AI 能写建议了，为什么执行还需要人签字？

建议与执行之间，隔的不是技术，是责任。

设想一个跨境增长团队正在问："AI 的建议看起来挺对的，能不能让它直接改？"

我会先问一个问题：如果它改错了，谁能停下它？

这不是保守。这次公开讨论中出现了多种"建议很好、执行很糟"的事故：匿名帖子提到重复退款、未确认的自动修改、自动素材展示等风险。转述未经独立核验，适合用来提出检查问题，不能据此断言平台机制。

这些讨论不足以判断每次事故的根因，却提出了同一个设计问题：建议和执行之间有没有检查点。

这篇文章拆开我们建议采用的三层检查：证据门、结构化审批、可回滚执行。它适用于任何"让 AI 从写建议走向动钱"的团队。

同一订单，重复处理了三次？

一、先把话说清楚：建议与执行是两种授权

在系统设计里，建议与执行是两件完全不同的事。

• 建议：读取数据，给出分析、假设与选项。它需要合法的数据访问权限，也需要证据；它不额外获得执行权限。
• 执行：改预算、改出价、改素材、发消息、退款。它动的是真钱、真客户、真信任，必须同时满足三件事：证据充分、有人签字、能够回滚。

把这两件事混为一谈，是当前 AI 营销工具里最贵的误解。很多产品的卖点是"AI 自动优化"，默认把执行权送给了模型。商家应当在执行前知道哪些设置会变，并能找到对应记录。

所以我们的第一条原则是：建议可以自动，执行必须分级授权。

二、证据门：证据不足时，系统必须说"我不知道"

2.1 把承认证据不足纳入验收

研究包中的独立评估讨论了模型在知识难题上的猜测与弃答。这里取其评估原则：允许承认证据不足，不把基准成绩外推成营销错误率。

这件事对营销场景的伤害被低估了。另一个未经独立核验的公开帖子描述：一位老板把代理机构的报表交给 AI"审计"，AI 给出了非常自信的结论——代理做得不好。老板差点当场解雇代理。而那份报表本身标签是错的，样本还不到 20 个转化。AI 在证据不足的时候没有说"证据不足"，它给了一个听起来很对的判断。

另一个未经独立核验的公开帖子称，一个冷邮件团队发现：他们回复率最高的文案，实际上是注册转化最差的；回复率最差的那条，才是真正带来付费客户的。如果让 AI 只围绕回复率优化，它会持续放大这个错误——因为它没有被告知"注册转化"才是真正的目标。

2.2 证据门四问

在我们的方法里，任何一条要动钱的建议，先过四个问题：

• 口径是什么？ 分子分母、时间窗口、币种、样本范围必须一致。同一行对比里的数字必须共享口径。
• 样本够不够？ 转化量、观察周期、成熟度。样本不成熟时，结论应该推迟并设置复查日，而不是放大。
• 反例看过没有？ 有没有与结论相反的证据被忽略？收入口径的退单、退款、取消是否已剔除？
• 这个数字改变哪个决策？ 如果它不改变任何决策，它就不是证据，只是仪表盘上的装饰。

四个问题答不齐，我们就不执行，只输出修复路径。

2.3 "证据不足"是被激励的正确输出

模型评估可以把弃答纳入考察，但这不直接证明营销任务的表现。一个可采用的设计是：人工审批超时或不可用时，默认不执行。这意味着"不做"是系统设计里的合法状态，而不是故障。

我们内部有一条更硬的规则：数据缺失时，系统输出"证据不足"，不许编数字。 比如预算分配比较，我们要求先冻结一份"单位经济学护照"——价值口径、贡献口径、增量证据、库存、现金、审批与回滚边界全部锁定。证据不足或不可比，就不做比较，只给出修复路径。

三、结构化审批：弹窗不是控制，签字才是

3.1 审批疲劳是量化的失效模式

公开讨论提出审批疲劳风险。这些讨论不构成营销审批率基准，我们需要检查的是负责人是否看懂了具体动作。

这意味着："让人审批"本身会随着疲劳而失效。 人会习惯性点同意，会在第五十个弹窗后放弃思考。审批如果只是一串弹窗，它不是控制，是仪式。

3.2 审批对象必须显式化

有效的审批要留下能让负责人核对的决策记录。实践共识是，审批单至少要写清：

• 拟执行的动作：改什么、从什么改到什么、作用于哪个对象；
• 当前状态与精确参数：执行时的状态快照，防止审批后状态漂移；
• 所依据的证据：这条建议为什么成立，引用哪些证据、什么口径；
• 失败与不确定处理：证据不足、执行失败、审批超时分别怎么办；
• 回滚路径：改错了怎么撤，撤不掉的动作怎么办；
• 负责人：一个有名有姓、有切身利益的人，而不是"运营部"。

社区里有一句话我们很认同：审批如果只存在于提示词里，它就等于不存在。某企业把"未经 review 不许合并"写进提示词，结果一个周五晚上 Agent 合并了六七个未审 PR，把数据库搞挂了。规则必须做进系统——权限、分支、服务器，而不是写进一段话。

3.3 分级授权：可逆性 × 影响

不是所有动作都需要同等级别的审批。我们用两轴分级：

• 可逆性：动作能不能撤销？撤销成本多大？
• 影响：动多少钱？影响多少客户？涉及什么不可逆结果（退款、权限、下架）？

低风险象限（只读、写草稿）可以放开；高风险象限（预算、出价、退款、发布）必须有命名审批人。金额越大、越不可逆，审批链越长。审批无响应时，默认拒绝。

四、可回滚执行：审计是商家最后一件武器

4.1 没有记录的动作就是事故

平台自动应用的改动不进标准变更历史，是公开讨论中需要核查的风险信号之一。因为审计是商家最后一件武器：出了事，你至少要能证明"这不是我们干的"，并且能把它改回去。

我们的做法是 staged action + changelog：

• 分阶段：把一个"优化"拆成可观察的小步骤，每一步单独评估、单独审批；
• changelog：每一步带证据、风险等级、审批要求、幂等键和回滚说明；
• 观察窗口：按转化延迟设置评估窗口，窗口内尽量保持其他条件稳定，记录变化；前后对比本身不能证明因果。

4.2 行业里"真人工门"的判据

怎么判断一个产品宣称的"human in the loop"是真的？用三问：

• 人能停止吗？——执行过程中，人能不能及时叫停？
• 人能撤销吗？——执行之后，人能不能把改动回滚？
• 人能审计吗？——事后，人能不能看清每一步做了什么、为什么做？

三问里撤不回的动作要在审批前说明，并约定停止后续动作和补救责任。

建议之后，执行之前

五、我们如何落地（公开口径）

以下描述的是我们系统的设计边界，不是任何客户案例；所有演示均为合成数据。

七类动作，没有显式审批永远不执行：

• 预算的加减；
• 出价策略的更换；
• 目标 ROAS / 目标 CPA 的改动；
• 广告系列的暂停与启用；
• PMax 资产组与商品范围的改动；
• 可能误伤品牌词或高转化词的负向词；
• Feed 商品数据的编辑。

全部 dry-run 先行；动作记录必须带风险等级、是否需审批、幂等键与回滚说明；停在已批准的本地授权区间内不等于自动放行。

证据门先于一切：任何写类建议先过证据门（口径、样本、反例、决策用途），数据缺失输出"证据不足"，永不编造指标。

演示脚本：AI 读取需求 → 调用工具 → 先展示证据门（覆盖、冲突、缺失）→ 输出 staged recommendation 与 changelog → 人工批准后才有执行。你看到证据，才看到动作。

六、一条建议走完全程（合成示例）

原则落到纸面才有意义。下面用一个合成账户，把"预算调整建议"完整走一遍三层门。所有数字均为演示数据。

场景：AI 系统某日上午生成一条建议——"将广告系列 A 的日预算从 100 提升到 140"。

第一关：证据门。

• 口径：过去 14 天、同一转化目标、同一归因窗口，数字可比——通过。
• 样本：期间仅 11 个转化，低于门槛 20——不通过。
• 反例：执行前 14 天中有 3 天转化挂零，原因未查——不通过。
• 决策用途：提预算是为了放大一个尚未证明的趋势——不成立。

结论：输出"证据不足"，附修复路径：a) 再观察 14 天补齐样本；b) 降级为"带停止线的小范围测试"（预算上限 +20，若 7 天内边际转化不足则按事先批准的规则停止测试或恢复设置）。不执行。

第二关：结构化审批（假设证据已补齐）。

系统输出一张 staged action 卡：拟执行动作（预算 100→140）、状态快照、证据与口径。另列风险等级、审批要求和防重复标识；恢复方案写明降回 100。合成观察窗口为 14 天，期间保持其他条件一致。卡片必须由命名负责人签字；审批超时默认拒绝（fail closed）。

第三关：执行与复盘。

执行后生成 changelog 条目：时间、批准人、动作、依据、窗口截止日。窗口结束对比前后数据并写回结论。若期间发现"3 天挂零"源于结账页故障，立即回滚，并把该反例记入档案——下次证据门会主动核查同类反例。

这条路径要求系统在证据不足时停下，并给出修复路径。

七、常见误区

• 把审批写进提示词。 提示词是愿望，不是控制；审批必须做进系统层（权限、分支、服务器）。
• 用无限弹窗制造安全感。 审批疲劳的公开讨论提示，审批量必须收敛到真正需要判断的动作。
• 把建议质量当成执行资格。 建议写得好只说明读懂了数据；能否执行由证据、审批、回滚三关决定。
• 只关一次开关就以为安全。 平台自动执行可能被重新开启（系统账户重开暂停关键词的案例），需要定期复查与变更历史核对。
• 拿平台数字当自己的证据。 平台报告服务于平台视角；商家必须定义自己的口径、样本与目标（回复率最好的文案未必是注册转化最好的）。

八、给团队的落地清单

第一步：关掉所有没签过字的自动执行。 检查广告账户的自动应用建议、Advantage+ 增强、自动素材开关；把不认识的默认项全部关掉，并记录关闭清单。

第二步：定义自己的证据标准。 每个动钱的动作绑定四问（口径、样本、反例、决策用途）；证据不足时写"证据不足"，并给出补齐路径。

第三步：建立分级审批表。 按"可逆性 × 影响"列出你的动作清单，明确哪些免审、哪些单人审、哪些双人审，并指定命名负责人。

第四步：给人工留一步。 保留一个"这合理吗"的人工检查点，专门审钱、人、信任相关的一步。它负责的是自动化本身不负责的东西。

附：分级审批参考表（示例，请按团队实际调整）

• 动作: 读报表、写分析、出草稿; 可逆性: 高; 影响: 低; 默认要求: 免审，但记录
• 动作: 改广告文案、换创意素材; 可逆性: 中; 影响: 中; 默认要求: 单人审批 + 预览确认
• 动作: 加预算、改出价、调目标 ROAS; 可逆性: 中; 影响: 高; 默认要求: 单人审批 + 停止线 + 观察窗口
• 动作: 退款、已发消息、权限变更; 可逆性: 低或不可逆; 影响: 高; 默认要求: 命名负责人 + 回滚方案 + 复核

附：平台自动执行核对口径（以账户内实际开关为准）

• Google Ads：自动应用建议可关闭；定期复查（存在系统账户重开暂停关键词的反馈），养成看变更历史的习惯。
• Meta：核对账户中实际启用的创意增强及其展示结果；发布前核对实际展示内容。
• Shopify：Sidekick 协助执行多步任务；官方自带 Rollouts 分阶段灰度与 SimGym 先测后发——把平台的分阶段纪律用回平台。
• 邮件/CRM：核对自动优化开关，任何会改 Flow 内容的功能先关掉再评估。

附：落地节奏（建议）

• 第 1–30 天：盘点并关闭所有未签字的自动执行；建立变更历史/审计习惯；给每个动钱动作绑定证据四问。
• 第 31–60 天：按"可逆性 × 影响"完成分级审批表并指定命名负责人；跑通一个合成场景的 staged action 演练。
• 第 61–90 天：选取一条低风险真实流程试点（如草稿→审批→发送的邮件流程），跑满一个观察窗口后再复盘放权范围。

今天先检查这四项

负责人收到审批单之后，还要核对什么

假设今天批准的动作要到明早执行。今晚库存变了，优惠活动结束了，或者同事已经改过同一项设置。原来的分析仍然写得通，执行的对象却已不同。审批单应当有有效期；执行前重新核对状态，发现变化就回到负责人面前。昨天的签字不能无限期覆盖明天的账户。

这也解释了为什么“已经批准”不该只是一个勾。负责人批准的是某个对象、某组参数、某个时间窗口下的一次动作。换了对象、扩大范围、重试次数增加，都可能改变风险。系统应将这些变化列出来，重新请求确认，而不能把旧批准当成通行证。

重复执行需要单独检查。合成退款图里，单次资格检查能回答“这个订单是否满足退款条件”，却不能回答“此前是否已经处理过”。因此流程还要核对已有记录：同一个动作是否提交过、第一次结果是否已确认、重试会不会再产生一次效果。结果不明时，先查状态，再决定重试。把报错直接理解成“没有执行”，就可能在网络超时后重复处理。

回滚只恢复设置，补救还要处理后果

预算从 100 调到 140，再调回 100，只恢复了预算设置。期间花掉的钱不会回来，已经触达的人也不会消失。邮件更明显：可以暂停下一封，可以恢复模板，但收件人已经读到的内容无法撤回。这些差别应写在审批前，而不是出问题后才解释。

因此，审批记录可以把应对分成两行。第一行写“停止与恢复”：谁有权停、停哪里、怎样确认后续动作已停止、能恢复到哪个版本。第二行写“补救与复查”：哪些影响留在外面、谁负责处理、何时确认没有继续扩大。一个系统能把开关拨回去，不代表它能把商业结果拨回去。

对暂时不能安全执行的动作，也要给负责人一个可用的下一步。例如，先生成草稿供人比较，先核对一小组脱敏样本，或者把缺失证据列给数据负责人。停止执行不应只剩一个红色报错；它应当说明缺什么、谁来补、补到什么程度才能重新评估。

先做一次不触达客户的桌面演练

不必一开始就接真实账户。用一张纸写出建议、证据、审批、执行和停止五个位置，拿一个明确标注的合成场景逐项提问：证据缺失时谁收到任务？审批人不在线时会怎样？执行结果未知时会不会重试？状态变了，旧签字是否失效？

演练的验收对象是这些问题有没有明确答案。它不能证明线上稳定，也不能证明效果提升。它能先找出纸面流程里的空白，避免把第一次真实发送或预算修改当作流程测试。下一步的真实试点仍需要相应权限、单独批准的范围、观察窗口和停止责任人。

一张动作卡，先交人确认

结语

AI 会写建议了，而且写得越来越好。

但"会写建议"与"可以执行"之间，隔着证据、审批与回滚三层门。愿意把这三层做进系统的团队，才能在 AI 执行时代守住自己的钱、客户和信任。

如果你正在做跨境增长，想知道自己的哪条流程最适合 Agent 化、证据门该怎么设计，欢迎联系我们聊聊。我们更愿意先给你一套能审计的建议，而不是一个会自动花钱的黑盒。

（本文所有案例均来自公开行业讨论与合成演示，不涉及任何客户数据。）

来源边界：文中的退款、账户改动和报表审阅故事均为匿名公开社区转述，未经独立核验，不是作者的亲历或客户事实。它们用于提出待核查问题，不用于证明平台机制、错误率或商业结果。恢复设置也不能收回已花预算、已发消息或已退资金。

证据锚点：Anthropic 的 Agent 设计说明支持检查点和停止条件的设计讨论；Google Ads 自动应用建议帮助用于核对平台机制。两者都不证明社区帖事故已核实，也不证明 FosterFlow 已上线自主执行功能。

可继续查看优化阶段的服务说明，或交流你需要作出的增长决策。