作者：王林Lincoln | MindsLeap创始人 | Founders Space合伙人 | 企业家AI俱乐部创始人
"现在构建AI的成本从来没有这么低过。生态系统已经崩塌，但维持它运转的成本，完全是另一回事。"
说这句话的，是南美最大航空公司LATAM的AI负责人Nico。他站在LangChain Interrupt 2026的舞台上，开场没有讲模型选型，没有讲框架对比，而是抛出了两个数字：去年LATAM运送了8700万乘客，而航空公司的利润率只有3%到5%。
相比之下，一家SaaS公司的利润率通常在20%左右。差了一个数量级。
更关键的是，LATAM每一块钱的运营成本中，有31%是航空燃油。而燃油价格在过去一年翻了一倍。
"在这个行业里，每一块钱都在和航空燃油竞争。"
这句话，是理解LATAM全部AI实践的钥匙。
一个航空公司的对话，为什么值每一分钱
Nico给台下的人算了一笔账：就在演讲进行的这段时间里，大约有6000名乘客正在乘坐LATAM的航班。演讲结束时，他们的AI智能体会收到数千次交互。
"我们一直在试图回答一个问题：所有这些对话里，知道哪些我们不知道的东西？"
这不是技术人的浪漫提问。在3%利润率的行业里，每一次交互要么创造价值，要么损失价值。没有中间地带。LATAM的逻辑很直接：如果要在不增加成本的前提下提升收入，唯一的杠杆就是把每一次交互做透。
于是他们做了一个在航空公司看来几乎激进的决定：在App里部署一个面向消费者的AI智能体，叫LATAM Concierge。
这个智能体帮乘客规划行程、查找航班、搜索酒店、发现目的地体验。Beta上线第一个月，52000名用户涌入。这让LATAM成为拉丁美洲第一家在如此规模上部署AI智能体的航空公司。目前，每天约有4000名用户在与Concierge对话。
15%的浪费，藏在每一次"多此一举"里
技术负责人Claudio接手后，讲了一个关于架构演进的细节。
Concierge的底层架构是LangGraph，采用了"超级智能体"模式：一个总控监督者（supervisor）不亲自干活，而是把任务分发给多个专业智能体——航班、预订、目的地、活动、保险、客户服务，各司其职。
但这个架构不是一开始就长这样的。
最初，LATAM用的是"分流-交接"模式：一个分流智能体判断用户意图，然后把控制权直接交给对应的专业智能体，由专业智能体负责最终的结构化输出。
效果不错。直到他们用LangSmith做了深度观测，发现了一个隐蔽的效率黑洞：每一个步骤都在做结构化输出。测量下来，仅这一个习惯就带来了约15%的延迟和Token消耗浪费。
修复方式很克制：保持相同的智能体，保持相同的输出质量，但改成交由唯一的监督者负责最终格式化。
同样的能力，同样的质量，成本降低15%。
Claudio没有把这个写成技术胜利。他说的是："当你生活在一个每一块钱都要和航空燃油竞争的环境里，你总是在寻找效率。"
13%的"越界对话"，不是用户的问题
第二个故事更有意思。
LATAM发现，发给Concierge的消息中，有13%被分类为"超出上下文"——即不属于智能体设计的服务范围。团队的第一反应很正常：用户在测试系统、跑题、甚至让Concierge写Python代码，这很正常。
但13%的比例太高了。他们决定用LangSmith深入挖掘这些对话。
结果出乎意料：95%的"越界"问题，都是乘客的真实需求。他们在问值机问题、行李规则、LATAM Pass会员权益、特殊服务。
模型没有出错，架构也没有出错。问题更简单也更致命：他们只是从来没有把Concierge设计成能处理这些需求的样子。
今年，LATAM把客户服务智能体接了进来。"越界"消息比例从13%大幅下降，用户回访率提升了6.6个百分点。其中12%的对话现在顺畅地流向了客户服务智能体。
这个教训很朴素：只有深入理解你的应用内部到底在发生什么、信息在怎么流动，你才能解决这类问题。
当对话成为产品
到这里，故事如果停住，它只是一篇"如何用LangChain和观测工具优化智能体"的技术分享。但LATAM往下走了一步。
他们做了一个叫Compass的平台。核心理念只有一句话：智能体本身不够。对话确实有价值，但前提是你能在大规模下从中提取出结构化的信号。
Compass把各种非结构化数据——UX研究访谈、客服中心通话转录、智能体对话记录、甚至法律文件——输入一条流水线，经过解析器转换、映射器识别关系（默认用Gemini Flash，复杂本体用Pro）、建模器存入BigQuery Graph的知识图谱。
他们定义了一个"本体"（ontology）概念：就是帮助LLM解析数据的不同概念和关系。
两个例子能说明它的力量。
一个团队之前手动用ChatGPT处理上千份UX研究访谈，生成结构化数据填入Google Sheet。接入Compass后，工作量从几周压缩到几天，本体覆盖率接近98%。
另一个团队已经对自己的法律合同解析流程很有信心，甚至和业务团队验证过。但用Compass做了一次对比后，Compass做得更好。团队发现，问题出在业务对"什么是重要信息"的定义本身就存在偏差。
Nico在结尾说了一句值得所有企业家反复咀嚼的话：
"当你和乘客有上百万次交互时，聊天机器人或智能体已经不再是产品了。产品是你从所有这些交互中获得的智慧和机会。"
飞轮不是概念，是约束逼出来的
LATAM的整个AI体系，现在形成了一个闭环：上百万次乘客交互产生数据，通过观测工具知道什么有效、什么无效，再通过Compass提取结构化信号，用分析能力反过来优化正在运行的智能体。
这个飞轮不是凭空想出来的，而是被3%到5%的利润率逼出来的。
"这些约束不是劣势。我们认为，正是这些约束迫使我们创造出今天真正强大的东西——一份文档的处理成本只要一分钱。"
Nico给了三个判断：
AI确实变得非常便宜了，但在一个高度监管的行业里，规模化运营它——犯错是有后果的——这才是真正的价值所在。
下一个分析瓶颈不是算力，而是获取和处理非结构化数据的能力。
当智能体承载了上百万次交互，它就不再是一个功能，而是一面镜子，折射出客户真正需要什么、在意什么、愿意为什么付费。
对中国企业的一点提醒
LATAM的故事，容易被读成两个极端：要么"航空公司都在搞AI智能体了，我们必须跟上"，要么"人家有五年自研平台Cosmos，我们学不了"。
两种都错过了重点。
LATAM真正做对的一件事，不是选了哪个框架，也不是建了多厉害的平台，而是他们从一开始就把观测层嵌进了系统。"我们从第一天就把LangSmith作为观测层放进去，正因为如此，我们才能迭代架构。"
没有观测，就没有数据。没有数据，就没有从15%浪费中发现问题、从13%"越界对话"中发现真实需求的能力。飞轮转不起来。
对于中国的企业家来说，LATAM的实践传递的信号不是"快上智能体"，而是"先想清楚你的每一块钱在和什么竞争"，以及"你现在的系统能不能告诉你，用户对话里藏着哪些你不知道的东西"。
这个问题，和利润率3%还是20%无关。和你所在的行业是什么有关。
关于 MindsLeap 心智悦动
MindsLeap 心智悦动是 AI原生组织转型加速平台。
我们与硅谷创新孵化器 Founders Space 深度合作，持续连接全球 AI 前沿认知、硅谷科技创业生态与中国企业家的真实转型场景。
围绕 AI 原生组织建设，MindsLeap 正在构建一个面向企业家、创业者、AI 工程师、产业专家和投资人的转型生态，帮助企业把 AI 从认知、战略和工具，真正落到组织能力、业务流程、产品创新和增长系统中。