一家企业上线客服Agent处置惩罚退款。。。。。系统先识别意图，，，，，，，再调订单系统，，，，，，，查售后规则，，，，，，，天生诠释话术，，，，，，，最后挪用工单工具。。。。。六步推理，，，，，，，三个工具，，，，，，，约2000个Token跑完，，，，，，，用户获得的效果和人工客服的标准回复差未几。。。。。 按果真API价钱粗算，，，，，，，用低价模子处置惩罚这一次，，，，，，，本钱可能只是几分钱人民币。。。。。它看起来比人工客服处置惩罚三分钟自制许多。。。。。接下来用户又追问了两轮，，，，，，，系统继续诠释、检索、天生，，，，，，，Token消耗涨到8000到10000，，，，，，，最后照旧转人工。。。。。 许多AI项目的误判从这里最先。。。。。系统确实更忙了，，，，，，，挪用量、会话数、平均响应时间、自动化率都能写进周报。。。。？？？
？？赏骋皇姑闹厥源问妥斯ぢ室苍谏仙，，，，，，，“使用增添”里就混进了用户被迫多问。。。。。 用户继续问一句，，，，，，，后台多一次挪用，，，，，，，模子多消耗一段Token，，，，，，，产品数据也多一条互动纪录。。。。。外貌看，，，，，，，AI还在效劳用户；；；
；；；换到使命效果里，，，，，，，可能只是上一轮没有解决。。。。。 已往一年，，，，，，，许多团队习习用挪用次数、使用量、Agent执行步数证实AI进了事情流。。。。。一个Agent能妄想、检索、挪用工具、天生报告、提倡工单，，，，，，，演示起来确实比通俗谈天机械人更像一个醒目活的系统。。。。。 英伟达把Token本钱推到了基础设施层面。。。。。DSX平台把新一代AI基础设施称为AI factories，，，，，，，官方表述里泛起了lowest token cost、token performance per megawatt这些指标。。。。。它谈的是芯片、系统、软件、设施和相助同伴手艺，，，，，，，落到企业采购侧，，，，，，，就是更低Token本钱、更快投产、更高单位能源产出。。。。。 古板工厂里，，，，，，，一个零件缺乏格，，，，，，，一颗芯片坏了，，，，，，，一辆车检测不过，，，，，，，消耗会被标出来。。。。。AI系统没这么清晰。。。。。一段回覆很长，，，，，，，可能是充分诠释，，，，，，，也可能是啰嗦；；；
；；；一次多工具挪用可能是在校验危害，，，，，，，也可能是在绕路；；；
；；；用户继续追问，，，，，，，可能是深入协作，，，，，，，也可能是前面没有解决。。。。。 Token良率若是要成为一个有用指标，，，，，，，就不可按天生量算，，，，，，，也不可按挪用量算。。。。。它要从使命效果往回看：用户有没有阻止追问，，，，，，，工单有没有关闭，，，，，，，代码有没有通过测试，，，，，，，内容有没有被直接接纳，，，，，，，客服有没有镌汰二次投诉。。。。。 一个文档摘要不长，，，，，，，用户拿去就能开会，，，，，，，比一篇漂亮但不可用的长文更有用。。。。。一个代码助手输出未几，，，，，，，但一次通过测试，，，，，，，比重复诠释设计思绪更有用。。。。。一个客服Agent回覆三轮，，，，，，，用户照旧转人工，，，，，，，那些看起来自制的Token就没有那么自制。。。。。 追问自己还要再拆一层。。。。。用户增补条件，，，，，，，要求AI继续加工，，，，，，，拿上一轮效果往下走，，，，，，，这类追问说明AI已经进入协作。。。。。好比让代码助手继续处置惩罚一个界线条件，，，，，，，让文档助手把摘要压成聚会纪要，，，，，，，让投研Agent再补一个竞品口径。。。。。 另一类追问更像返工。。。。。用户重复诠释统一个诉求，，，，，，，要求“重新说一遍”“你没明确我的意思”，，，，，，，最后点了转人工。。。。。它在后台也是互动，，，，，，，在用户那里是耐心继续被消耗。。。。。 许多AI产品不会认真区分这两件事。。。。。它们都能被记成会话延伸、挪用增添、用户更活跃。。。。。对外汇报时，，，，，，，增添曲线不错；；；
；；；对用户来说，，，，，，，他只是多花了一轮耐心。。。。。 通俗谈天机械人答不出来，，，，，，，用户很快知道它不可。。。。。Agent会拆使命、读文件、查数据库、挪用工具、写报告、提倡工单。。。。。它做了许多行动，，，，，，，失败也被拆得更细。。。。。一个没有完成的使命，，，，，，，会被剖析成许多看起来专业的历程。。。。。 执法检索、代码迁徙、财务审计、跨系统采购这类使命，，，，，，，许多时间就是要多走几步。。。。。少一步，，，，，，，可能漏证据；；；
；；；少一步，，，，，，，可能漏依赖；；；
；；；少一步，，，，，，，可能把危害留给人。。。。。执法和代码里的重大，，，，，，，许多时间是在买确定性。。。。。 另一种重大更像包装。。。。。链路很长，，，，，，，工具许多，，，，，，，界面很悦目，，，，，，，最后用户还要人工收尾。。。。。它没有让使命完成得更好，，，，，，，只让失败历程显得更像产品能力。。。。。 2026年4月，，，，，，，Longju Bai、Zhemin Huang、Xingyao Wang、Jiao Sun、Rada Mihalcea、Erik Brynjolfsson、Alex Pentland、Jiaxin Pei等人在论文《How Do AI Agents Spend Your Money?》里剖析了SWE-bench Verified上的agentic coding使命。。。。。论文里几个数字很耀眼：agentic tasks消耗的Token可比code reasoning和code chat高1000倍；；；
；；；统一使命差别运行的Token使用最多相差30倍；；；
；；；更高Token使用不会自然带来更高准确率，，，，，，，准确率经常在中等本钱区间抵达峰值后趋于饱和。。。。。 这项研究只看了代码使命，，，，，，，不可外推到所有Agent场景。。。。？？？
？？头、法务、销售、投研、财务、采购，，，，，，，每个场景的使命结构都差别。。。。。不过代码使命自己界线清晰，，，，，，，效果也相对容易验证：有没有通过测试，，，，，，，有没有修睦问题，，，，，，，有没有完成指定使命，，，，，，，都比客服、销售、创意天生这类场景更容易判断。。。。。 若是在这种更容易验收的使命里，，，，，，，Token消耗和准确率都没有稳固线性关系，，，，，，，放到界线更模糊的场景里，，，，，，，问题只会更难被望见。。。。。许多Agent产品卖的正是“更长的链路”，，，，，，，这也是这组数据值得小心的地方。。。。。 它能查资料、分办法、调工具、写结论，，，，，，，还能自我检查。。。。。用户望见的是一个系统在事情，，，，，，，团队望见的是功效更完整，，，，，，，投资人望见的是更像事情流的产品形态。。。。？？？
？？赏瓿陕拭挥刑岣呤，，，，，，，重漂后不会替公司创立利润。。。。。它会稳固地爆发Token，，，，，，，稳固制造重试，，，，，，，稳固把一部分问题送回人工。。。。。 一家电商公司把这类Agent接进退款流程以后，，，，，，，天天都有相似请求进来。。。。。天天都有几轮诠释，，，，，，，天天都有工具挪用，，，，，，，天天都有一部分用户转人工。。。。。单次本钱看着不大，，，，，，，乘上日请求量、重试率和人工兜底，，，，，，，原本看起来轻的自动化，，，，，，，逐步会酿成牢靠运营本钱。。。。。 低完成率Agent被嵌进一样平常流程后，，，，，，，本钱就有了稳固入口。。。。。挪用量越高，，，，，，，重试越多，，，，，，，转人工越多，，，，，，，自动化率越容易给人一种项目正在推进的错觉。。。。。 移动互联网时代，，，，，，，DAU一经很容易讲故事。。。。。用户来了，，，，，，，翻开了，，，，，，，用了，，，，，，，增添曲线就能画出来。。。。。厥后各人照旧要回到LTV、CAC、留存和毛利。。。。。DAU是真实使用信号，，，，，，，但它历来不是商业质量的终点。。。。。 Token挪用量也有类似危害。。。。。它证实有人在用，，，，，，，证实系统在跑，，，，，，，证实账单在增添。。。。。它不可证实使命被解决。。。。。挪用量涨了，，，，，，，使命完成率也涨，，，，，，，这是增添。。。。。挪用量涨了，，，，，，，重试率、转人工率、二次提问率也涨，，，，，，，说明用户可能只是被迫多问。。。。。 一个使命平均消耗几多Token，，，，，，，统一使命平均重试一再，，，，，，，最后有没有转人工，，，，，，，AI天生的效果有没有被人重写，，，，，，，代码有没有通过测试，，，，，，，这些数字会比“我们效劳了几多次请求”更靠近公司质量。。。。。 Google有搜索、邮箱、文档、浏览器、移动系统这些高频场景，，，，，，，也有大规模Token处置惩罚能力。。。。。若是它能把使命反响接回模子和产品，，，，，，，优化的就不但是模子价钱，，，，，，，尚有哪些Token在真实场景里更有用。。。。。 纯API模子公司能看到挪用量、上下文长度和用度账单，，，，，，，却未必知道用户使命最终有没有完成。。。。？？？
？？突О袮PI接进客服、财务、研发、销售系统，，，，，，，模子公司看到的是消耗，，，，，，，客户看到的是效果。。。。。两个视角里的“使用增添”，，，，，，，纷歧定指向统一件事。。。。。 AI复盘会最先拿出来的，，，，，，，通常是使用人数、会话量、平均响应时间、节约工时、自动化率。。。。。这些数字有用，，，，，，，但还不敷。。。。？？？
？？头诠释有没有镌汰二次投诉，，，，，，，AI天生的内容有没有被重写，，，，，，，代码有没有通过测试，，，，，，，用户那句“你没明确我的意思”泛起了几多次，，，，，，，这些数字更靠近AI有没有创立价值。。。。。 代码能不可通过测试，，，，，，，客服有没有少一次转人工，，，，，，，文档能不可直接拿去开会，，，，，，，这些效果还算容易验收。。。。。难的是另一类产品：用户和AI聊了二十分钟，，，，，，，最后发一句“算了，，，，，，，我自己来”，，，，，，，后台纪录的是一次深度会话，，，，，，，营业上却很难说它完成了什么。。。。。 一家企业上线Agent后，，，，，，，后台很快会多出挪用量、会话数、Token消耗和自动化率。。。。。更该盯的是，，，，，，，用户有没有重复诠释统一个问题，，，，，，，最后有没有回到人工。。。。。