模型边界：那条不存在的线

每个 AI 产品经理都遇到过这样的对话：

业务方："这个功能我们让 LLM 做不就行了？" 工程师："模型不行。" PM："……能行的，再调一调。"

三个人在同一个会议室里，但讨论的根本不是同一件事。

"能"是一个二维问题

业务方说的"能"，是"输入→输出，看着像那么回事"。 工程师说的"不行"，是"在你给的成本/延迟/置信度约束下，不行"。 而我作为 PM 真正要回答的问题，是第三个维度："用户拿到这个输出后，会不会做出我们不希望他做的决策？"

"

LLM 没有边界，边界是产品定义出来的。

"

举个例子。同样是"AI 解读体检报告"：

• 场景 A： 用户拿到结果当成"参考一下，明天去医院问医生"——产品做错一点没关系
• 场景 B： 用户拿到结果就决定"我不去医院了，按 AI 说的吃药"——产品做对一点都不够

模型本身的能力曲线在两个场景里一模一样。区别在产品怎么把它包装、放在哪个交互节点、配哪些兜底机制。

边界由四件事共同决定

1. 场景——用户在什么状态下接触到这个输出
2. 置信度呈现——你是给一个答案，还是给一个带不确定性的判断
3. 退出路径——当模型不靠谱时，用户有没有一个明显的"我去问真人"的出口
4. 责任归属——用户/产品/医生，谁为这次决策负责

四件事任何一件没设计好，"模型能力"再强也没意义。

所以怎么回答开头那个问题

下次再有人问"LLM 能不能做这件事"，我会反问：

• 谁在用？
• 用完去做什么？
• 错了谁兜底？

这三个问题答完了，"能不能"自然就清楚了。