六個接口需要達到足夠閉合
人工智能的能力進步很快，但「AI已經能做一件事」和「這件事已經形成生產力」並不是一回事。
過去兩年，越來越多的人開始用AI寫文章、查資料、編程序、做分析，企業也把AI放進客服、合同、軟件開發和內部管理。但同樣一種AI能力，在一些地方很快產生價值，在另一些地方卻長期停留在試驗階段。問題已經不只是模型夠不夠強，而是AI能力怎樣進入現實生產。
這裏所說的「能力」，不是學歷、職業資格或知識存量，而是一個主體實際完成某類認知或行動功能的能力。
從實際應用看，AI能力要變成生產力，至少有六個接口需要達到足夠閉合：能力、驗證、數據、流程、責任和經濟。
第一層是能力和驗證。
AI有一個與傳統工具不同的特點：它總體上會做某一類事情，並不意味着每一次輸出都一定可靠。因此能力之後馬上就是驗證。
代碼可以通過測試，客服可以看問題是否解決，文章可以由作者直接判斷，推薦系統可以通過點擊、購買和留存得到反饋。不同任務的驗證方式不同，關鍵不在於有沒有一個標準答案，而在於有沒有一種成本可以接受、又與真正目標對應的反饋方式。
所以，能力與驗證構成第一層閉合：AI不僅要能做，還要知道什麼時候可以放心採用。
第二層是數據和流程。
數據不是指必須把企業全部數據庫接給AI，而是AI有沒有獲得完成這項任務所需要的現實信息和上下文。一個人請AI修改文章，只要把文章和必要背景提供出來，數據已經可以閉合；企業里的複雜業務，則可能需要內部數據庫、客戶記錄、權限和實時狀態。
流程解決的是另一面：AI做完以後，結果能不能進入明確的下一步。
這一步不一定由AI自動完成。很多任務本來就需要人在關鍵節點作出判斷。例如AI完成一份可行性評估以後，下一步可能就是由人決定是否繼續推進項目。只要AI的結果進入了既定的判斷和行動流程，誰來決定、如何處理、出現異常怎麼辦都比較清楚，就已經實現了流程閉合。
因此，流程閉合不是自動化，而是AI的產出能夠被現實生產過程接住，並進入下一步判斷或行動。
第三層是責任和經濟。
AI從提供答案逐漸走向執行以後，責任越來越重要。誰有權讓AI做什麼，做到什麼程度必須停止，什麼情況需要轉給人，最後的結果由誰承擔，這些問題必須清楚。責任閉合併不意味着每一步都要人工批准。低風險任務完全可以自動運行，但權限和後果必須有明確歸屬。
經濟閉合也不能簡單理解為有沒有賺錢。
生產力並不只是多生產實物商品。文章、軟件、研究、設計、知識、判斷和服務，同樣都是產出。我們花時間研究一個問題，最後得到的也不只是文章這件精神產品，還可能包括新的判斷、減少以後犯錯的可能，以及可以重複使用的方法。
所以經濟閉合真正要看的是：對這個觀察對象而言，投入AI、人力、時間、資本和承擔的風險以後，是否形成了值得這些投入的淨價值。
這裏還要區分價值創造、價值實現和價值獲得。AI幫助員工每天節省一小時，價值已經產生；如果企業產量沒有增加，這部分價值就沒有表現為企業生產率；員工多了一小時自由時間，價值可能由員工獲得。不能因為企業沒有多賣產品，就說AI沒有創造價值，只能說價值沒有在這個觀察對象上實現。
為了便於理解，這六個接口可以分成三組：
任務閉合，是能力加驗證；
生產閉合，是數據加流程；
系統閉合，是責任加經濟。
它們不是六道必須依次通過的閘門，也不要求每一項達到百分之百。不同任務需要不同程度的閉合。寫一封普通郵件和讓AI執行金融交易，對驗證、責任和風險的要求當然完全不同。
AI能力進入生產的幾條途徑
最簡單的一條，是直接進入個人能力。
ChatGPT的很多應用為什麼擴散得這麼快？因為一個人往往同時把六個接口閉合起來。他自己提出任務，自己提供背景，自己判斷結果，自己決定是否採用，也自己承擔後果和判斷值不值得。
寫作、總結、翻譯、查詢和資料整理之所以容易普及，不只是因為AI已經會做，還因為驗證和使用的成本都很低。
第二條，是把AI嵌入已經成熟的生產流程。
客服、編程、文檔處理、合同處理等場景，本來就有比較清楚的任務、數據、流程和責任。AI只需要進入其中某一個高成本環節，就可能創造明顯價值。
這類局部創新並不低級。如果真正的瓶頸就在一個局部環節，把這個環節做好就是最合理的創新，沒有必要為了使用AI而重構整個企業。
第三條，是擴大一個人或一個崗位可以調用的能力範圍。
過去有些工作必須交給另一個專業人員，現在普通人可以藉助AI完成其中一部分。銷售人員可以做一些數據分析，普通人也能完成以前不會做的簡單程序任務。
但這裏有一個重要邊界：AI會做，並不等於使用者已經獲得了完整的專業能力。如果他不能理解結果，也無法發現錯誤和邊界，那麼這項能力還沒有真正可靠地進入他的有效能力。
第四條，是在瓶頸遷移以後重新組合工作流程。
假如AI把寫報告的時間從四小時降到半小時，但取數據還要一天，審批還要兩天，再把半小時壓成十分鐘已經沒有多少意義。原來的瓶頸消失以後，新的瓶頸會出現在等待、審批、驗證、交接和異常處理上。這時問題已經不再是模型夠不夠強，而是原來的工作怎樣重新組合。
局部創新優化了當前瓶頸；當瓶頸遷移以後，結構創新才有必要。
第五條，是在必要時重新設計整個系統。
再往前一步，如果任務邊界、部門邊界、軟件結構、審批方式和責任劃分本身都已經成為AI發揮作用的障礙，才需要考慮重新設計整個系統。
但瓶頸遷移並不等於立即重構。還要看這個瓶頸是否足夠大、是否長期存在，以及重構成本、過渡風險和技術變化速度。如果技術半年以後可能大幅進步，暫時試驗、保留選擇權，有時比今天投入巨資重做系統更合理。
所以，最好的AI創新並不是最複雜、最系統的創新，而是以最低的總成本解決真正的瓶頸。
為什麼個人AI應用會比企業AI擴散得快
這個問題用六個閉合可以得到一個很簡單的解釋。
個人使用AI時，任務、數據、驗證、流程、責任和價值判斷往往集中在一個人身上。
企業則完全不同。數據可能屬於一個部門，流程屬於另一個部門，權限在第三個部門，風險由第四個部門承擔，IT負責系統接口，預算又掌握在其他人手裏。
模型能力可能完全一樣，但個人只需要自己把幾個接口閉合起來，企業卻必須把這些接口重新工程化、制度化。
因此，企業AI應用擴散得慢，並不一定說明AI能力不夠，也不一定說明企業不願意使用。很多時候，真正耗時的是把AI能力接進現實生產系統。
AI正在使認知能力越來越容易被外部調用。能力本身已經越來越便宜，但生產力不會自動出現。
一項AI能力只有在能力、驗證、數據、流程、責任和經濟六個接口達到足夠閉合以後，才真正進入現實生產。
它可以表現為更多的實物商品，也可以表現為更好的軟件、更高質量的服務、更好的文章、更可靠的判斷和可以重複使用的知識。
這也是理解AI經濟價值時容易忽略的一點：模型變得更強只是開始。真正決定這些能力最後能創造多少價值的，是它們能不能與人的工作和現實生產系統連接起來。
