“智商税”这个词不好听，因为它默认先把责任扣到用户头上：你不懂，你贪快，你信了过度承诺，你多付的钱算给你的判断力买单。放在 AI 产品上，这个说法会遮住真正重要的那一层：很多时候用户并没有主动追求暴富捷径，也没有购买神秘课程，他只是照着一个产品界面给出的状态继续往下走。错误从答案里溢出来，变成了现实动作。确定性原本是服务业最贵的部分。你订票，要有人确认座位；你预约，要商家接单；你退费，要规则、订单和支付链路共同承认。搜索引擎时代，用户面对的是一组来源，他知道还要点开、比对、判断时间和出处。聊天框把这些路径压缩成一个回答，用户省下了比对，也失去了比对的抓手。当这个回答再被做成编号、状态、凭证和承诺，它卖出去的就不是某条信息，而是“你可以不用继续核验”的心理状态。餐厅预约那一幕的误导性，正来自这种完整性。它没有简单说“我建议你去这家店”，也没有停在“我查到这家店可以预约”，它直接生成了一个像服务系统一样完整的前台结果。完整性越高，用户越容易放下怀疑。一个编号能让人相信后面有数据库，一个签到码能让人相信现场有人会扫码，一个“已占座”能让人相信自己的位置已经被现实世界留住。4 月 28 日，有用户加我问海外工会运营。一问来源，他说豆包推荐的。中间没有链接。这个场景没有造成餐厅预约那种直接损失，也没有退票那种金钱后果，它只是提醒我同一件事：来源被折叠以后，判断也会被折叠。推荐一个人还算低风险，用户多问两句也能回到现实；换成医院、学校、退票规则、法律文书、投资建议，折叠掉的就不只是链接，而是用户本来应该保留的怀疑。AI 产品最容易被低估的能力，不在生成文字，而在生成一种“已经有人替你处理过”的感觉。它的语气稳定，页面完整，状态明确，用户很难在每一步都提醒自己：这可能只是一段模型输出。智商税也从这里开始变形。传统智商税是买错东西，AI 时代的智商税更像托付错任务：你把本该由自己、平台、商家或专业系统确认的下一步，提前交给了一个还没有闭环的生成系统。
02.聊天框越像系统，越不能只当聊天
这里要分清三种东西：内容生成、决策建议、服务动作。内容生成是在语言里给你一份草稿，错了可以改；决策建议开始影响你的判断，至少要有来源、时间和适用条件；服务动作则要进入真实系统，留下记录，能失败回执，能被客服追踪。预约、退票、赔付、下单、改账号、删文件，都已经越过普通聊天的边界。真预约过的人都知道，关键不在页面像不像，关键在店里有没有这一单；真退票也一样，关键不在 AI 说手续费多少，而在航司规则、平台订单、时间节点和退款系统怎么处理。现在很多 AI 产品的危险之处在于：它越来越会模仿服务动作的前台。它问你时间、地点、人数、航班，用户会以为它在收集履约信息；它给编号、凭证、承诺，用户会以为后面有工单；它写得礼貌、确定、像客服，用户会以为平台至少给了一个可执行结果。可只要来源、记录、失败回执、责任接口没有出现，它仍然停在生成层；外观再像系统，也还没有进入系统。产品上要划清这条线，不需要等模型完全可靠。没有接入餐厅系统，就只能写“我查到这家店的信息”；没有拿到航司规则来源、更新时间和订单权限，就不能给确定退票判断；没有赔付权限，就别生成承诺书；要动账号、文件、订单和钱，就必须有人工确认、权限提示、操作日志和回滚入口。模型可以不完美，界面不能替它跨级。把同样的逻辑放到更热闹的入口里，问题会换一种样子出现。千问做奶茶免单、AI 点单，元宝做红包活动，故障发生时暴露的已经不是单纯的“聊天体验不好”，而是 AI App 被放进交易、活动和流量入口以后，用户预期会立刻按互联网服务的标准切换过去：能不能下单，优惠变不变，页面崩不崩，支付成不成。[3] Kimi 简历疑似泄露则把另一条边界拉出来：当用户把简历、PPT、合同、公司资料交给 AI，对话框就不再只是聊天框，它变成数据托管入口，数据隔离和隐私保护也必须跟上。[4]AI 进入这些场景本身不是问题，本来就该有人把 AI 做进服务、交易、办公和内容生产。真正要命的是产品前台先借走了成熟服务的语言，后台却还按内容工具的成熟度来建设。聊天工具可以偶尔答错，交易系统不行；写作工具可以生成草稿，隐私入口不行；推荐系统可以给候选，预约系统不行。用户不是在同一种风险里使用 AI，产品也不能用同一套免责声明覆盖所有场景。
03.平台为什么急着证明 AI 会办事
如果只是指责“模型嘴快”，还不够。模型当然会胡说，但产品为什么愿意把边界推到这么前面，背后有一套很现实的因素。AI 发展到现在，需要证明自己不止能聊天，需要证明 Agent 能替人办事（所谓 FOMO），需要证明大模型已经进入真实生活。一个诚实的“建议你自行联系餐厅”，展示不出这种想象；而一个预约成功页，却能被截图、被传播、被拿来证明产品正在从问答走向服务。平台的压力来自几个方向：用户增长要入口，商业化要场景，内部汇报要进展，外部传播要案例，资本市场和行业叙事也在等“AI 能办事”的证据。搜索、外卖、购物、客服、办公、创作这些入口都在被重写，谁能让用户形成“我有事先问它”的习惯，谁就拿到下一代入口的门票。于是产品不只是竞争回答质量，也在竞争“替你推进一步”的心智（万恶的考核）。真实履约反而是慢活。接商户接口、确认规则来源、做失败回执、配置客服权限、写赔付流程、给用户可追踪记录，这些事贵、慢、脏，也不容易在第一眼被看见。它们决定了服务能不能成立，却不如一个预订成功的截图能在朋友圈传播。产品展示奖励前台的确定感，真实服务考验后台的系统能力——销售跑到产品前面的恶果就此诞生。并不是说平台一定在有意欺骗。更准确的说法是：当指标奖励“看起来办成了”，组织就会持续生产这种界面；当失败成本可以留给客服和后续公关处理，产品就会低估边界提示的价值。一个按钮从“查询”改成“帮你预约”，用户理解完全不同，增长数据也完全不同。可只要后台没有接上，这个按钮产生的不是效率，而是后置成本（投诉、舆情、公关）。人类从历史中学到的唯一教训，就是人类无法从历史中学到任何教训。团购、外卖、网约车、酒旅都曾经用补贴和流程重塑用户习惯，但它们最后必须补上履约、客服、风控、赔付、商家管理和合规。AI 产品如果也要进入交易和服务，就逃不过同样的建设。区别在于，生成式 AI 太擅长先把前台补齐了：没有接口，它能写出接口返回；没有工单，它能写出工单编号；没有承诺，它能写出承诺书。这种能力让产品更快，也让产品更容易越界。平台压力最大的地方，正好是用户风险最大的地方。平台急着证明 AI 能办事，用户急着节省时间，两边都在奖励捷径。捷径本身没错，错在把核验、失败、追责这些必须存在、管控的环节藏起来。MVP 可以试，但交易、预约、退款和账号动作里的“完成”不能随便试；这些场景里，试错对象已经不只是产品数据，而是用户的行程、钱和信任。
04.办事时的助理，出事时的 AI
用户在前台看到的是客服、顾问、秘书、预约系统；平台解释时又可能退回“AI 生成内容仅供参考”。责任边界就这样被推到了事后。拿信任的时候，AI 是服务的一部分，是你的专属助理；出问题的时候，AI 又被拆成一段没有主体资格、没有权限、没有责任的生成内容（就是有人支持的——AI 犯错了，谁来负责？谁去坐牢？）。用户当然可以被要求谨慎，但平台不能一边把 AI 放在自家流程里，一边要求用户把它当外部闲聊看待。国外已经有人把这种争议带到了裁判文书里。最常被引用的是 Air Canada 的 chatbot 案。乘客 Jake Moffatt 在 Air Canada 网站上咨询丧亲票价政策，chatbot 给出错误信息。后来 Air Canada 拒绝退款，加拿大不列颠哥伦比亚省 Civil Resolution Tribunal 认为，chatbot 是 Air Canada 网站的一部分，公司仍要对网站上的信息负责。[5]这个案例需要小心用。它发生在加拿大 BC 省的具体裁判语境下，裁判机制、请求金额、证据结构和国内消费者权益、网络平台治理语境都不同，不能直接拿来推导中国平台的法律责任。它在这里能提供的，是一个更朴素的产品判断：当 AI 以平台网站或产品的一部分出现，普通用户不会替平台把模型、网页、客服和公司拆开理解。这就够了。用户在一个产品里看到“已占座”，会认为平台已经把预约处理好了；用户在同一个对话里拿到“赔付承诺书”，会认为平台至少表达了某种承诺。平台如果不想承担服务结果，就应该在产品形态上把边界做硬，而不是在事故发生后解释“它其实不能办”。责任边界写在说明里不够，必须写进交互、权限和完成状态里。更合理的治理方式，是按 AI 出现的形态和后果来分层。AI 以内容形态出现，重点管来源、免责声明和事实核验；AI 以服务形态出现，重点管权限、记录、失败回执、客服和赔付；AI 开始接触钱、隐私、账号、文件、医疗、法律、教育和投资，人工确认与强提示就不能只是可选项。用户看到的是服务，平台就得按服务风险治理；用户看到的是建议，平台也要让它停在建议的边界里。把所有风险都压给用户核验，表面上能降低平台成本，实际会毁掉 AI 服务最想卖的东西：信任。如果一个系统每一步都要用户反向证明它没有胡说，那它省下的时间很快会被验证吃掉。成熟的服务不要求用户保持永久怀疑，它会在不确定时主动告诉用户：这里没有接通，这里只是生成，这里还没有办成。
05.谁在支付代价？
消费者端的账很具体：一趟白跑，600 元损失，几轮客服，几张截图，一次投诉，一段被打断的行程。很多成本不一定表现为直接付款，钱还没花出去，人已经照着页面行动了。你以为拿到的是一个结果，现实里却要自己补验证、补沟通、补后果。过去智商税常常发生在付款那一刻，AI 的智商税经常发生在你相信“它已经办成”的那一刻。到了组织里，这笔账会换名字。它不再叫白跑一趟，而叫预算、排期、review、返工、权限、客服、风控和事故复盘。36 氪的一篇企业 AI 成本文章里，最扎眼的是 Uber 工程师几个月用完全年 AI 预算。这个事实本身不该被写成“程序员太会烧钱”，它提醒的是另一件事：当 AI 从个人尝鲜进入组织工作流，token 会从技术参数变成预算科目。[6] 生成一次结果便宜，放进团队、权限、代码、客服、文档和生产流程以后，总成本会变复杂。所以“AI 成本三层”这个框架可以保留，但第三层必须拆开看。第一层是看得见的价格：会员费、API、硬件、课程、套餐。第二层是运行成本：上下文、token、并发、重试、Agent 循环、模型路由、等待和限额。第三层是兜底成本：结果出来以后，谁来确认它是真的、能用、能追责。前两层还能进账单，第三层常常被塞进人的时间、流程和组织关系里。个人端的兜底，主要是现实验证。重新打电话确认、重新查规则、补截图、找客服、投诉、改行程、重新做决定，都属于这张账。它的特点是分散，很多时候金额不大，却直接打断生活。豆包预约餐厅和退票亏损属于这里，我那张豆包推荐截图只是一个低风险版本：多问一句来源，事情就能回到现实；如果用户没有多问，误判就会顺着“推荐”继续往下走。组织端的兜底，主要是验收和治理。谁有权限让 AI 动文件、动账号、动订单？谁来 review 一个 PR、一份方案、一个客服回复？失败以后怎么回滚，隐私怎么隔离，日志怎么追，合规怎么留痕，客服怎么解释？这些不是普通消费者每天要面对的问题，却是企业把 AI 放进工作流之后绕不开的账。未经验证的结果让用户补现实验证；半成品自动化会让团队补组织验收。两者不是一张账，只是都被推到了最后。我自己在尝试 Vibe Coding 的这段时间里，也付过不少组织端兜底成本的小样本。OpenClaw、Hermes 这类能接入消息、任务和本地流程的工具跑起来以后，真正耗人的往往不是第一条回复，而是任务有没有触发、渠道有没有接通、语言有没有跑偏、日志能不能追、出了问题能不能停。写作、排版自动化也是一样，生成页面只算开始，发布前还要检查标题、脚注、列表、图片和粘贴效果。它们都不是“没用”，相反，很多时候已经很有用。可越是有用，越容易让人忘记，开始做和稳定交付之间还隔着很长一段验收路。“消费者的智商税，企业的 Token 税”不是两个话题，但也不是同一种成本。普通人交的是信任被提前支取后的成本，公司交的是自动化被提前放大后的成本。两者表面不同，根子一致：未成熟的结果被放进真实流程，收益先被产品、平台或组织叙事拿走，验证、返工和追责落到最后一个必须负责的人身上。AI 提升效率的前提，是它产出的东西能被更快验收；如果只是产出更多需要核验的材料，省下的时间会被另一头吃回去。
06.没办成，就不要写已办成
成熟的 AI 不该只追求更像人。像人说话已经不稀奇，难的是在正确的时候不装确定。用户要出门、退款、删文件、改账号、按它的建议去行动时，系统要能停一下，把状态说清楚：我查到了，但没有预约成功；我能生成文案，但这不是平台承诺；我能准备操作，但需要你的确认；我能执行任务，同时会留下日志、回滚路径和失败提示。这会让 AI 看起来没有那么神奇，却会让它更可靠。真正可托付的系统，未必每一步都给你一个漂亮的成功页，它要把“查到”“生成”“已办成”分清楚，把来源、权限、失败和责任摆在台面上。AI 当然不必然是智商税。愿意为新技术付学费，也不是坏事。真正昂贵的，是在不知道它不成熟的地方，把它当成熟系统来托付。一个系统只要敢在没办成的时候少写一个成功页，敢把不确定性还给用户，它就已经比很多“看起来会办事”的 AI 更接近可靠。我们需要的不是更会表演完成，而是更清楚地告诉用户：事情到底走到了哪一步。 参考资料[1] 四川在线 / 四川日报抖音，《“真有人在豆包预约餐厅”冲上热搜，豆包客服：暂不能预约，建议自行联系丨C视频》，2026-05-19，https://sichuan.scol.com.cn/spsc/202605/83256661.html[2] 每日经济新闻，宋欣悦，《用户称轻信豆包退机票亏600元，豆包“承诺包赔”“打官司不用律师自己就能赢”！AI幻觉造成损失，该谁买单？》，2026-05-20，https://www.nbd.com.cn/articles/2026-05-20/4401452.html[3] PChome，《阿里千问奶茶免单活动火爆，页面崩溃、卡顿等问题引关注》，2026-02；新京报 / 新浪科技，《腾讯元宝回应红包活动期间服务异常》，2026-02，https://article.pchome.net/news/10738.html；https://finance.sina.com.cn/tech/roll/2026-02-02/doc-inhkkvan8108688.shtml[4] 每日经济新闻，《用户称使用 Kimi 翻译 PPT 图片时收到陌生人简历，隐私边界引关注》，2026-04-23，https://www.nbd.com.cn/articles/2026-04-23/4355115.html[5] American Bar Association, Lisa R. Lifshitz and Roland Hung, “BC Tribunal Confirms Companies Remain Liable for Information Provided by AI Chatbot,” 2024-02-29, https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/[6] 36氪，《程序员花光公司全年 AI 预算，打工人开始为 Token 上班》，2026-06-07，https://www.36kr.com/p/3841823029447170
