Humane AI Pin 翻车这事儿，本质上就是产品经理的“技术自嗨”压倒了“用户真实需求”。他们把一堆传感器和激光投影塞进一个胸针，觉得这很酷，但用户要的只是“别让我看起来像个傻子”。我上周刚用 GPT-3 的 fine-tuning 接口，把过去三年积累的 8000 多条客服对话记录喂进去，训练了一个专用模型。现在它处理“订单物流延迟”、“优惠券无法使用”这类问题的准确率，已经超过了我去年雇的那个总爱带情绪上班的客服组长。
API 不会在凌晨两点给你发微信抱怨 KPI 不合理，也不会因为失恋就敷衍用户。它只会按照你设定的逻辑，冰冷、精确、不知疲倦地运行。这感觉太他妈好了。我花了整整三天来梳理和清洗那些对话数据，格式不统一的、带脏话的、语义模糊的，都得手动打标签或者剔除。最后得到的模型，本质上是一个超级复杂的“模式匹配器”。它不“理解”问题，但它能从海量历史对话里，找到最相似的问题和当时最有效的回答模板。
比如，用户输入“我的货怎么还没到”，旧的关键词匹配可能会触发“物流查询”通用话术。但我的模型能结合上下文：如果这个用户订单是 48 小时前下的，它会优先匹配“仓库已发货，快递员取件中”的安抚性解释，并附上取件单号；如果订单是 7 天前的，它会直接跳到“物流异常，建议您申请退款或联系人工”的流程。这里的逻辑层是我写的，但匹配的精准度是模型从 8000 个案例里自己“学”出来的概率分布。它甚至能区分出“怎么还不到”（焦虑）和“到底还发不发货”（愤怒）两种情绪倾向，虽然我根本没教过它什么是情绪，它只是统计了不同句式后面，用户接受安抚和升级投诉的比例。
这让我想起 2018 年死磕微信小程序云开发的时候，为了省服务器钱，把用户状态全塞在前端 localStorage 里，结果各种状态同步问题搞得焦头烂额。现在，调用一次 OpenAI 的 API，几毛钱成本，解决的是过去需要一个三人小组忙活一周的语义分析问题。技术栈的迭代不是升级，是换轨道。你过去引以为傲的“架构设计”、“并发处理”，在预训练大模型面前，突然就变成了手工业时代的雕花手艺，精致但低效。
Humane 那帮人肯定觉得他们的激光投影和手势交互是革命性的。但用户戴上一个设备，第一需求永远是“别给我添麻烦”，第二是“让我有点收获”，最后才是“能不能让我看起来更酷”。这个 Pin 把优先级完全搞反了。它为了酷，制造了一堆新麻烦：你要学习新的手势，你要担心它在阳光下看不清，你要忍受它有限的续航。这和当年一些产品经理非要给 App 加一堆炫酷但卡顿的动画特效，有什么区别？都是自我感动。
我的客服自动化流程跑通后，我给自己放了一下午假，去健身房撸铁。举铁的时候就在想，产品经理的“傲慢”往往源于对自身技术路径的过度自信，而忘记了产品是服务于一个“在特定场景下有特定局限的普通人”。AI 再强，我现在用它做的第一件事，也是解决最枯燥、最重复、最消耗人力的客服问题，而不是做一个炫技的胸针。让技术隐形，让服务显形，这才是正路。下个月，我准备把售后纠纷的初步调解也接进来试试，那才是真正的深水区。
