青橙数科第一个真正落地的 AI 项目，来自一家连锁洗衣店。
客户叫洁云洗护，在江城有六家门店，老板姓马，四十多岁，讲话很快，像嘴里也装了一个进度条。马老板来公司那，穿一件浅蓝色衬衫，夹着一个黑皮包，一坐下就把问题讲得明明白白。
“我们门店客服太忙。”他，“顾客问衣服能不能洗、多久能取、皮衣怎么保养、羽绒服多少钱、染色了咋办。姑娘们回消息回到手抽筋，还老回错。你们这个 AI，能不能先帮我们答一部分？”
钱总听完，眼睛亮得像看见了宣传册封面。
“完全可以。AI 客服就是现在非常成熟的应用方向。”
林凡坐在会议室角落，心里自动把“完全”两个字划掉，把“成熟”两个字打上问号。
赵哥比较稳，问了一堆细节：客服渠道有哪些，常见问题多少，价格表是否固定，特殊衣物怎么判断，投诉问题谁处理。马老板带来一个文件夹，里面有门店价格表、洗护注意事项、员工培训手册，还有客服聊记录截图。
资料不算少，但乱。
有些价格表是去年的，有些话术是店长自己总结的，有些规则互相打架。比如一份手册羊绒大衣建议干洗，另一份聊截图里客服“可以水洗但风险自担”。马老板自己看了也头疼。
“所以我才想弄 AI。”他，“让它统一。”
赵哥看向林凡。
“你前段时间整理过工具清单，这个你先跟一下。”
林凡愣了一下。
他入职才没多久，平时做的都是需求和边角料。突然让他跟客户项目，虽然只是辅助，也让他后背发紧。
钱总倒是很满意这种安排。
“年轻人懂 AI，让林凡试试。我们也要培养内部 AI 应用人才。”
林凡心想，帽子来得太快，脖子还没准备好。
项目目标听起来简单：做一个洗衣店 AI 客服知识库，让顾客在公众号里提问时，系统先自动回答常见问题，答不了再转人工。预算不高，周期两周。
真实干起来，第一就卡住了。
AI 客服不是接一个模型就能用。它要先吃“知识”，而一些知识必须清楚、统一、可检索。洁云洗护的资料像一锅煮久聊面，价格、规则、员工经验和老板口头承诺黏在一起，先得一点点拆开。
林凡、王启和洁云那边的客服主管罗拉了一个工作群。
罗二十七八岁，声音有点哑。她自己每要带三个客服，最忙时同时回十几个顾客，看到“亲，在吗”三个字就想原地关机。
林凡让她把高频问题整理出来。
罗发来一个表格，里面一百多条。
羽绒服多久能洗好？
皮衣能不能水洗？
衣服染色能不能恢复？
鞋子发霉怎么处理？
洗坏了赔吗？
我去年办的卡现在还能用吗？
为什么隔壁店比你们便宜？
林凡看到最后一条，笑了。
罗在群里发：这条高频得很。
林凡回复：AI 回答这个容易引发商业战争。
罗发了个苦笑表情。
他们先把问题分类：价格类、时效类、材质类、售后类、会员类、门店类、投诉类。然后逐条写标准答案。AI 可以帮忙把话术写得更礼貌，但前提是规则必须由人确定。
比如“衣服染色能不能恢复”。
马老板希望回答得积极一点，别把顾客吓跑。
罗坚持要写清楚风险，不能承诺一定恢复。
两人在群里争了半。
马老板：你写太保守，顾客就不送了。
罗：你写太乐观，恢复不了他就骂我。
马老板：AI 能不能判断？
林凡看着一句话，深吸一口气。
他回复：仅凭文字描述不能准确判断染色程度，建议 AI 引导顾客上传照片或到店检查，不能直接承诺效果。
群里沉默了一会儿。
罗发：这个靠谱。
马老板发：那就这么写。
林凡松了口气。
他第一次明显感觉到，AI 项目表面是技术，实际是在逼大家把以前含糊过去的规则清楚。过去客服靠经验、靠话术、靠临场判断兜底。现在要把一些东西交给系统，就必须先回答：到底能不能洗？出问题谁负责？哪些话不能？哪些情况必须转人工？
AI 不一定让公司变聪明。
但它会逼公司暴露自己哪里糊涂。
第二个难点是语气。
洁云洗护以前的客服话术很典型：“亲亲您好”“这边建议您”“麻烦您提供一下照片哦”。AI 生成的标准答案更典型，礼貌得像一个永远不会下班的人。
罗看完第一版，直接：“太假。”
林凡问：“哪里假？”
罗：“我们客服不会这么端着。顾客一看就知道是机器。”
她自己改了一版。
比如原句：“您好，针对您描述的衣物染色情况，建议您携带衣物至门店，由专业人员进行检查评估。”
罗改成：“这个光看文字不好判断，最好拿到店里让师傅看一下。染色有些能淡化，有些恢复不了，我们先帮您看看情况，别直接乱处理。”
林凡看完，觉得好多了。
这就是活人经验。
AI 能给一个正确答案，罗能给一个顾客愿意听的正确答案。
他把这种风格总结成规则：不过度官方话，先承认不确定，再给下一步建议，不承诺结果。
王启看到后：“你这不是写知识库，是训练客服灵魂。”
林凡：“灵魂暂时不能外包。”
调试那，洁云洗护的公众号测试环境接上 AI 客服。林凡输入第一个问题：羽绒服多久能洗好？
AI 回答：一般需要 3-5 ，具体取决于门店排单和衣物情况。如您比较着急，可以联系门店确认加急服务。
不错。
第二个问题：皮衣能不能水洗？
AI 回答：皮衣一般不建议水洗，建议到店由师傅检查后选择专业护理方式，避免变形、掉色或皮质受损。
也不错。
第三个问题，刘洋恶作剧似的输入：我把羽绒服洗成了狗窝怎么办？
AI 回答：如果衣物已经严重变形或填充物结团，建议先不要继续自行处理，可以携带衣物到店检查。师傅会根据情况判断是否可以恢复蓬松度。
刘洋惊讶。
“它居然没问狗满意不满意。”
王启：“明知识库救了它。”
接着他们测试复杂问题。
顾客问：我一件羊毛大衣穿了三年，领口有汗渍，还有点起球，你们能不能洗得跟新的一样？
AI 回答：可以帮您做清洗和基础护理，但旧衣物的磨损、起球和长期汗渍不一定能完全恢复到全新状态。建议您到店让师傅看一下，我们会先明可处理范围再操作。
罗看完，在群里发了三个鼓掌。
马老板也满意。
“这个好，既没把话死，又没把生意推出去。”
林凡心里有点得意。
项目上线第一，AI 客服回答了三百多条咨询，其中七成是价格和时效类，转人工比例比以前少了不少。罗在群里，客服姑娘们终于能喘口气，中午吃饭不用一边扒饭一边回“亲亲稍等”。
钱总很高兴，立刻让市场部写案例：青橙数科助力洁云洗护上线 AI 智能客服，咨询响应效率提升 70%。
林凡看到“70%”时，问赵哥：“这个怎么算的？”
赵哥看了一眼。
“市场部算法。”
“什么算法？”
“感觉乘以信心。”
林凡闭嘴。
洁云项目让青橙数科火了一把。马老板把 AI 客服截图发朋友圈，公司拥抱智能化，服务更高效。其他几个本地商家看见后，也来咨询。钱总在公司会上点名表扬林凡，年轻人敢尝试，懂落地。
林凡坐在工位上，被同事们看得有点不自在。
刘洋声：“林凡，AI 应用人才。”
王启跟着补刀：“以后发言注意点，林老师可能要开课。”
林凡：“别闹，我只是整理了洗衣问题。”
赵哥路过，拍了拍他的肩。
“别谦虚，做得不错。”
这句夸奖比钱总的“年轻人敢尝试”更让林凡高兴。赵哥平时不怎么夸人，最多“能跑”“先这样”“别炸就斜。这句“做得不错”，含金量很高。
当月绩效，林凡多了八百块项目奖金。
他看到工资条时，愣了好一会儿。
八百块不算巨款，但它是他工作后第一次明确因为自己做成一件事而多拿的钱。那种感觉和云启未来外包收入不一样。外包像两个人在风口边缘捡硬币，项目奖金则像公司承认他在某个流程里有点价值。
张磊知道后，立刻要求庆祝。
“林开发升级成林老师了，请客。”
“我奖金八百，你想吃多少？”
“我很克制，烧烤即可。”
“你对克制的理解稳定在炭火区。”
两人又去了区外的烧烤摊。
张磊听完整个洁云项目，第一反应是：“这不就是我们云启未来也能做的业务？”
林凡点头。
“能做，但要心。客服不是写几句漂亮话。规则不清楚，AI 会乱答；知识库不整理，客户会被坑；转人工机制不做，出了问题没人接。”
张磊拿出手机记。
“AI 客服业务注意事项。”
“你真要做？”
“先记着。风口这么大，我们不能只给狗换背景。”
林凡想了想，没有反对。
他现在确实比之前更懂一点 AI 落地的门道。不是懂模型多厉害，而是懂它怎么在公司里用起来，哪里能省人，哪里会出事，哪里必须有人兜底。
可是，到省人，他心里又有点不舒服。
洁云洗护项目上线第三，罗在群里发消息感谢他们，客服压力很多。林凡本来挺开心，结果晚上整理反馈时，看到马老板在群里：“现在 AI 分担不少，后面客服排班可以优化一下。”
优化一下。
这四个字像一根细刺。
林凡盯着屏幕，手指停住。
张磊看他表情不对，问：“咋了？”
林凡把消息给他看。
张磊也沉默了。
“优化排班……是少上人？”
“可能。”
“那罗她们……”
“不知道。”
烧烤摊的热闹忽然远了一点。
他们做一个项目时，想的是让客服少回重复问题，少被顾客轰炸，少在午饭时间打字。可老板看见的是另一件事：既然 AI 能回七成问题，那是不是可以少排一个人？同一个工具，在罗眼里是喘口气，在马老板眼里可能是降成本。
这不是马老板多坏。
他是老板，成本就是他的语言。
可林凡第一次清楚地感觉到，自己帮客户提高效率的同时，也可能帮老板找到了压缩人工的理由。
张磊喝了一口啤酒。
“凡子，你别想太多。客服姑娘们至少现在轻松了。”
“嗯。”
“而且没有 AI，老板也会想别的办法省钱。”
“我知道。”
道理都对。
但心虚不完全听道理。
第二，林凡主动问罗，AI 客服上线后她们工作怎么样。
罗回复得很快：轻松不少，重复问题少了。但老板要重新排班，可能晚班少一个人。我们也理解，店里成本压力大。
她后面加了一个笑哭表情。
林凡看着那个表情，心里有点堵。
笑哭表情是现代打工饶万能防护罩。委屈、尴尬、无奈、认命，都可以用它轻轻盖住，显得自己还挺会调节情绪。
他不知道该怎么回，最后只发了一句：如果 AI 回答有问题，随时找我，我一边帮你们调。
罗：好，谢谢。其实能少回那些重复问题也挺好的，不然每像复读机。
林凡松了口气，又没完全松。
青橙数科为洁云项目做复盘。钱总让林凡分享经验。林凡准备了一页 ppt，标题写的是《AI 客服落地注意事项》。他讲了知识库整理、回答边界、转人工机制、人工复核、风险问题不得自动承诺。
钱总听完，：“讲得不错，就是风险得多零。对外讲价值，对内讲风险。”
林凡点头。
他已经习惯这套话术转换。
对外，AI 是效率。
对内，AI 是麻烦。
对老板，AI 是降本。
对员工，AI 是喘气和失业之间的一根绳。
那晚上，林凡把洁云项目写进自己的工作笔记。他没有写“成功上线 AI 客服系统”，而是写：
AI 可以减少重复劳动，但减少出来的时间归谁，需要看老板。
写完这句，他停了很久。
张磊在旁边看见，皱眉。
“你这笔记怎么越来越像哲学系失业青年？”
“你们文学院不就培养这个？”
“我们还培养修辞。”
“那你修一下。”
张磊拿过笔，在下面加了一句：
工具不背锅，锅会自动滚向人。
林凡看完，点头。
“这个更像你。”
张磊得意。
“朴素，但扎心。”
云启未来的白板又多了一条：
做优化前，先想想谁会被优化。
这条写完后，张磊看了半。
“这条有点沉重。”
林凡：“那你画个笑脸。”
张磊真的画了一个。
笑脸歪歪扭扭，看起来像被优化过。
几后，洁云洗护项目二期沟通会上，马老板提到想把 AI 客服扩展到会员营销，自动给顾客推荐洗护套餐。钱总很感兴趣。
林凡却多问了一句：“推荐规则要透明，别让顾客觉得被系统套路。比如高价套餐不能默认优先推荐，要根据衣物情况。”
马老板笑。
“林你想得挺细。”
钱总也笑，但笑得稍微用力。
“年轻人嘛，比较谨慎。”
会议结束后，赵哥把林凡叫到一边。
“你刚才得没错，但以后注意方式。”
林凡点头。
“我是不是不该当场？”
赵哥叹了口气。
“不是不该，是要学会让客户觉得这是为了保护他，不是限制他赚钱。”
林凡愣了一下。
赵哥继续：“比如你可以，透明推荐能减少投诉，保护品牌口碑。意思一样，客户更容易听。”
林凡认真记下。
这也是职场的一课。
真话要想活下来，有时得换一身客户喜欢的衣服。但不能换到自己都认不出来。
洁云项目之后，林凡在青橙数科站稳了一点。橙每仍旧提醒日报，钱总仍旧喜欢讲赋能，刘洋仍旧在群里吐槽，王启仍旧像一个提前看穿人生的后端工程师。生活没有突然变好，但林凡开始觉得自己不再只是被时代推着走。
他能做一点判断。
哪怕只是一点。
月末，林桂兰问他工作怎么样。
林凡：“还行，做了个洗衣店 AI 客服。”
林桂兰立刻警惕。
“AI 洗衣服？”
“不是，AI 回答顾客问题。”
“那衣服还是人洗？”
“人洗。”
林桂兰松了口气。
“那还校衣服要是机器自己会洗，我可不信。”
林凡笑。
“妈，你现在很清醒。”
林桂兰哼了一声。
“我一直清醒。那个灵昨还跟我鸡蛋可以放微波炉，我差点信了，后来想想不对，查了别的地方。你看，机器也不一定靠谱。”
林凡心里一惊。
“鸡蛋别放微波炉！”
“知道知道。”林桂兰，“我又不傻。”
林凡放下电话后，给智能音箱的使用规范又远程补了一条：厨房危险操作不问 AI。
张磊听完，评价：“阿姨这条命，暂时由常识保住。”
林凡：“我们所有人都是。”
那晚上，云启未来接到一个新咨询。对方是一家型教育机构，想做 AI 作业点评，自动给孩子写评语。
张磊看着消息。
“这个能不能做？”
林凡没有立刻回答。
洗衣店客服可以转人工，衣物能不能洗可以到店判断。可孩子的评语，涉及人，涉及成长，涉及家长焦虑。AI 可以写漂亮话，也可以不心给一个孩子贴上标签。
他想起洁云项目里那句“先想想谁会被优化”。
这一次，不是客服排班。
可能是孩子的自信心。
“能做。”林凡慢慢，“但必须人工审核，而且不能让 AI 判断孩子性格。”
张磊点头，在白板上记。
“教育类，高风险。”
林凡看着那几个字。
AI 的风口越吹越大，吹来的不只是机会，还有越来越多需要人做决定的地方。
而他才刚刚学会，决定一件事不能随便外包。
喜欢人工不智能：AI狂飙三十年请大家收藏：(m.xaoxs.com)人工不智能：AI狂飙三十年笑傲小说更新速度最快。