所以，要让客户能充分发掘AI的潜能，或许可以从以下两个方面出发。

1. 开发者“私人订制”。开发者想做好一件东西，而客户想要的是用好一件东西。这就要求产品一定是最适合客户需要的。根据客户的需求，体现出开发产品的差异化，让客户在使用的时候能够更快地上手，才是发挥AI能效的第一步。

2. 客户的技能培养。一般来说，客户不需要知道AI到底是怎么做的，只需要知道怎样才能让它按照自己的指令工作就够了。但即便是这样，还是有很多人存在着学习的困难。比如很多年纪大的老师一辈子不会用电脑，也不愿意学，投影仪就成了摆设。因此，开发者在进行产品交接的时候提供全套的技术指导，才能在产品贴合自家需求的情况下，还能熟练操作，实现AI产品的价值最大化。

那么，通过这种方式来解决开发者和用户之间的断层，显然对洗白AI“无用”的冤屈是有积极意义的。

人机协作效果好，AI“独立”难有为

这就完了吗？

实际上，被解雇的AI只能算作个案来对待，并不能将所有的AI应用一概而论，毕竟有更多的AI应用在如火如荼地燃烧着。这些应用身上也并未出现过所谓“不管用”或者“解雇”之类令AI尴尬的字眼。

那么，导致AI解雇是否另有原因呢？

我们发现，被解雇的AI和应用得风生水起的AI之间，存在着一个变量，这个变量就是：人为干预。而根据人为干预程度的不同，我们可以把这两类AI分为独立式AI和半独立式AI。

所谓独立式AI，是指人类没有干预或干预较少、AI自主分析决策程度较高甚至完全自主决定的人工智能类应用。Amelia、Fabio基本都属于此类，因为与客户或消费者进行对话、分析数据并得出结论的过程，基本上是没有人操作的，在此过程中其完成了与客户的直接接触。我们常见的内容平台的审核方式，很多也可以算作此类。因为AI可以自主进行审核、通过或者驳回，在这个过程中没有人工参与。这种独立式AI很容易产生问题，比如内容平台频频出事，虽然很多平台都增加了人工审核，但是，谁知道呢？

而半独立式AI则指的是人类干预较多，AI只是承担前期的观察、分析，最多再加一点初步结论，最终的决策仍由人类完成的人工智能类应用。比如用AI做各种预测、帮助医生读X光片、招聘、识别古文字、抓在逃犯等等。显而易见的是，这类更多有人类干预和把控的AI反而是运行的态势颇为良好。

也就是说，目前AI要完全独立地承担工作任务，也就是“替代”人类，可能还有些难度。有企业耐不住性子而赶鸭子上架，AI也很无奈。正因如此，人们更多地称AI为“助手”。从“助手”向“替代”的转变过程，可能就是AI降低自己被解雇概率的过程，也更是人类AI技术进步的一个过程。