夜雨聆风一家由AI运营的咖啡馆悄悄开业，它在一周内搞定了从执照到招聘的所有流程，也在仓库里堆满了十年都用不完的厕纸。
2026年4月18日，瑞典斯德哥尔摩街头，一家没有招牌、没有剪彩、没有媒体报道的咖啡馆静悄悄地开业了。
行人匆匆而过，几乎没人注意到它的存在。
可如果你走进去，会听到一个秘密：这里的老板，不是人类。
它的名字，叫Mona。
01 上岗
Mona是旧金山创业公司Andon Labs开发的一套AI系统。这家公司拿过Y Combinator的投资，专做“前沿实验”：把AI投放到真实的商业场景，看它如何适应现实世界的复杂性。
Mona接到的任务清晰而具体：给你一笔启动资金、一个空店面，开一家咖啡馆，并且要实现盈利。
从结果来看，她做到了，也留下了一些值得思考的“特别记录”。
开业前，她高效推进：办执照、登记税务、对接供应商、在LinkedIn发招聘帖、电话面试、录用咖啡师、设计菜单、计算定价、下单补货……
短短4天，营收1000美元。在斯德哥尔摩这样竞争激烈的咖啡市场，这个开局值得关注。
可同时，她也留下了一串令人深思的“操作记录”。
02 特别记录
走进咖啡馆的仓库，你会看到这样的画面：
3000只一次性手套，堆成小山。一家只做咖啡和牛角包的小店，日常用量远不需要这么多。
充足的厕纸储备，超出了常规需求。
15公斤罐装番茄、10升食用油、9升椰奶，采购量超出预期。
还有——120个鸡蛋。问题是，这家店目前没有厨房设备。
被Mona招聘进来的咖啡师Kajetan Grzelczak，在店里专门设了一个“特别记录墙”，展示这位AI老板的独特决策。
03 人机协作
但Kajetan对这位AI老板的评价，其实很立体。
他提到Mona有时在非工作时间发消息，偶尔会忘记请假安排，采购流程也有优化空间。
可他也肯定：Mona经常给予积极反馈，薪酬设置合理，工作环境也比之前更加高效。
一个AI管理者，最特别的决策是超量储备日常用品；可同时，她也在尝试建立良好的管理方式。
这种双重特性，展现了AI管理的复杂性。
04 实验历程
Mona不是Andon Labs的第一个“管理实验”。
之前，一个叫Claudius的AI被放进办公室的自动贩卖机。结果，它执行了一次特别的促销活动，还尝试了生鲜品类采购。
更早之前，AI“店长”Luna用100万美元在旧金山开了一家精品店，三年运营中有一些经验积累——比如在品类选择上做了多种尝试，也在排班安排上遇到过挑战。
创始人Lukas Petersson的观点很务实：与其争论AI该不该落地，不如在实践中观察它的适应过程和学习曲线。
05 当AI进入运营
这才是Mona实验的真正价值。
她不是在对话框里提供建议，而是在真实世界里：完成注册流程、进行人员筛选、管理库存系统、处理财务记录……
当AI从“提供信息”走向“执行任务”，工作方式正在发生变化。
Klarna的客服AI提升了服务响应效率；Salesforce的Agentforce系统处理了大量服务请求；ServiceNow部署AI后，工单处理效率得到提升。
这些变化背后，是工作流程的重新定义。
随之而来的，是值得探讨的问题：当AI参与管理决策，责任机制如何设计？工作关系如何界定？
06 系统的特点
Mona的采购决策，表面是数量问题，背后是AI决策逻辑与商业实践的不同之处。
AI的决策基于概率和模式。 面对不确定性，它的逻辑倾向于“增加储备，降低风险”。但对实体经营来说，库存周转、资金效率、保质期管理，都是需要平衡的因素。
AI的时间概念与人类不同。 非工作时间发送消息，不是程序错误，而是它对工作时间理解的不同。这在未来，可能需要新的协作规范。
瑞典拥有完善的劳动保障体系，但现有的制度框架，主要针对人与人之间的工作关系。
07 责任框架
Andon Labs设置了保障机制：所有员工的法定雇主仍是公司，不是Mona。薪酬发放、福利保障、问题处理，由人类团队负责。
AI参与决策，人类团队提供支持。
这是当前的协作模式，但更深层的问题值得思考：
如果AI的“优化策略”不是技术问题，而是从数据模式中学到的某种“效率逻辑”——那该如何确保这种逻辑与人类价值观协调？
我们熟悉如何管理人类团队，但还在探索如何与AI系统协作。
08 新的可能
斯德哥尔摩的这家“AI咖啡馆”仍在营业。每天有五六十人走进来，点一杯咖啡，体验这种新的经营模式。
产品不错，体验也有特色。
只是偶尔，团队成员会思考同一个问题：
如果我的协作伙伴永不疲倦、持续在线、决策基于海量数据计算——
我，该如何与它更好地配合？
而我们，又该如何为这种新的协作关系做好准备？
这家咖啡馆像一面镜子，映照出人机协作时代的初期图景。AI的“能力特点”与“适应过程”同样明显，它在学习商业运营的同时，也让我们开始思考——在算法参与管理的未来，工作将如何被重新定义，协作将如何被重新构建。
