生意的清楚程度;放手这一层,是人肯不肯改变做事习惯;唯独配置这一层,是工具供应商该解决的问题,却长期被推给了使用者。行业里的普遍做法,是把配置的复杂留给使用者,把使用的自由也留给使用者,两头都说得好听,中间那道坎由客户自己迈。迈不过去,就只能搁着。
这三层里,第二层最容易被低估,也最该被拿掉。表达与放手关乎人自身的习惯,怎么改都有限度;而配置这一层纯粹是工程负担,它不产生任何价值,只消耗时间与信心。多数半途而废的尝试,不是败在想不清楚,也不是败在不肯放手,而是还没开始用,就被装、接、调、培这一长串流程磨掉了耐心。行业里把这叫实施周期,本质上是一道由供应商自己造出来、又转嫁给使用者的关卡。
这就是为什么,这项能力明明已经很强,落地却那么慢。强的部分在技术那一侧,慢的部分在使用者这一侧,而中间那层最不该存在的配置门槛,一直没有人替使用者拆掉。
二、三道门槛,一层一层拆到什么位置
我们做的事,可以概括成一句话:把门槛从使用者这一侧搬回技术这一侧,然后在技术这一侧把它拆掉。具体拆了三道。
第一道,从「会写提示语」拆到「会说人话」。早年用这类系统,得先学一套写法:怎么设定角色,怎么给约束,怎么套模板,怎么调设置。这种做法有其道理,却把本应简单的事变复杂了——交代一件事,本不该先学一套语法。现在不必了:把要求当成交代一个人做事那样说出来,说清楚给谁看、要什么结果、顾忌什么,就行。门槛从「能否掌握工具」变成了「能否交代清楚」,后者不需要专门训练,差别只在练没练过。
第二道,从「自行搭建设施」拆到「开机即可使用」。这一道是行业里被推给使用者最久的一道。过去的通行做法是交付一套系统,再派一组人进场勘察、接入、调试、培训,几个月过去,人换三批,事未跑顺。我们的做法是把这一层收回来自己做:资料、规则、口径在交付前就配好,装在一台电脑上,通电就能开工。不需要机房,不需要专职人员,不需要过渡期。这一条看似工程细节,实为门槛里绕不过的一块——它决定有多少人迈得进来。
第三道,从「问答一段话」拆到「交出一份件」。这是最实质的一道。多数人对人工智能的印象停在问答:问一句,得一段,自己再改。这样用,它永远是助手,省下的只是打字时间。真正的变化发生在把一整件事交出去,而且交回来的是成品,不是草稿:一份合同进去,风险清单、标注稿、留痕记录一起出来;一份招标文件进去,评分细则、失分项、报价区间一起出来;一批单据进去,凭证、报表、异常项一起出来。人做的是判断与签字,系统做的是从头到尾的那一整段作业。
三道一拆,工具这一侧的门槛就落到了接近零的位置。剩下的一侧在「做」——那一道更难,留到第四节说。
第三道门槛之所以最实质,是因为它改变了评价标准。停在问答阶段,好不好用全凭感觉:答得漂亮就夸一句,答得不像就换一个。一旦要求交出一份件,标准就硬了——能不能用、数字对不对、条目全不全、能不能直接拿去上会,一眼便知。标准变硬,改进才有方向;标准模糊,用多久都停在原地。
门槛低到这个程度,事情的性质就变了——它不再是「要不要投入一笔钱去做一个项目」,而是「今天有件活,交给它做一遍看看」。
三、三类成本趋近于零,这句话要说得准确
「用久了成本会趋近于零」这句话听起来漂亮,但必须拆开说,否则一句反问就能推倒:电费不要钱吗,机器不要钱吗。所以这句话要落到具体的三类成本上,每一类都有自己的成立条件。
第一类,新增一件作业的边际成本。同一套设施上,多跑一类活,不需要再添置设备、再增加人员、再做一次接入,加一份资料、改一条规则就行。这一类成本确实趋近于零,前提是设施本身通用,而非为某件事专门定制。定制的方案,每增加一件事就要再定制一次,成本不但不降,反而越用越贵。
第二类,重复作业的成本。同一件事做第一遍,要花时间调口径、试规则、核对结果;做到第十遍、第一百遍,几乎不再花时间,因为口径已经固定,规则已经跑顺,历史记录可以直接查。这就是「用得越久越省」的由来。它成立的前提是这套系统具备记忆——每次调整过的口径需要留存下来,下次不用重来。没有记忆的系统,第一百遍和第一遍一样吃力。
第三类,学习成本。过去请一个人上手一套系统,要培训、要试错、要有过渡期,人一走又要重来一遍。现在说一句就能用,人换了不影响作业,因为经验留在系统里,不留在某个人身上。这一类的成本趋近于零,前提是经验真的被写下来了,而不是仍装在个人头脑中。
三类之外,有两样成本不会归零,必须说清楚:一是电力,二是硬件。算力规模越大,用电越多,这是物理约束,靠软件优化只能降低单位能耗,不能归零;硬件有折旧,有更新周期,也不会归零。
所以准确的说法是:趋近于零的,是使用者的边际成本、重复成本与学习成本;不是电力与硬件的物理成本。前者下降,来自门槛的拆除;后者的存在,是这门生意的固定底座。两边分清,这句话才立得住,也才经得起追问。
四、最硬的一道门槛,是「做智能体本身」
前面讲的三道门槛,说的是「用」的难度。还有一道更硬的,在「做」这一头。
人工智能这几年的主战场,已经从模型的强弱转到智能体。原因不难理解:模型再强,也只是一个会说话的脑袋,它不会替你收单、不会替你归档、不会在定好的时点自己跑起来。要让它替人作业,中间必须有一层载体把流程、判据、资料、动作串联起来,这一层载体就是智能体。所以行业里有一个说法:人工智能的底层,是智能体。
问题在于,做智能体这件事,过去是有硬门槛的。要做出一个能用的智能体,过去的做法是写代码:定义输入输出,写好调用逻辑,把工具一个个接上,再处理各种异常分支,最后还要部署、要监控、要迭代。这一套下来,一个像样的智能体要一个懂代码的人做上几周,复杂一点的,要一个月。于是出现一个尴尬的局面——真正需要智能体的,是那些天天在一线处理具体事务的人;而能做出智能体的,是那些坐在工位上写代码的人。两边隔着一段距离:懂业务的做不出来,做出来的又不对味。
我们做的事,就是把这一道门槛也拆掉,而且拆得比对前面三道更彻底。
其一,做的入口从代码改成说话。需要一个什么样的智能体,把这件事说清楚即可:管什么、收什么材料、按什么规矩判断、产出什么成果、什么时候自动运行。一段话说清,当天就能跑起来。不用写代码,不用搭结构,不用管异常分支。
其二,做的人从技术岗换回业务岗。这件事的意义比听起来大。最清楚一件活该怎么干的人,本来就是干这件活的人;过去他只能把要求讲给别人听,讲一遍损失一遍精度。现在他自己就能说出来、做出来、跑一遍看对不对,不对就再改一句话。智能体的质量,因此取决于对业务的理解,不再取决于写代码的手艺。
其三,做出来的成果能立刻投入使用,也能立刻修改。这一条常被漏掉——很多所谓低门槛的产品,卡在「做得出来但改不动」。改一次要找原班人马,要排期,要重新走一遍流程,改到最后人就不改了。现在的做法是随时改、随手改,改完当场验证。
这三条合起来,这台机器就不再只是「一台能用的电脑」,而是一座智能体工厂——它不生产别的,只生产能作业的智能体。想要一个什么样的智能体,说清楚就做出来;想要一批,就一次做一批;做出来不好用,改一句话再跑。技能包、智能体、数字员工三样,本是一件事的三种形态——单一作业、专业判断、完整岗位,说清楚要哪一种,就出哪一种。
还有一层更值得说:用得久了,它会自行沉淀成型。同一件事做上几遍,其中的规矩、口径、判断依据会自然固化下来,这时候只要加一句提示,它就从「每次重新做」变成「一个固定的智能体」。也就是说,日常作业本身在沉淀资产,不需要额外立项,不需要专门开发。用得越久,沉淀得越多;人员更替,积累仍在。
这一道拆掉之后,「做智能体」这件事的性质也变了。它不再是一个需要报预算、排工期、组团队的项目,而是日常作业里顺手的一件事。企业不必先想清楚「要不要投入做智能化」,只要从今天最痛的那件活开始,说清楚,做出来,跑一遍。
五、这套体系怎么把上面四段落成可核的事实
前面四段是判断,判断要落到能当场核对的事实上,才算数。这一段只报能当场核的。
其一,一个人一台电脑就能开工。不必配机房、不必设专岗,也不必先组一支队伍。装好即用,开机即能作业。这一条决定了门槛能降到多低——如果起步还需要一支队伍,那门槛就没有真正降下来。
其二,能力的覆盖面足够宽。截至二〇二六年十月,可调用的能力有一千七百七十七项,在库总数一千九百六十三项(其中归档一百八十六项),覆盖文档与表格、写作与校稿、图片与设计、视频与音频、办公与协作、查询与检索、合同与法务等十几个方向。这个数量的意义不在于多,而在于一件活从收单到交件,各环节都能接得上,不需要在中间换工具、换人、换口径。
其三,交付形态是成品,不是草稿。一份材料进,一份成果出,可当场核对。这一点是判断「是否真已贯通」的唯一标准:讲得再好,材料进去出不来成果,那就是没通。
其四,速度是可实测的。一次完整问答,实测十余秒;一份一千多字的合同,出风险清单、标注稿与留痕记录,按分钟计;一份招标文件,拆评分细则、算报价区间,也按分钟计。这些时间不是估出来的,是能当面演示、当面对表的。
其五,门槛现在剩下什么。技术那一侧已经不是障碍。剩下的一道门槛在使用者这一侧:对自己这份生意清不清楚。说得直白些——知不知道自己每天在做什么、哪一段最痛、哪一步有规矩可循。想清楚这一点,剩下的都是操作;想不清楚,再顺手的工具也用不出效果。
这五条合起来,就是「门槛拆到接近零」的实际含义。前四条能当场验,第五条要自己对着业务答一遍。
六、为什么这件事要做成体系,而不是一堆工具
工具与体系的分野,往往被低估。手里的工具越多,听起来比只有一件时更强,实际使用却常常更糟,原因有三。
其一,工具各自分管一段,段与段之间依靠人工转递。搬的过程不产生价值,却占用最贵的时间,还最容易出错。一个企业里最常见的损耗不在做事本身,而在两件事之间——这个系统里查一个数,那个表里核一遍,再打电话确认一次。体系的意义,是把这些段接起来,让同一份数只在一个地方录一次,其余地方读它。
其二,工具各有口径,同一件事三个说法。这属管理问题,会随工具数量增加而恶化。体系的做法是先定口径,再让各段按同一口径说话——各处读同一份数,争议自然减少;口径定不下来,接得越多越乱。这件事看不出直接的钱,省下的却是反复核对与互相说服的时间,在企业里,这部分时间往往比做事本身还长。
其三,工具不带记忆,每次从头开始。这一条决定了「用得越久越省」是否成立。体系的做法是把每一次的判断依据、每一条调过的规则留下来,下次遇到同类的事,直接调出来用,不必重新推演。
所以这件事的落点,不在装了多少件,而在能否从头贯通到尾。一件活从收到交,中间不换人、不换口径、不靠人工搬运,这才叫跑通;跑通之后,边际成本才会真的往下走。
七、门槛拆完之后,剩下的是什么
门槛拆到接近零之后,有三件事会跟着变化。
第一件,能用的人变多。过去用得上这类能力的,是有技术团队、有预算、有耐心的企业;现在一个人、一台电脑就能开始。用的人变多,这件事的社会价值才出现——一项能力如果只有少数人用得上,它再强也只是一个行业内部的工具。
第二件,差距的来源变了。过去门槛高,用得上的企业本就少,差距也就不成为话题;现在人人都会说一句,差距就看谁说得更清楚、谁手上的资料更实在、谁更肯把活交出去。工具门槛拉平之后,比的是对自身业务的理解深度。这一点不会因技术进步而自动获得,它要人自己去想、去整理、去下决心。
第三件,人的位置变了。人工智能要替代的,从来不是人,是人手里那些重复、机械、无需判断的作业内容。方向由人定,决策由人做;省下的是成本,腾出来的是时间。人的位置从「做」挪到「核」,从「算」挪到「决」。这个变化不会让人变得多余,会让人变得更有分量——因为留下来的每一件事,都需要判断。
八、结语
门槛这个词,多数人理解成「够不够得着」。放在人工智能这件事上,它更像是一道本不该存在的关卡。
这道关卡由三层叠成:表达、配置、放手。其中配置那一层,本该由工具供应商解决,长期却被推给了使用者。我们做的事,说到底就是把这一层收回来,然后把三层一起拆掉——从会写提示语,拆到会说人话;从自己搭设施,拆到开机就能用;从问答一段话,拆到交出一份件。
拆完之后,成本也跟着往下走——不过走下坡的只是使用者这一侧的三类作业成本。电力与硬件不归零,那是另一笔账。
把门槛拆到接近零,把使用者这一侧的成本压到接近零,这件事才从少数人的工具,变成多数人的日常。
把上面这些收成五条,便于复述:
其一,判断的位置。人工智能一直被架在高处,症结不在技术,而在三道门槛——表达、配置、放手。
其二,做法。三道门槛逐层拆解,把配置这一层从使用者一侧收回来,在技术一侧拆掉。
其三,成本。趋近于零的是边际成本、重复成本与学习成本;电力与硬件不归零,须分清。
其四,凭据。一人一机即开工、能力覆盖十余方向、交付成品可核、速度可实测、门槛只剩「想清楚自己的生意」。
其五,做智能体的门槛。过去要懂代码才能做出一个智能体,现在一段话说清就能出;技能包、智能体、数字员工三种形态同一入口;用过的作业会自动固化成智能体,用得越久沉淀越多。
最后落到一句判断上:人工智能的价值,不在于它有多强,而在于有多少人真的用得上。仅为一家之言,仅供参考。新旭产业数智互联全生态。