诈骗园区用AI，为什么比企业快？ 违法组织接入AI更快，不是因为管理更先进，而是因为现成流水线、即时反馈、决策离现场更近，也把风险和代价推给了别人。企业真正该拆掉的是重复等待，不是必要审批。 #妙瓦底 #AI转型 #AI落地 #企业AI #产品经理

三个人忙了两个多月，一台服务器都没打进去，对面只用了一晚，就把同一条攻击路径写进自动防御脚本，第二天所有节点完成更新，这听起来很刺耳。为什么违法的诈骗园区接入新技术和AI的速度反而比很多正规企业快？先把一句话放在前面：这不说明他们管理先进，更不意味着企业该照着学。速度差来自四件事：现成流水线当天可见的结果、离现场很近的决策，还有被推给别人的代价。 先看一套已经在运行的AI工作台。美联社和Front Line联合调查里，一名被贩运到缅甸诈骗园区的工人带出了一个月的工作记录，记录涉及至少十七个国家，大约五万名目标。他一个班次要同时维持一百多段聊天，背后还挂着几十个不同身份，而不是靠记忆硬扛。KT和007TG两套软件，把ChatGPT、Gemini接入同一张工作台，模型帮他生成回复，维持虚构身份，实时翻译一百多种语言，系统还会保存聊天进度和目标资料。人可以换班，身份和对话却不会跟着清零。这里必须说清楚，这些人不是来正常上班的，他们被贩运、被监视，做不好还会遭受暴力。后面所有关于速度和效率的讨论都不能盖过这个前提。 问题来了，这种快只发生在聊天环节吗？聊天只是其中一环，基础设施被切断以后，替代方案也会很快补进来。2025年10月，Starlink切断缅甸诈骗园区附近两千五百多台终端，当地使用量一度大幅下降，随后又开始回升。上一轮打击之后，缅甸至少出现或显著扩张了二十五个新园区，其中至少十三个使用过Starlink、IP、AI工作台、自动防御通信网络。新园区分属不同环节，他们共同暴露了一件事：只要一项技术能增加产出或者让业务继续运行，它就会立刻进入现场。 很多企业走的是另一条路：业务部门先提需求，产品和技术评估、信息安全检查、法务和采购介入，再开发一版POC，最后等业务验收。每一步都有自己的理由，几个月也就过去了。两边最先拉开差距的，是有没有现成流程可以接。这里用的也不是另一代模型，诈骗园区在拿到ChatGPT以前，就已经有一条成熟流水线：找目标、建身份、准备话术、持续聊天、筛选意向、交接下一环节，岗位分工、聊天记录、员工考核和操作界面也早就存在。所以AI不需要重新发明业务，翻译慢就接入实时翻译，一个人顾不过来就让模型先生成回复，几十个身份容易串线就让软件保存人设和聊天进度。而且园区不一定自己开发，KT和007TG是外部公司做出来再卖给诈骗团伙的软件。联合国毒品和犯罪问题办公室也描述过，这条供应链上，大型诈骗中心周围已经聚集了数据、软件、支付、通信和洗钱等专业服务商。他们买到的是能直接工作的产品，省掉了从模型研发到产品部署的大段时间。不少企业却反过来，先采购模型，先搭平台，先办创新大赛，然后再问业务部门有没有AI场景，流程还没整理清楚，AI最后只能停在聊天窗口里做演示。 还有一个差别是反馈有多快？诈骗工作台做的事儿很具体：回复快了多少，一个人能维持多少段聊天，跨语言沟通能不能继续，这些变化当天就会出现在工作台里，不好用马上换，好用第二天就可以推给更多人。企业项目里，模型指标和业务结果之间常常还隔着几层：技术团队测试回答准确率，关心的却是合同审得快不快，投诉有没有解决，销售有没有少做重复工作。技术指标过了，接口权限、岗位和责任人还没有接上，收益就迟迟看不见。 正规企业是不是注定做不到这种快？反馈并不是神话。美国国家经济研究局研究过五千一百七十九名客服人员使用生成式AI助手的情况，工具直接嵌在客服对话流程里。上线后，客服每小时解决的问题数平均提高百分之十四，对经验较少、原本表现较弱的员工提升达到百分之三十四。这里没有神秘方法，客服流程本来就存在，任务大量重复，AI嵌在原来的工作界面里，结果还能用每小时解决多少问题来衡量，流程稳定、反馈够快、结果可测，正规企业一样能让AI进入生产。 再看审批，警方案例里发现，通过跳板机以后需要扩大取证范围，重新获得合法授权。顺着跳板机找到新域名和IP，还要再走一遍程序，批复下来，IP可能已经换了，域名也可能注销了。我们知道程序保护执法边界，不能因为耗时就删掉。对方的自动防御没有同样的运行时等待，脚本可以直接更新所有节点，所以速度只能说明等待少，说明不了管理是否先进。正规企业也必须保留安全合规和责任审查。问题在于，有些公司把所有动作都送进同一条审批链：查一份内部资料和对外发一条消息走同样的流程，生成会议摘要和修改客户价格接受同样的审查，把所有动作放进同一条队伍，只会造成拥堵，并不会自动提高审查质量。企业该拆掉的是重复解释、职责不清和低风险动作的反复等待，该保留的是会影响客户资金、数据和核心权限的边界。 还有一笔账不能漏掉：诈骗园区之所以快，有很大一部分是因为它能把代价推给别人。模型说错话，损失由受害者承担；工具侵犯隐私，园区不会主动做合规审查；员工适应不了系统，管理者甚至可以用暴力逼迫；业务失败，责任也不会沿着正常公司治理追到决策者身上。正规企业必须为错误负责：AI发错报价、泄露客户数据、错误拒绝贷款或者误删生产数据，都会变成赔偿、监管处罚和品牌损失。企业慢下来的时间里，有些是在保护客户，也是在保护自己。 而且通用技术本来就需要配套改造，经济学家用生产率J曲线解释过这种现象：投入会先发生，收益往后才出现。企业要整理数据、开发接口、划分权限、培训员工、调整岗位，还要决定出错以后谁负责。这些工作不会出现在POC的模型演示里，却决定AI能不能进入生产，这类时间不能硬砍。该处理的是同一份背景向五个部门重复解释，项目有技术负责人却没有业务负责人，低风险和高风险动作挤在同一条审批队伍里。 到这里，企业AI为什么慢就可以拆清楚了：第一，从一条高频流程开始，客服、工单、合同初审、设备告警、销售资料整理都可以。先问清楚谁每天在做哪一步，耗时多少，结果怎么判断，再指定一个对业务结果负责的人。第二，把AI放进员工已经使用的工作台，如果员工还要复制资料、打开另一个网页、重新交代背景，再把答案踢回原系统，AI只是多了一个窗口。让它读取当前任务的信息，再把结果写回原来的工单、合同或客户记录，员工才不用在几个系统之间来回搬运。第三，按照风险给动作分级：查询内部资料、整理信息、生成草稿，可以提前授权并自动留痕；对外发送、调整报价、小额补偿，可以增加一次人工确认；付款、删除数据、修改核心权限，继续保留双人审批。 下一次评审AI项目，先问四个