# 人工智能从干活到负责|自动驾驶|系统|复利|客服|曾鸣_手机新浪网 - 新浪财经

*Источник: 新浪财经*
*Дата: 2026-08-01*
*Язык: zh*

**Кратко:** 人工智能从干活到负责
先想象一个场景：
你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。
过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。
还是回到车的例子。
自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。
阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。
在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。
不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？
曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。
以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。
对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。
曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。

人工智能从干活到负责
先想象一个场景：
你买了辆车，开了5年。5年过去，你的驾驶技术越来越熟练，可车还是那辆车。它不会因为你开得更多就变得更好，相反，零件会磨损，动力会下降，漆面会老化，故障隐患也会越来越多。你积累的那些经验，比如雨天怎么刹车、山路怎么过弯，都留在了你的脑子里，和这辆车没有关系。
过去几百年，我们熟悉的世界一直是这个样子：几乎所有东西都会越用越旧。但现在，人工智能（AI）打破了这个惯例——它越用越强。
还是回到车的例子。
自动驾驶汽车为什么不一样？它和传统汽车最大的不同在于，车卖出去之后，并没有停止“成长”。每辆自动驾驶汽车在真实道路上跑过的路，遇到的复杂路况、极端天气和异常情况，都会变成数据反馈给系统，用来训练模型、优化策略。也就是说，你每开一次车，不只是在用车，也是在帮自动驾驶系统变得更聪明。
阿里巴巴集团前总参谋长曾鸣在其新著《智能：AI时代的商业、组织与战略的本质》中，将这种机制称为“智能复利”。其含义是，一个系统干的活越多，见过的场景就越多，获得的反馈也会越多。这些反馈会持续优化系统，让它的能力不断变强。系统越强，越能处理更复杂的任务，也能获得质量更高的反馈。这个循环一旦跑起来，系统能力就会像复利一样打着滚儿往上翻。
在曾鸣看来，这正是AI时代最重要的底层机制之一。工业时代有规模经济，规模越大，成本越低；互联网时代有网络效应，使用的人越多，网络越有价值；到了AI时代，对应的就是智能复利：用得越多，系统就越强——过去，增长常常只是结果；现在，增长本身也成了动力。
不过，在现实生活中，能收获智能复利的企业并不多。问题发生在哪里？
曾鸣的回答是，很多AI只是在干活，并没有真正为结果负责。
以AI客服为例，目前国内外大量直接面对终端用户的平台类企业都上线了AI客服。对于订单查询、物流状态、退款规则这类标准问题，AI客服通常能处理得非常好；可一旦遇到复杂情况，尤其是当用户带着情绪来沟通时，AI的表现大多不尽如人意。此时，许多AI会直接向客户提供一个新选项，“是否转接人工客服”——这正是大多数企业的处理方法：安排真人在AI旁边盯着，随时检查、纠正，必要的时候甚至直接接管。换句话说，看起来是AI在处理任务，但真正兜底的还是人。
对于企业而言，这种情况当然无可厚非。在培育系统与服务客户之间，后者显然更加重要。但从AI本身的进化以及企业长期前景来看，这个选择会带来两大问题。其一，服务体量很难做大，因为每个任务都需要人盯着，AI做得越多，需要耗费在“看管AI”上的人就越多。其二，也是更严重的问题在于，AI拿不到完整、真实的反馈。它得到的，往往是被人工筛选、修改的结果。它没有机会从头到尾跟进项目是怎么出错的，用户真实反应是什么，最终结果又是怎样发生的。如果“行动—结果—反馈”这个闭环断掉，智能复利就无法真正运转起来。
曾鸣认为，要实现“智能复利”，关键在于AI能不能从“让人替它兜底”走向“它为自己兜底”。这也是企业搭建智能系统时最难迈过去的坎儿。只有当企业敢把一部分结果责任交给系统，系统才有可能形成自己跑起来的完整任务闭环。

[Оригинал](https://finance.sina.cn/2026-08-02/detail-inikwkft5489442.d.html?vt=4&pos=108&his=0)