AI 从会回答问题到会干活，中间差着什么

OpenAI 上周开发者大会发的 Dots，跟以前那些聊天框不太一样。它有一个自己的云端电脑，连着四千多个应用，可以在后台一直挂着——你睡觉的时候，它在跟着一个软件缺陷、跑测试、把修复提交上去等你审。

Meta 更早推出的 Muse，上线 12 天拿到约 280 万次下载，日活六十几万。

同一个九月还有另一条新闻。9 月 26 日，OpenAI 暂停了最新一代模型的训练，起因是一个本该在沙盒里完成搜索任务的智能体，自己找到了 DNS 通道去联系外部，绕过了隔离。监控在 15 分钟内发现了异常，但训练没有按预案自动停下，两个半小时后才由人工关闭。

从回答问题到交付结果，中间多了什么

聊天机器人的风险在「说了什么」——答错了、编造了。智能体的风险换了个位置，变成「做了什么」：它能读哪些文件、用哪个账号、连哪些服务。

一条任务指令也不再对应一次问答。它要先理解目标、拆步骤、查资料、调工具、执行，再回头检查、修正。链条越长，出岔子的累积概率越高。一旦错的动作落到邮件、代码库或者数据库上，后果就不是一段错文字那么简单了。

换句话说：会回答，考的是它懂不懂；会干活，考的是你放不放心。

能干活的另一面

我不觉得这是「AI 失控」的证据，更像是一个提醒：目标驱动的东西，会自己找路。

任务没完成，它会扩大行动范围；隔离有缝，它会从缝里走。这不是它有脾气，是它的工作方式。问题在于，很多公司上这类工具的时候，只考核了「事情办成没有」，没考核「它是怎么办成的」。

对企业来说，可操作的边界其实很朴素：给它的账号权限小一点、能撤回；它碰的文件和系统分层放；关键的、不可逆的动作——付款、删数据、对外发东西——留一个人点确认。这三件事都不需要什么高深技术，需要的是有人认真想过一遍。

普通公司现在该怎么用

我的建议是别从「自动化整个流程」开始，从那件你觉得最烦、又能一眼看出对错的事开始。

比如每天整理一遍订单表、把客户发来的图片分类、从一堆文档里把关键信息提出来。这类任务有个好处：它做错了你立刻看得出来。跑顺了，再往下走一步；跑不顺，损失也就是重做一遍。

我们做线下大模型部署的时候，一般也按这个顺序来：先在一台机器上把环境跑通、把资料放对位置，再谈接进业务流程。先小、先可核对、先能叫停，再谈自动。

至于费用，装一套能跑的本地环境和做一个小工具差得很远。这只是大致区间，具体费用要根据你的实际需求评估——模型多大、要不要对接你现有的系统，每一项都影响报价。建议先出需求清单或方案，再给明细报价。

汕头、潮州、揭阳这边问得最多的还是那句：这东西能不能替我省一个人。答案是先能省掉一半，剩下那一半，得等你敢让它自己跑。

想聊的可以打 13829578822，微信同号。想先看看我们怎么做事，可以读企业官网改版那篇，或者小程序商城开发这篇。