夜雨聆风2024 年 2 月，Klarna 把客服助手的成绩单放到台前：OpenAI 驱动的系统上线首月处理 230 万次对话，工作量相当于 700 名全职客服；平均解决时长从人工的 11 分钟压到 2 分钟，重复咨询下降 25%，公司预计利润改善 4000 万美元。那段时间，这组数字几乎成了“AI 可以替代大量岗位”的标准例证。
15 个月后，画面变了。2025 年 5 月，CEO Sebastian Siemiatkowski 公开承认，他们过度看重效率和成本，服务质量下降，这条路不可持续。Klarna 开始重新招聘人工客服。
这不是一个“AI 翻车以后回到人工”的故事。更准确地说，它是一次边界补课：简单、大批量的问题继续交给机器，复杂、高价值、需要判断的对话重新回到人手里。一家资源充足、数据干净、动作很快的公司，也用了 15 个月才把这条线摸清楚。
案例真正提醒创始人的，是边界要被设计出来。
所以，当创始人问“公司想推 AI，该从哪里动手”，我更关心的不是你准备买哪套工具，而是你打算用多小的代价，找到自己公司的人机边界。
MIT 2025 年那份《The GenAI Divide》报告里有一个刺眼的数字：企业已经向生成式 AI 投入 300 到 400 亿美元，但 95% 的试点对损益表没有可测量影响。它不是说大家没有用 AI。报告同时提到，超过 80% 的组织试点过 ChatGPT 或 Copilot 这类工具，近 40% 声称已经部署。
问题就出在这里。员工确实开始写提示词、整理资料、生成文案，个人效率可能变快了；但这些动作没有进入岗位流程、没有责任人、没有验收指标，也没有沉淀成样例库。工具在个人手里转了一圈，公司的经营结果没有跟上。
McKinsey 2025 年全球调研也把这道缝隙写得很清楚：88% 的组织至少在一个职能里使用 AI，只有 39% 能把任何 EBIT 影响归因于 AI，其中大多数影响还不到 5%；真正的高绩效者大约 6%。采用率很高，利润影响很窄，说明“用上工具”和“改变工作方式”是两件事。
把这些数字连起来看，创始人的起步动作应该从一个更小的问题开始：哪一个岗位动作，值得被 AI 介入，并且能在两到四周内被验收？
任务卡不是表格装饰，它是企业 AI 试点的最小管理单元。它要写清楚七件事：岗位动作、输入材料、输出对象、责任人、审核方式、验收指标、边界说明，最后再加一个试点周期。没有这些字段，所谓试点很容易变成几个人的工具体验。
我在 Tate万能君（tatezhou.com）做 AI Agent 项目制训练和企业陪跑时，会把个人学习和企业落地接在同一个颗粒度上：个人侧看能不能交出可复盘作品，企业侧看这个作品能不能进入岗位 SOP、责任分配和验收复盘。任务卡正好把这两条线合到一起。
任务卡把岗位动作、责任和验收放到一张纸上。
举个具体动作：客服复杂工单先由 AI 给答复建议，人工确认后再发送。卡片里要写清输入来自工单系统的哪些字段，输出给当班客服使用，错例由客服主管每周五归档，验收看首稿可用率、平均处理时长和返工次数。最关键的一行，是“人工确认后再发送”。这行字看起来保守，却是在试点开始前就把边界写进去。
Klarna 的 15 个月提醒创始人：人机边界最好不要等事故替你回答。你的公司未必有重新招聘、重新解释、重新修复客户体验的余地，所以越是想快，越要把责任和审核前置。
不是所有场景都适合马上放进任务卡。一个比较稳的筛法，是看三条：重复频率高、输入材料可控、出错可低成本改。
重复频率高，意味着两周就能攒到足够样本；输入材料可控，意味着模型不是在凭空猜；出错可低成本改，意味着输出先是建议、草稿或辅助判断，而不是直接改价格、发合同、承诺客户。拿这三条去筛，销售拜访前的客户背景卡、客服复杂工单答复建议、每周经营数据复盘初稿，都比“搭一个公司级平台”更适合作为起点。
适合先跑的动作，通常都小、频繁、可复盘。
这里还有一个反直觉点。MIT 报告提到，外购专业工具再结合自身场景共建的成功率约 67%，纯内部自建约为其三分之一。很多创始人的直觉是先搭系统，觉得这样更有壁垒；但证据更支持另一条路：先用成熟工具进入一个真实岗位动作，再把自己的流程、样例和边界补进去。
创始人最怕的反对意见通常是：对手都在 all in，我们从一个小动作开始，会不会落后？
这句话容易把“动作大”误认为“推进快”。真正慢的，是立项半年以后还没人知道谁负责、怎么验收、错例放在哪里。一个岗位动作跑两周，至少会留下三样东西：一张任务卡、一批标注过合格/不合格的样例、一份边界说明。它们不一定让公司马上变成 AI 公司，但能让下一轮决策不再靠感觉。
创始人推动 AI 转型，真正要买的不是一个看起来先进的开端，而是一套能产生组织记忆的开端。任务卡很小，但它把工具、岗位、责任、样例和指标拴到了一起。
问：是不是应该先做全员 AI 培训？
培训可以解决“会不会用”，但解决不了“用在哪、谁负责、怎么算账”。MIT 的数据已经说明，很多组织员工在用工具，损益表仍然没有变化。先跑通一个岗位动作，培训内容才有真实靶心。
问：要不要先招 AI 负责人？
可以招，但不建议在完全没有样例和边界记录时招。两周试点会告诉你，公司卡在资料、流程、审核还是指标。先看问题长在哪里，再决定需要什么人。
问：小公司没有数据团队，能不能这样做？
更适合。小团队链条短，客服、销售、运营、财务这些动作更容易直接看到输入和输出。只要动作高频、材料可控、错了能改，就可以从任务卡开始。