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。
。。。。。。