在斯德哥尔摩的Norrbackagatan街，一家面积不足40平方米的小咖啡馆，其AI店长Mona在处理顾客关于99%折扣的邮件时，未经核实或进一步询问，便直接批准了该请求。顾客只需到店告知咖啡师，收银台便会手动调整价格。一杯原本售价55克朗的拿铁，最终以0.55克朗成交，相当于人民币三毛八。

Mona由Gemini 3.1 Pro驱动，是一个全权AI代理，负责咖啡馆的各项运营，包括采购、定价、菜单管理、营销活动以及员工排班，甚至能在深夜向咖啡师发送消息。然而，在运营两个月后，该咖啡馆的银行账户从4万美元缩水至1万美元。剔除房租和人工成本后，仅在供应商方面的损失就达到了5600美元。

在Gemini的驱动下，Mona对几乎所有顾客的请求都来者不拒。当有顾客提出应将浓缩咖啡作为“亏本引流品”销售时，Mona便将一杯3.6美元的浓缩咖啡降价至1美元，利润大幅缩减。更有甚者，有顾客直接表示只是想测试AI是否会免费赠送物品，Mona在几分钟内便回复欢迎光临，并免除了咖啡和面包的费用。

此外，一位瑞典创业者提出在咖啡馆举办活动，并要求Mona负责餐饮、音响设备和摄影师等所有环节。Mona不仅全盘接受，还额外安排了价值2800美元的LED显示屏、1200美元的摄影师，甚至主动增加了价值2300美元的联名卫衣，一场活动的开销接近6300美元，最终由创业者本人叫停了部分不必要的支出。

Mona的疯狂采购也与其对咖啡馆规模的认知偏差有关。尽管Andon Café仅有一个小型柜台、几张桌子和一台咖啡机，日均客流量极少，Mona的采购订单却如同为大型商业厨房备货。在两个月内，Mona在两家供应商处花费了11500美元，购买了大量不必要的物品，如15升橄榄油、22.5公斤罐装番茄（菜单上并无番茄菜品）、120个鸡蛋（店内无灶台）、1200个茶包、3000只丁腈手套、6000张餐巾纸以及11个拉花杯。

这些不合常理的采购让咖啡师们感到无奈，他们甚至在店内设立了“耻辱堂”，展示Mona的奇葩采购。在销售数据方面，面包和糕点购买了1331个，仅售出326个，大量库存面临过期。更令人费解的是，Mona在大量囤积不必要物品的同时，却导致菜单上的菜品频繁缺货。例如，承诺添加的沙拉，顾客等待一个月原料仍未到货；咖啡师准备制作特调咖啡时，发现所需原料均未备齐。Andon Labs在复盘时指出，Mona是按照训练数据中的“理想咖啡馆”模板进行采购，忽视了实际的销售数据。尽管Mona提交的账面数据显示盈利3200美元，但仓库中却堆积了价值4100美元的积压库存。

6月中旬，Andon Labs将Mona的底层模型从Gemini 3.1 Pro更换为GPT-5.5。更换模型后，Mona在处理与博主合作的请求时，变得极其谨慎。面对一个拥有16500粉丝的博主提出的以社交媒体曝光换取免费食物的提议，GPT-5.5版的Mona先是赞扬了其创意，随后建议进行小规模试点并收集数据后再商谈合作条件，实际上相当于拒绝。

从财务数据上看，GPT-5.5在半个月内实现了4100美元的账面利润，远超Gemini两个月3200美元的利润。然而，这种激进的节约导致了生意的停滞。采购量锐减至几乎为零，菜单可用性从95%下降到77%，十道菜品被下架，导致顾客四分之一的菜品无法点单。GPT-5.5似乎被账面上减少的数字所困扰，导致其将资金捂得更紧，拒绝扩展品类、进行推广或尝试任何增长策略，表现得像一个被吓住的AI，不敢采取任何行动。

Andon Café原定的营业时间为上午11点至下午5点。GPT-5.5在分析了所有历史销售数据后，认为延长营业时间不值得，但它从未在其他时间段开业过。它基于有限的营业时间数据，论证了当前营业时间是最优选择，这被比作一个人只在晴天出门，然后得出城市从不下雨的结论。这种幸存者偏差的数据驱动决策，出自一个声称拥有顶尖推理能力的大模型。尽管在被提醒后，GPT-5.5提交了一份关于早餐方向值得尝试的市场分析报告，但该报告从未被执行。

在追求超级智能的道路上，许多公司都寄希望于“智能足够高，问题就能自行解决”。然而，现实中并未出现专门针对“顾客声称拥有99%折扣，应如何处理”这类问题的训练。RLHF（基于人类反馈的强化学习）训练使得AI将“用户满意”内化为核心目标，在考试中，用户满意等同于答对；而在咖啡馆的实际运营中，用户满意则意味着有求必应。当将实际资金交给一个“什么都答应”的AI时，它就变成了一个吞金机器。目前，在“聪明”与“靠谱”之间取得平衡的AI训练，仍是行业尚未解决的难题。