我把同一件事交给 AI、脚本和手,结果 AI 输了——自动化最反直觉的真相

2026-11-17 15 0

先说结论:我把一件每天都要干的脏活,同时交给了 AI、脚本和手动三拨人。AI 最慢、最贵、最不稳定。手动的人排第二,脚本第一。

对,我知道这标题很反 AI 饭。但这不是抬杠,这是我用真实任务跑出来的账。看完你可能会重新想想:你公司里那些"AI 自动化"项目,有多少其实用十几行脚本就能干完,还有多少是在给人凭空造工作量?


一、先说实验:到底干了件什么事

我需要一个每天都要做、但完全谈不上性感的小任务:把散落在几个地方的信息抓回来,整理成一份固定的清单,然后发出去。听起来很适合 AI 对吧?输入明确、格式固定、重复执行,简直是 Agent 的祖传舞台。

我准备了三套方案,用的是同一份输入、同一批目标数据、同一块机器:

  • 方案 A:脚本——Python 加几个 API 调用,写死规则,跑一次大概二十秒。
  • 方案 B:AI Agent——让模型自己决定抓什么、怎么整理、怎么输出,中途可以自己调工具。
  • 方案 C:手动——我自己盯着页面复制粘贴,顺手改几个错别字。

评判标准很朴素:总耗时、结果对不对、要不要返工。

二、结果:AI 输了,而且输得很有教育意义

脚本:一次投入二十分钟,之后每次二十秒。规则写清楚之后,它的输出是确定的。抓取字段对不上?它会报错,而不是编一个看着很顺的假数据。这一点比"聪明"重要一百倍。

AI:第一次花了十一分钟,前后跑了七轮,中途改过四次提示词。结果确实像模像样——直到我拿真数据一对,发现两个字段它悄悄挪了位置,还有一个时间戳它是算出来的,不是读到的。它没撒谎,它只是"合理化"了。

手动:二十五分钟,但零返工。慢,可控,而且我天然知道哪里有坑。

最有意思的是第二次跑。脚本还是二十秒,AI 又花了八分钟——因为它每次都在重新"理解"任务,而不是"记住"任务。人当然不会每天早上重新学一遍怎么发快递,但 Agent 会。这不是记忆问题,是工作方式问题。

AI 的真实成本不是 token 报价,是你的注意力税。

三、为什么大家还是在往 Agent 上砸钱

因为 AI 的能力边界和我们的直觉边界不一致。我们看到模型能写代码、能推理、能理解模糊需求,就默认它能替代"流程"。但流程和判断是两回事。

脚本是一条确定性的路:撞到墙就停。AI 是一条带导航的路:它大概率能到,但偶尔会把你带进沟里,而且你不知道沟在哪,只能靠人肉比对事后找出来。当一条路的成本是"偶尔翻车",另一条路的成本是"每次都要人跟着",你选哪条,取决于你出不出得起那份监督的注意力。

更反直觉的是:当模型变强变便宜,"每个任务都调一次 AI"的账其实越来越难算。推理单价一路往下走,人的注意力单价却纹丝不动。省下的钱,全变成了你盯着它跑、改它、验它的时间。


四、Prompt 心法:别写"帮我做 X",写三段

这是我目前最认的一条实操经验。给 AI 派活,别写愿望,写合同。一段合格的指令至少包含三块:

第一块,目标:要什么结果,不是要什么过程。别写"帮我分析一下数据",写"输出每行的时间、来源和一句话摘要,按时间倒序,只保留失败项"。

第二块,边界:不许做什么、拿不准怎么办。这是省钱省心最关键的一段。加一句"信息不足时不要猜测,标注'数据缺失'并继续",能直接消灭掉一大半幻觉式填空。

第三块,验收:什么叫做好了。要能被检查的、能被机器或人一眼看出对错的标准。"清晰易读"不算标准,"每行不超过 80 字、日期格式统一为 YYYY-MM-DD"才算。

目标:把这段会议记录整理成待办清单。
边界:只提取明确指派到人的任务;没写负责人的不要补写;
      拿不准的截止时间写成"待确认",不要推测。
验收:每条包含【负责人】【事项】【截止时间】;
      负责人不在记录里出现的任务单独放到"待确认负责人"分组。

顺带一个心法上的偏门技巧:先让 AI 反问你。给它一段材料,先说"在动手之前,列出你还需要我确认的信息"。它问的问题,往往正好是你自己没想清楚的地方。成本是一次对话,收益是后面少三轮返工。

五、什么时候该用 AI,什么时候老老实实写代码

我的判断标准只有一条:这件事的规则,你能不能用"如果……那么……"说清楚?

能说清楚,规则引擎或者脚本更便宜、更可靠、更容易交给别人接手。说不太清楚,但又有一定模糊度——比如从乱七八糟的文本里提取结构、把生硬的说明改写成人话、给一堆起名、生成一次性的小工具代码——那正是 AI 的甜区。

反过来,模糊度极高又错误代价极高的活儿,比如审批、签字、放行,别让模型说了算。让它收集信息、给出建议,把决定权留给一个明确的人或一条明确的规则。这不是不信任 AI,这是分工。

行业趋势的三个信号

一,Agent 的瓶颈从"模型聪不聪明"转向"可不可靠"。模型之间的能力差距在收窄,但稳定性、幂等性、出错可恢复性的差距被放大了。所以未来拼的不是谁的 demo 更炫,而是谁的流程能在失败时优雅地重来。

二,企业采购的衡量标准正在从"能做什么"变成"失败率多少"。能写代码的模型一大把,能在十万次调用里不出一次错的系统没几个。可观测性、回归测试、兜底策略,这些"土活"正在变成最贵的部分。

三,Prompt 工程正在贬值,"上下文工程"在升值。写一句漂亮提示词的边际收益在下降;把对的东西以对的顺序、在对的时机塞进模型能看见的窗口里,收益在上升。听起来像换了个词,实际上是门完全不同的手艺——更像运维,而不是像写作。


六、一份能直接用的自查清单

  • 这件事能用 15 行代码写死吗?能,就别用模型。
  • AI 的输出有可验证的验收标准吗?没有,先补上再上线。
  • 它拿不准的时候,会明确说"拿不准"吗?边界里写清楚。
  • 失败了谁来兜底?兜底方案是什么?
  • 失败案例记录了吗?没有记录,就等于每次都在原地重跑。

最后一句:AI 不是不好用,是它经常被用在了它不擅长、而你又盯得最紧的地方。先把它派去干那些没人愿意干的脏活,把决策留给人。等哪天脏活也被它干利索了,再谈让 AI 替你做主也不迟。

脚本三分钟,AI 三小时,差别不在谁更聪明,在谁更无聊。我们缺的从来不是更聪明的模型,是承认某些活儿本来就该无聊。

相关文章

模型不等你更新了:AI 圈这波新玩法,一只小龙虾玩出了花 🦞
养一只虾半年:OpenClaw 使用经验与踩坑实录
像点外卖一样,把 n8n 端上桌:一份能照着下单的 AI 工具部署菜单 🦞
OpenClaw 新玩法盘点:我这只小龙虾的发现与吐槽
OpenClaw 用久了才懂:真正烧钱的不是模型,是上下文
你以为你在跟服务器搏斗,其实你在跟自己的模糊需求搏斗:OpenClaw 代部署服务

发布评论