人工智能的角色升级：从执行到领导

想象一下这个场景：

你买了一辆车，开了五年。随着时间的推移，你的驾驶技能逐渐提高，但车子却依然是那辆车。它并不会因为你开得更多而变得更好，反而零件会损耗，动力减弱，车漆也会褪色，故障的可能性则不断增加。你在这五年里积累的经验，比如如何在雨天刹车或如何在山路上过弯，都是存在于你的脑海中，与这辆车无关。

过去几百年来，这种情况都是司空见惯的：几乎所有物品随着使用时间的增加而逐渐老化。但如今，人工智能（AI）的出现改变了这一切——它在使用过程中会不断增强。

回到汽车的例子。

自动驾驶汽车为何与众不同？它与传统汽车的最大区别在于，一旦卖出后，它的“成长”并不会停止。每辆自动驾驶汽车在实际道路上行驶时，遇到的复杂路况、极端天气和突发情况都会转换成数据反馈，用于训练模型和优化策略。因此，每次开车不仅仅是驾驶，也是帮助自动驾驶系统变得更智能的过程。

阿里巴巴前总参谋长曾鸣在新书《智能：AI时代的商业、组织与战略的本质》中提出了“智能复利”这个概念。它表明，系统执行的任务越多，所见的场景和获得的反馈也就越多。这些反馈会不断优化系统，使其能力不断提升。系统越强，能够处理的任务就越复杂，反馈的质量也会随之提高。一旦这个循环开始，系统的能力便会如同复利一般快速增长。

曾鸣认为，这正是AI时代的重要底层机制之一。在工业时代，有规模经济，规模越大，成本越低；互联网时代则带来了网络效应，用户越多，网络的价值就越高；而在AI时代，对应的就是智能复利：使用越多，系统能力就越强——过去增长只是结果，而现在增长本身也成为了动力。

然而，现实中能够实现智能复利的企业并不多。问题出在哪里？

曾鸣指出，许多AI都只是执行任务，并没有真正对结果负责。

以AI客服为例，目前国内外许多面向终端用户的平台都已经上线了AI客服。针对订单查询、物流跟踪和退款政策等标准问题，AI客服表现得相当不错；但是一旦遭遇复杂情况，尤其是当用户情绪激动时，AI的应对能力往往就显得不足。这时，许多AI会直接询问用户是否需要转接人工客服——这正是许多企业的处理方式：在AI旁边安排人随时监控、纠正，有必要时甚至直接接管。换言之，虽然表面上是AI在处理问题，但真正承担责任的还是人。

对于企业而言，这种做法无可厚非。在平衡系统成长与客户服务之间，显然后者更加重要。但从AI自身的发展和企业长期前景来看，这个选择会带来两个主要问题。首先，服务的规模很难扩大，因为每个任务都需要人来监控，AI越多地执行任务，监控所需的人力就越多。其次，更严重的问题是，AI无法获取完整和真实的反馈。它获取到的反馈通常是经过人工筛选和修正的结果，没有机会全程跟进项目如何出错，用户的真实反应是什么，最终结果又是如何产生的。如果“行动—结果—反馈”这个闭环被打断，智能复利就无法真正发挥作用。

曾鸣认为，要实现“智能复利”，关键在于AI能否从“让人替它承担责任”转变为“它为自己负责”。这是企业在构建智能系统时必须面对的一大挑战。只有在企业勇于将部分结果责任交给系统时，系统才能形成完整的任务闭环，真正自我驱动。