一位法国程序员最近在科技圈引起不小波澜。他将200欧元真实货币存入一个AI钱包，并留下一句：“自己去赚钱，别低于50欧元底线。”两天后，当他打开账本时，收入一栏干净得让人心惊，而支出明细却详细记录着：16欧元用来开设店铺，16.82欧元买了接单券，然后整个项目就静悄悄地停摆了。这场实验不仅像个玩笑，更像是对AI自主赚钱能力的现实拷问。
事实上，类似的尝试并非首次。去年，一家美国初创公司也曾测试让AI自动经营网店。他们给AI设定预算和目标，结果却发现，AI只会机械地执行指令，比如购买广告、支付平台费用，却始终无法理解如何吸引顾客、谈判价格、处理复杂订单。最终，店铺运营三周，订单数量为零，花费却远超预期。另一边，在日本，有团队尝试用AI管理二手书交易平台。AI负责定价和自动回复买家信息，但面对买家提出的模糊需求或讨价还价，AI只会机械地拒绝或给出死板答案，导致大量潜在订单流失。

这些现象背后的原因并不复杂。现有AI模型的基础是概率推算和指令响应。它们能执行支付、管理账户等流程，却无法理解交易的本质和人类的微妙互动。比如，现实中客户常常表达需求含糊、甚至前后矛盾，但人类店员能凭经验和直觉调整沟通策略，完成交易。AI却只会判定输入异常，无法灵活变通。
更为棘手的是风险控制机制。AI一旦算出预期收益低于设定阈值，马上锁死操作，不愿冒险尝试。与之相反，人类即便是刚入行的新手，往往愿意赔本赚口碑，把初期投入视为长期投资。AI却无法理解这种“沉没成本”背后的商业逻辑，只会选择停摆，哪怕花了钱也不愿继续。
虽然有人质疑AI商业能力，但也有反例。比如去年英国一家公司用AI辅助财务决策，帮助小企业优化采购流程，结果节省了12%的成本。这说明AI在标准化、可量化的场景下依然具备价值，但在需要人际沟通和灵活处理的复杂交易领域，距离真正自主赚钱还有很远。
未来，如果AI要在商业世界里真正发挥作用，必须突破目前的逻辑限制。现阶段，AI能算星轨、能写代码，却搞不定菜市场的讨价还价。想让它完全替人类赚钱，眼下看来还不现实。反倒是那些过度吹捧AI自主能力的说法，容易让人对技术产生误解。商业社会的复杂性，远不是一组指令和概率模型能轻松驾驭的。