用量不等于效果兩個藏在暗處的陷阱正確的三步走不跟風，問自己三個問題

今年5月底，亞馬遜悄悄關閉了一個內部榜單——KiroRank。

這個榜單原本統計工程師在AI開發平臺上的Token消耗量，目的是鼓勵大家多用AI。結果呢？一些員工讓AI反復執行無意義任務，愣是把使用量刷了上去。亞馬遜高級副總裁Dave Treadwell不得不出面喊停：不要為了用AI而用AI。

這不是個例。它是企業AI第一輪熱潮里，一個被忽略的真相的縮影。

過去兩年，管理層最常問的是：你們部門有沒有用AI？有沒有做Agent？有沒有接入大模型？這些問題本身沒錯，但它們悄悄引導了一個危險的傾向——大家開始比誰"用了"AI，而不是誰"用出了"結果。

KiroRank的關閉像一個信號：用量可以被注水，但業務結果不會騙人。

瑞典金融科技公司Klarna的經歷更說明問題。2024年，Klarna高調宣稱AI客服承擔了700名全職客服的工作，一時成為行業標桿。一年后，這家公司開始重新招聘人工客服。CEO承認，過度轉向AI影響了服務質量。

AI省下來的成本，如果換來的是更多客訴和復核成本，這筆賬怎么算都不劃算。

澳大利亞聯邦銀行CEO Matt Comyn說得更直接。他批評大量低價值AI產出正在蔓延，造出大量"work slop"——看起來完成了工作，實際上毫無價值的AI垃圾。Token燒了一大堆，組織沒得到任何像樣的結果。

這不是某家公司的個別問題。國際研究與咨詢機構高德納給出了一個讓人清醒的預測：到2027年底，超過40%的Agent項目會因為成本上升、業務價值不清或風險控制不足被取消。

如果說用量虛標是第一道坑，那成本和安全隱患就是緊隨其后的兩個深坑。

先說成本。一個叫"AI sticker shock"的新詞正在美國企業圈流行——AI賬單震驚。按量計費的AI產品進入企業后，賬單變得越來越不可預測。新加坡南洋理工團隊的一項研究更是讓人倒吸一口涼氣：在工具調用鏈場景下，Agent可能被引導進入極長調用鏈，單次查詢成本最高被放大658倍。不是65%，是658倍。

再說安全。今年6月初，Meta一款用于Instagram賬號支持的AI客服機器人被研究人員發現漏洞。攻擊者用特殊話術誘導AI執行錯誤操作，最終控制了包括奧巴馬白宮賬號在內的一批高影響力賬號。當Agent開始連接企業系統后，一個錯誤操作可能在更長鏈路中引發連鎖反應——不只是回答錯一句話，而是錯誤修改賬號信息、觸發業務操作、訪問不該訪問的數據。

一邊是成本可能被無限放大，一邊是安全邊界隨時可能被突破。這兩個問題不解決，Agent就是一把雙刃劍。

問題擺在這里，那怎么做才對？騰訊云最近發布的智能體開發平臺ADP 4.0提供了一個值得參考的框架。它要回答的核心問題很簡單：企業級Agent到底怎么落地？歸納起來就三步。

第一步，找場景。很多企業不是沒有AI預算，而是不知道哪些流程適合交給Agent。盲目鋪開的結果就是Token打水漂。正確的做法是從高頻、重復、規則明確的場景切入——客服工單流轉、商品推薦、質檢流程，把成熟場景跑通再擴展。

第二步，控風險。Agent在進入核心流程之前，必須明確它能做什么、不能做什么。權限分層、安全檢查、運行監控，這些不是錦上添花，而是生存底線。一個沒有治理體系的Agent平臺，就是在裸奔。

第三步，看結果。最終檢驗標準只有一個：Agent有沒有產生可核算的業務價值。伊利把導購、下單做成智能體后，導購訂單數增長26%，下單轉化率提升39%。華住基于AI升級的"華小AI"，70%以上的高頻問詢由Agent自動處理，累計執行近150萬次任務。這些數字不會騙人。

有人可能會問：這是不是只有大企業才需要考慮的事？小公司隨便接個API不就行了？

答案是，不管企業大小，只要投入了真金白銀做AI，就必須面對同一個問題：這筆投入值不值。大企業模式鋪得廣，小企業容錯率低，但決策邏輯是一樣的。

也有人會說：現在不跟風，會不會被競爭對手甩開？

跟風的前提是知道風向哪吹。今天的風向已經變了——不再是誰接入了AI誰厲害，而是誰讓AI真正跑通了業務誰厲害。比先用更重要的是好用，比好用更重要的是有用。

騰訊首席AI科學家姚順雨說得挺到位："AI下半場更難的是尋找好問題、好場景和好環境。"模型像一把萬能錘子，但最難的從來不是錘子本身，而是找到那個值得敲的釘子。

所以，在你給團隊定下一個AI使用率KPI之前，不妨先問自己三個問題：這個場景值得用Agent做嗎？安全邊界畫好了嗎？最后怎么算這筆賬？

把這三個問題答清楚了，再燒Token也不遲。

關注明明，一起看清AI商業的真相。 覺得有用？點個在看，轉給正在做AI落地的朋友。