每个AI项目开局都一样：这东西到底该干什么？答案通常落入两个阵营，而搞混它们就是大多数项目的死因。
这两个阵营是自动化（Automation）和增强（Augmentation）。听起来差不多。用同样的模型、同样的API，有时甚至同样的提示词。但目标、风险和成功指标完全不同。如果你为自动化而构建，却用增强的指标衡量，钱会白花，团队会崩溃。
自动化意味着把人从流程中剔除。
自动化系统接手一项原本由人完成的工作，从头到尾不需要人参与。处理退款请求、无需转人工的客服机器人；读取PDF、提取明细、自动录入会计系统的发票工具；在任何人打开拉取请求前就修复格式问题的代码检查器。
承诺的是规模和成本削减。如果一个人一天处理50张发票，AI处理5000张，这笔账很清楚。风险在于脆弱性。当边界情况出现（它一定会出现），没有人在看。客户收到错误订单的退款。发票记错供应商。检查器删掉了包含实际逻辑的注释。
自动化在任务狭窄、输入可预测、错误成本低廉或易于撤销时表现最佳。它在任务模糊、上下文重要、或 stakes 很高时失败。
增强意味着让人留在流程中，并让他们变得更好。
增强系统不替代判断。它向干活的人更快输送信息、更好选项或更清晰模式。客服代理几秒钟内收到草稿回复和三篇相关知识库文章。财务分析师无需写公式就能看到12张表格中的异常标记。开发者收到重构建议，附带解释说明原始模式为何可能在规模上成为瓶颈。
这里的承诺是速度和质量，而非裁员。工人仍然做决定。风险不是灾难，而是噪音：太多建议、糟糕建议、或拖慢而非加速人的建议。
增强在专业知识重要、错误成本高、或任务需要存在于人脑中而非数据库中的上下文时表现最佳。
为什么团队会搞混两者。
大多数AI厂商卖的是自动化。它更容易演示，ROI故事更干净。所以公司买了自动化工具，把它们扔进需要增强的工作。聊天机器人被部署用于复杂技术支持。发票工具被连接到每周变化的供应商列表。代码助手被放任处理没人完全理解的遗留代码库。
结果每次都一样。工具在理想路径上工作，在边界情况上崩溃，团队花在清理错误上的时间比自动化简单任务省下的时间还多。
三个致命错配案例：
1. 客服机器人的错位
自动化版本：处理标准退款，无需人工。输入是订单号+退款原因，输出是确认+处理。边界情况（重复退款请求、账户异常）直接转人工。
增强版本：代理处理复杂投诉时，实时推荐回复草稿、调取历史工单、标记情绪风险。代理决定发什么、怎么发。
错配：把自动化机器人扔进需要判断的投诉场景。客户愤怒升级，机器人给出标准道歉，问题恶化。
2. 发票工具的错位
自动化版本：供应商固定、格式标准、金额阈值内自动过账。异常（新供应商、金额超限、格式混乱）冻结待审。
增强版本：会计看到AI提取的字段，但保留修改权。系统高亮置信度低的识别、标记与历史不符的税率、提示合同条款匹配。
错配：自动化连接动态供应商库。新供应商代码识别错误，付款流向错误账户，追回成本远超节省。
3. 代码助手的错位
自动化版本：CI流水线中自动修复格式、补全明显缺失的导入、拒绝明显违规。不碰业务逻辑。
增强版本：开发者写代码时，建议重构方案、解释性能隐患、生成测试用例。开发者决定采纳与否。
错配：自动化模式批量"优化"遗留代码。删除"无用"函数，实为暗藏的回调钩子。生产环境崩溃。
如何选对阵营：五个自检问题
1. 错误成本：一次错误决定值多少钱？能撤销吗？高成本+难撤销=增强。
2. 输入稳定性：数据格式、来源、结构会变化吗？频繁变化=增强。
3. 上下文位置：关键信息在数据库里，还是在人的经验里？在人脑子里=增强。
4. 任务边界：能清晰定义"完成"吗？模糊=增强。
5. 人工介入成本：让人检查比让AI重做更贵吗？是=自动化候选。
指标是最后的防线
自动化看的是处理量和错误率。增强看的是决策速度和输出质量。用处理量衡量增强工具，你会逼团队关掉建议功能"提高效率"；用错误率衡量自动化工具，你会在边界情况上无限投入，永远无法上线。
最隐蔽的陷阱是渐进漂移：一个增强工具被用得越来越好，团队说"让它自动跑吧"。没人注意到上下文已经变化，人的判断已经不可或缺。直到一次灾难性错误。
选阵营不是技术决定，是产品决定。它定义了你优化什么、容忍什么、以及当AI出错时谁负责。大多数项目不是死在模型不够强，是死在不知道自己到底在造什么。
热门跟贴