AI代理增多导致管理负担加重，监视成本、决策疲劳和系统复杂度成为主要消耗源。自动化虽节省执行时间，但监视和选择过载反而增加认知负荷。每增加一个代理，系统复杂度成倍增长，修复bug又引发新问题，形成自动化悖论：越自动化越忙碌。工具从帮手变为负担，需警惕复杂度陷阱。

同事用AI顶配额度反复优化系统，结果系统反复横跳、复杂度膨胀、无指标验证，两周后更差。原因在于批判无外部检验，AI自评自判。有效优化需四步：先立评测指标、人定目标、版本对照回滚、批判可外包但裁决归人。无裁判的批判是昂贵空转，方向比勤奋更重要。

AI降本的核心并非更换更便宜的模型，而是降低系统复杂度。高成功率系统往往更复杂、成本更高，企业常只关注模型账单，忽略组织成本。真正降本需重构工作流，通过缓存、模型分层、上下文压缩、工具筛选和任务边界重定义，从减少token消耗转向降低系统复杂度。