跳至正文
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
人工智能博客文章

当AI Agent开始交付结果,谁来决定什么是“好结果”?

作者 Laoer
2026年8月14日 10 分钟阅读
0

这几年做AI开发,我越来越明显地感觉到一个变化:AI真正带来的效率提升,已经不只是帮我们写一段代码、生成一张图片或者整理一份资料,而是开始接管一整段工作流程。以前我们使用AI,更像是在使用一个Copilot,每一步都需要人告诉它下一步做什么;现在越来越多的Agent产品,则希望用户只提出最终目标,剩下的事情由AI自己完成。

这种变化在软件开发中尤其明显。很多开发任务,现在已经可以只告诉AI需要实现什么功能,它自己分析代码、修改文件、运行测试、发现问题再继续修改,最后交付一个可以运行的结果。只要任务定义得足够清楚,中间大量过去需要程序员亲自完成的工作,确实可以自动化。

但当我把这种工作方式放到其他领域时,却发现事情并没有这么简单。

比如写一篇Blog文章,资料搜索、事实整理、数据核实、语言润色、SEO,甚至最后发布到不同平台,这些事情理论上都可以逐渐交给Agent。但真正决定这篇文章是不是我的文章的部分——为什么要写这个话题、一个新闻意味着什么、哪些观点我认同、哪些地方我觉得说得太满——最后还是需要自己判断。

问题也就出在这里:AI Agent可以越来越完整地交付结果,但并不是所有工作,都存在一个可以被机器清楚定义的“好结果”。

一、Agent最容易自动化的,不是简单工作,而是可以验证的工作

很多人讨论AI自动化时,习惯按照工作难度划分:简单重复的工作容易被AI替代,复杂创造性的工作比较安全。但从Agent的发展来看,这个划分可能并不准确。

软件开发显然不是简单工作,却恰恰成为目前Agent发展最快的领域之一。原因并不只是大模型见过大量代码,更重要的是软件开发存在完整的反馈机制:代码能不能编译、测试能不能通过、接口返回是不是正确、程序有没有成功部署,这些结果都可以被机器验证。

Anthropic在总结Agent实践时,也把Coding列为特别适合Agent的领域,原因之一就是代码可以通过自动测试验证,Agent可以根据测试结果继续迭代,输出质量相对容易衡量。

这让我觉得,判断一项工作是否容易被Agent自动化,一个比“复杂不复杂”更重要的指标,是结果是否可以验证。

退款有没有完成,可以查订单;机票有没有订到,可以查预订记录;数据有没有导入,可以检查数据库;Bug有没有修复,可以运行测试。

这些事情即使很复杂,只要目标能够明确描述,执行过程存在反馈,最后结果又可以验证,Agent就能够形成闭环。

但广告创意、产品设计、文章、电影这些工作的问题在于:作品做出来以后,机器究竟靠什么知道自己做得好不好?

二、当生成越来越便宜,真正昂贵的开始变成选择

过去做创意,最昂贵的是生产。

拍一支广告需要导演、摄影、灯光、剪辑;做一套视觉设计需要设计师投入大量时间;写一篇文章,从查资料到完成也需要几个小时甚至几天。很多时候,我们会把创造能力和生产能力混在一起。

生成式AI正在迅速把这两件事情分开。

现在AI完全可以一次生成几十张图片、几十个标题、几十版广告文案,视频Agent也正在向Storyboard、生成素材、剪辑乃至完整成片推进。Adobe现在已经可以让Creative Agent生成品牌素材、产品视频和初剪版本,大量过去依靠人力完成的制作工作正在被自动化。

当生产成本下降以后,一个以前不那么明显的问题开始浮出来:

假如AI一个晚上给你生成100个创意方案,第二天早上真正的问题是什么?

不是有没有方案,而是到底选哪一个。

对于一名优秀的创意总监来说,他真正的价值很多时候也并不是自己能够比所有人想出更多创意,而是面对几个看起来都不错的方案,能够判断哪个更适合品牌,哪个更可能被客户接受,哪个理论上很漂亮,但拿进会议室里一定会被否掉。

这种判断里面当然有审美,但又远远不只是审美。它还包括对品牌历史的理解、对消费者的判断、对商业目标的理解,以及长期与这个客户打交道以后形成的经验。

一个客户嘴上说希望大胆创新,实际上能够接受到什么程度;某个方案消费者可能喜欢,但客户内部无法通过;另一个方案客户很容易批准,却可能平庸得没有传播价值。这些东西很难变成一个固定的Prompt,因为判断标准本身就存在于具体的人、组织和情境之中。

所以创意工作的困难并不是AI生成不了。

恰恰相反,未来我们最不缺的可能就是生成。

真正稀缺的是:100个都能做出来以后,谁知道应该留下哪一个。

三、但如果广告只看转化率,AI完全可能比人判断得更好

这里也需要面对一个明显的反例。

如果一支广告唯一的目标就是点击率或者销售转化,那么“创意好不好”其实是可以量化的。AI完全可以同时生成大量广告素材,让真实用户通过点击、转化和购买告诉系统哪个更有效,然后继续生成类似版本。

这种情况下,根本没有必要让创意总监从100个方案里凭感觉选择。从纯商业效率来看,AI甚至可能比人的品味更加有效。

但现实里的品牌很少只有一个目标。

一个广告今天的CTR很高,不代表长期有利于品牌;一个标题能够获得大量点击,不代表一家媒体愿意每天这样写;一条短视频能够迅速获得流量,也不意味着这个品牌希望自己变成这样的品牌。

很多重要的目标——品牌调性、长期认知、文化价值、社会影响,以及一个公司究竟希望成为什么样的公司——都很难被压缩成一个实时变化的数字。

更有意思的是,优秀创意总监做的也不只是预测“客户喜欢什么”。

有时候他知道客户现在不会喜欢这个方案,却仍然认为应该努力说服客户接受,因为这个方案可能把品牌往前推一步。

如果只是根据历史数据判断“过去这个客户喜欢什么”,AI未来完全可能做得非常好;但理解过去的偏好,与判断什么时候应该突破过去的偏好,并不是一回事。

这也是我认为AI自动化真正困难的地方。

四、AI接管“怎么做”以后,人越来越负责“做什么”和“什么算好”

Adobe今年有一篇文章的标题很有意思,叫“The age of creative agents — and the rise of the creative director”。

作为最积极推动创作工具AI化的公司之一,Adobe当然希望Agent完成越来越多工作。但它对未来创作流程的想象,并不是把人从中删除,而是让Agent负责调用Photoshop、Premiere、Illustrator等工具,完成大量耗时的制作和修改工作,创作者则继续掌握方向和最终判断。

这和现在的软件开发很像。

Anthropic今年分析了大约40万次Claude Code真实会话,结果显示,在典型会话中,人完成了大约70%的规划决策,而Claude承担了大约80%的执行决策。换句话说,目前最成熟的Agent工作模式之一,已经越来越接近:

人决定做什么,AI决定怎么做。

而且Anthropic还发现,用户对具体领域越熟悉,往往越敢把更多工作交给Claude;遇到问题时,领域经验丰富的人也更容易把Agent重新拉回正确方向。

这和我自己的开发体验很接近。

当AI越来越会写代码以后,一个人的价值并没有简单减少。如果你知道系统应该怎么设计、产品真正需要解决什么问题、哪些地方不能妥协,你反而可以把更多执行工作交给AI。

创意行业很可能也是一样。

以后一个创意总监可能不再需要一个很大的团队去改尺寸、剪不同平台版本、替换背景和制作几十套备选素材,但他仍然要决定:这个品牌究竟应该说什么,以及AI生成的几百个方案里,哪些值得真正送到消费者面前。

人的位置可能不是消失,而是从生产流程中间越来越往两端移动:

前面负责定义目标,后面负责判断结果。

五、AI也许可以学习我们的品味,但这并没有解决所有问题

当然,我并不认为“审美是AI永远无法拥有的”。

如果把一个人过去十年的作品、选择、修改记录,甚至每一次对AI结果的评价都交给Agent,它当然会越来越了解这个人喜欢什么。未来一个Agent可能比刚入职的设计师更了解某个品牌,也可能非常准确地预测某位客户最后会选择哪个方案。

但我觉得真正值得讨论的问题,也恰恰从这里开始。

如果AI学习的是过去的选择,那么它最擅长的是预测“过去的我会怎么选”。可是人的思想、审美和判断并不是静止的。我们会因为新的经历改变观点,会突然觉得以前喜欢的东西很俗,也会在新的环境里重新考虑某件事情应该怎么做。

写文章也是如此。

如果只是按照我过去的文章训练一个Agent,它也许可以越来越像我,甚至比我更稳定地写出一篇“像我的文章”。但当一个以前从来没有发生过的问题出现时,我真正需要回答的不是“过去的我会怎么写”,而是:

今天的我怎么看这件事情?

这可能才是AI时代真正稀缺的能力。

AI会越来越擅长把事情做完,很多今天仍然需要人工完成的搜索、制作、修改、测试和发布,未来都会逐渐进入Agent的工作范围。

但也正因为执行越来越便宜,人的价值可能越来越集中到另一个地方:决定什么值得做,定义什么才算好,在很多看起来都不错的结果里作出选择,并且最终愿意为这个选择负责。

所以我现在越来越不觉得,AI Agent真正的边界在于它“会不会创造”。

它真正面对的难题,是谁来定义成功。

当这个答案可以写成测试、指标或者明确规则时,Agent会非常强大;而当这个答案依赖审美、经验、文化、商业判断和具体情境时,人依然很难从整个流程里消失。

某种程度上,这甚至可能是AI带来的一个反直觉结果:过去生产能力稀缺,我们重视的是谁能把东西做出来;以后任何人都可以让AI生成一百个结果,我们真正需要重新学习的,反而是如何判断其中哪一个值得留下。

当生成越来越便宜,选择会变得越来越贵。

标签:

AIAI Agent
作者

Laoer

1999年开始做互联网,做过开发、技术管理,也创过几次业。 现在依然在一线做产品、写代码、折腾AI。 关注AI如何重新改变软件、公司和人的工作方式。 公众号:Laoer杂谈。

关注我
其他文章
DeepSeek V4 Pro正式版来了,旗舰AI模型为什么还敢卖50美元?
上一个

DeepSeek V4 Pro正式版来了,旗舰AI模型为什么还敢卖50美元?

DeepSeek Harness来了,国产AI Coding终于开始补最短的那块板
下一个

DeepSeek Harness来了,国产AI Coding终于开始补最短的那块板

暂无评论!成为第一个。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

微信订阅

欢迎订阅微信公众号--“Laoer杂谈”,搜索微信号:laoertalk,“Laoer杂谈”是关于技术、创业、生活的杂谈与随笔,希望与大家多多交流。

用药有数·DoseLoop

用药有数·DoseLoop 一款不会响完就消失的用药提醒。每次计划用药持续追踪,直到有明确结果。支持慢病、老人、ADHD 等各种用药场景。

标签

AI AI Agent AI Coding Anthropic ChatGPT Claude Claude Code Codex DeepMind DeepSeek DeepSeek Harness Gemini Google GPT iOS iPhone Java JavaScript jQuery Kimi Kohana Linux LLM Mac Meta Mysql Nginx OpenAI Oracle PHP RSA Sam Altman SNS Struts Tomcat Web2.0 互联网 人工智能 创业 大模型 字节跳动 工作 旅游 生活 管理

日历

2026 年 11 月
日 一 二 三 四 五 六
1234567
891011121314
15161718192021
22232425262728
2930  
« 10 月    

近期评论

  • 黄仁勋卸任:1158亿财报后,英伟达由盛转衰? - i@laoer.com 发表在《当OpenAI们开始自己造芯片,英伟达为什么要花140亿美元买Hugging Face?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《跑分破纪录、内部重写百万行代码,为什么程序员实测 Gemini 4 还是觉得不如 Claude?》
  • AI Coding 已经不稀奇了:从1个插件看软件开发成本的变化 - 技术、生活、感悟 - Laoer的博客 发表在《从瀑布到敏捷,再到AI原生:软件工程正在进入第三个时代》
  • AI Agent跨App困局:20年平台围墙与Palantir解法 - i@laoer.com 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾28周年讲话与过去的成功 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾的AI焦虑与过去的成功 发表在《红果短剧月活4.1亿,为什么AI更容易做成流量生意?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《Gemini 4 Argon已经开始赢跑分了,但真正的考试还没开始》
  • AI Coding 文档管理:写代码越来越快,文档却更重要了 发表在《AI写代码已经不稀奇了,真正的变化是很多东西突然值得做了》
  • 大模型商业化:中国AI模型越来越强,为什么反而更难赚钱? 发表在《DeepSeek V4涨价后,真正的问题不是谁在用,而是谁在赚钱》
  • Laoer 发表在《AI 有没有意识还没定论,Anthropic 为什么先限制虐待它?》

分类

  • iOS
  • Java
  • JavaScript
  • Linux
  • Mac
  • PHP
  • Web2.0
  • 互联网
  • 人工智能
  • 创业
  • 博客文章
  • 商业观察
  • 工作
  • 数据库
  • 构架设计
  • 生活

归档

  • 2026 年 11 月
  • 2026 年 10 月
  • 2026 年 9 月
  • 2026 年 8 月
  • 2026 年 7 月
  • 2026 年 6 月
  • 2026 年 1 月
  • 2024 年 12 月
  • 2024 年 10 月
  • 2024 年 8 月
  • 2024 年 7 月
  • 2023 年 12 月
  • 2023 年 1 月
  • 2022 年 8 月
  • 2021 年 12 月
  • 2021 年 10 月
  • 2020 年 12 月
  • 2020 年 1 月
  • 2018 年 12 月
  • 2018 年 8 月
  • 2018 年 4 月
  • 2017 年 12 月
  • 2016 年 12 月
  • 2016 年 8 月
  • 2016 年 2 月
  • 2015 年 12 月
  • 2015 年 1 月
  • 2013 年 6 月
  • 2013 年 5 月
  • 2012 年 11 月
  • 2012 年 7 月
  • 2012 年 6 月
  • 2012 年 5 月
  • 2012 年 3 月
  • 2012 年 1 月
  • 2011 年 12 月
  • 2011 年 11 月
  • 2011 年 10 月
  • 2011 年 9 月
  • 2011 年 8 月
  • 2010 年 11 月
  • 2010 年 2 月
  • 2010 年 1 月
  • 2009 年 12 月
  • 2009 年 11 月
  • 2009 年 9 月
  • 2009 年 7 月
  • 2009 年 6 月
  • 2009 年 5 月
  • 2009 年 4 月
  • 2009 年 3 月
  • 2009 年 2 月

其他操作

  • 登录
  • 条目 feed
  • 评论 feed
  • WordPress.org
Copyright 2026 — i@laoer.com. All rights reserved. Blogsy WordPress Theme