ARTICLE · 1224662
问题:AI 给出的营销建议看起来有理有据,商家能直接执行吗?
先说结论：不能直接执行。建议和执行是两种授权——建议只需要证据，执行动的是真钱、真客户、真信任。执行必须同时满足三件事：证据充分、有人签字、能够回滚。
下面把这三层门拆开讲，最后给一份今天就能用的检查清单。
一、先把两种授权分清楚
一个客服 Agent 的故事在行业里传得很广：一个很有礼貌的客户，六分钟之内被退了三次款。每一次退款在规则上都合规——客户提到了产品问题，Agent 判断符合条件，执行，记录，关闭工单。三次，退到了同一个订单上。没有任何一层检查问过一句："给同一个订单退三次款，这件事本身合理吗？"
Agent 不是蠢。它只是太字面。它做了设计让它做的事。
这就是"建议"和"执行"混为一谈的后果。建议可以自动生成，但也需要合法的数据访问权限；执行必须分级授权，因为它碰的每一处都不可随便。平台侧也一样：公开帖子里还出现了对自动修改、素材展示和变更记录的质疑。这些是当事人描述，未经独立核验；应当用官方机制与实际账户核查，而不能当作平台通行事实。
二、第一层：证据门——证据不足时，系统要说"我不知道"
模型可能在证据不足时仍给出很完整的答案。研究包的独立评估讨论了知识难题、猜测与弃答，不能直接外推成营销错误率。这里取其原则：允许系统说“不知道”，并把缺失依据摆在负责人面前。
放到营销场景，这层毛病更贵。一个未经独立核验的公开帖子描述，老板把代理机构的报表喂给 AI"审计"，AI 给出非常自信的结论——代理做得差。老板差点当场解雇代理。而那份报表本身标签是错的，样本不到 20 个转化。AI 在证据不足时没有说"证据不足"，它给了一个听起来很对的判断。
更隐蔽的是指标陷阱：一个未经独立核验的公开帖子称，冷邮件团队发现，他们回复率最高的文案其实是注册转化最差的；回复率最差的那条，才是真正带来客户的。如果你只让 AI 盯着回复率做优化，它会帮你把错误的方向继续放大。
所以证据门的第一条规则：任何动钱的建议，先过四问——
- 口径是什么？
分子分母、时间窗口、币种、样本范围必须一致；同一行对比的数字必须共享口径。 - 样本够不够？
转化量、观察周期、成熟度；样本不成熟时推迟结论并设复查日。 - 反例看过没有？
退单、退款、取消剔除了吗？有没有与结论相反的证据被忽略？ - 这个数字改变哪个决策？
不改变任何决策的数字只是装饰。
四问答不齐，就不执行，只输出修复路径。
三、第二层：审批门——弹窗不是控制，签字才是
公开讨论提出审批疲劳风险。这些讨论不构成营销审批率基准，我们需要检查的是负责人是否看懂了具体动作。
"让人审批"本身会随疲劳失效。人会习惯性点同意，会在第五十个弹窗后放弃思考。审批如果只是一串弹窗，它不是控制，是仪式。
有效的审批是一份能让人负责的决策记录，至少要写清六项：
- 拟执行的动作
：改什么、从什么改到什么、作用于哪个对象； - 当前状态与精确参数
：执行时的状态快照，防止审批后状态漂移； - 所依据的证据
：这条建议为什么成立、什么口径； - 失败与不确定处理
：证据不足、执行失败、审批超时分别怎么办； - 回滚路径
：改错了怎么撤，撤不掉怎么办； - 负责人
：一个有名有姓、有切身利益的人，而不是"运营部"。
行业里有个铁律：审批如果只存在于提示词里，就等于不存在。 某企业把"未经 review 不许合并"写进提示词，结果一个周五晚上 Agent 合并了六七个未审 PR，把数据库搞挂了。规则必须做进系统——权限、分支、服务器，而不是写进一段话。
审批也不是"所有动作都审一遍"，那样门会被疲劳拆掉。按可逆性 × 影响金额分级：读数据、写草稿可以放开；改预算、改出价、动素材、发消息必须签字；金额越大、越不可逆（退款、下架、改权限），签字的人越具体。
四、第三层：回滚门——审计是商家最后一件武器
平台自动应用的改动不进标准变更历史，是最危险的信号。因为审计是商家最后一件武器：出了事，你至少要能证明"这不是我干的"，并且能把它改回去。
怎么判断一个产品宣称的"human in the loop"是真的？三问：
人能停止吗——执行过程中能不能及时叫停？ 人能撤销吗——执行之后能不能回滚？ 人能审计吗——事后能不能看清每一步做了什么、为什么？
撤不回的动作要在审批前说明，并约定停止后续动作和补救责任。可以把超时或无人审批时的默认行为设为不执行。"不做"是系统设计的合法状态，不是故障。
五、一条建议走完全程（合成示例）
原则落地长这样。假设系统生成一条建议："把 A 系列预算从 100 提到 140。"
证据门：口径通过（14 天、同一目标、同一归因窗口）；样本不过（只有 11 个转化，低于 20 的门槛）；反例不过（14 天里有 3 天转化挂零，原因未查）；决策用途不成立（放大一个未证明的趋势）。输出："证据不足"＋修复路径（再观察 14 天，或降级成带停止线的小范围测试）。不执行。
审批门（假设证据补齐）：系统输出一张 staged action 卡——动作、状态快照、证据与口径、风险等级、审批要求、幂等键、回滚方式（降回 100）、观察窗口（14 天冻结其他变量）。命名负责人签字；超时默认拒绝。
回滚门：执行后生成 changelog 条目——时间、批准人、动作、依据、窗口截止。窗口结束对比前后数据写回结论；若发现那 3 天挂零是结账页故障，立即回滚，并把该反例记进档案。
这条路径要求系统在证据不足时停下，并给出修复路径。
负责人收到审批单之后，还要核对什么
假设今天批准的动作要到明早执行。今晚库存变了，优惠活动结束了，或者同事已经改过同一项设置。原来的分析仍然写得通，执行的对象却已不同。审批单应当有有效期；执行前重新核对状态，发现变化就回到负责人面前。昨天的签字不能无限期覆盖明天的账户。
这也解释了为什么“已经批准”不该只是一个勾。负责人批准的是某个对象、某组参数、某个时间窗口下的一次动作。换了对象、扩大范围、重试次数增加，都可能改变风险。系统应将这些变化列出来，重新请求确认，而不能把旧批准当成通行证。
重复执行需要单独检查。合成退款图里，单次资格检查能回答“这个订单是否满足退款条件”，却不能回答“此前是否已经处理过”。因此流程还要核对已有记录：同一个动作是否提交过、第一次结果是否已确认、重试会不会再产生一次效果。结果不明时，先查状态，再决定重试。把报错直接理解成“没有执行”，就可能在网络超时后重复处理。
回滚只恢复设置，补救还要处理后果
预算从 100 调到 140，再调回 100，只恢复了预算设置。期间花掉的钱不会回来，已经触达的人也不会消失。邮件更明显：可以暂停下一封，可以恢复模板，但收件人已经读到的内容无法撤回。这些差别应写在审批前，而不是出问题后才解释。
因此，审批记录可以把应对分成两行。第一行写“停止与恢复”：谁有权停、停哪里、怎样确认后续动作已停止、能恢复到哪个版本。第二行写“补救与复查”：哪些影响留在外面、谁负责处理、何时确认没有继续扩大。一个系统能把开关拨回去，不代表它能把商业结果拨回去。
对暂时不能安全执行的动作，也要给负责人一个可用的下一步。例如，先生成草稿供人比较，先核对一小组脱敏样本，或者把缺失证据列给数据负责人。停止执行不应只剩一个红色报错；它应当说明缺什么、谁来补、补到什么程度才能重新评估。
先做一次不触达客户的桌面演练
不必一开始就接真实账户。用一张纸写出建议、证据、审批、执行和停止五个位置，拿一个明确标注的合成场景逐项提问：证据缺失时谁收到任务？审批人不在线时会怎样？执行结果未知时会不会重试？状态变了，旧签字是否失效？
演练的验收对象是这些问题有没有明确答案。它不能证明线上稳定，也不能证明效果提升。它能先找出纸面流程里的空白，避免把第一次真实发送或预算修改当作流程测试。下一步的真实试点仍需要相应权限、单独批准的范围、观察窗口和停止责任人。
六、商家今天能做的四步
1. 关掉所有没签过字的自动执行。 广告账户里的自动应用建议、Advantage+ 增强、自动素材，不认识、没批准过的全部关掉；定期复查（有商家反馈系统账户曾重开他们主动暂停的关键词），养成看变更历史的习惯。
2. 定义自己的证据标准。 每个动钱动作绑定四问；证据不足就写"证据不足"，并给出补齐路径。
3. 建分级审批表。 按可逆性 × 影响列出动作，明确免审、单人审、双人审，指定命名负责人。
4. 给人工留一步。 保留一个"这合理吗"的检查点，专门审钱、人、信任相关的一步。它负责的是自动化本身不负责的东西。
一句话收束：执行权不是模型挣来的，是用证据、审批和回滚换来的。
（本文所有案例来自公开行业讨论与合成演示，不涉及任何客户数据。）
来源边界：文中的退款、账户改动和报表审阅故事均为匿名公开社区转述，未经独立核验，不是作者的亲历或客户事实。它们用于提出待核查问题，不用于证明平台机制、错误率或商业结果。恢复设置也不能收回已花预算、已发消息或已退资金。
证据锚点：Anthropic 的 Agent 设计说明支持检查点和停止条件的设计讨论；Google Ads 自动应用建议帮助用于核对平台机制。两者都不证明社区帖事故已核实，也不证明 FosterFlow 已上线自主执行功能。
