美国最大的加密货币交易所Coinbase表示，一个约90个案例的支持测试周期，此前需要一到两周的人工搭建与执行，如今可在30–45分钟内完成。该公司工程师于9月21日披露的这一数字，为CEO Brian Armstrong将交易所转型为AI原生公司的努力提供了一个具体的数据点。

这一成果背后的工具名为Autopilot。它用于演练Coinbase支持机器人在处理客户问题时所遵循的规程，并在任何规程变更进入生产环境之前保留人工审批。Armstrong运营模式尚未解决的考验在于：更快的规程开发是否能带来可靠的支持以及对客户账户负责任的操作。

客户需要其账户问题得到正确解决，其数据仅在拥有适当权限的情况下被访问。Coinbase的披露描述了针对这两项需求的工作，同时客户受到的影响尚未被衡量。随着公司自动化更多工作，审批变更、限制权限以及衡量真实结果仍然是运营职责。

时间节省从何而来

Armstrong在5月5日的备忘录中宣布了约14%的裁员，理由是加密市场疲软以及AI正在改变员工的工作方式；另有报道称裁员人数约为700人。他提出减少管理层级、领导者同时直接参与一线工作、组建更小的AI原生团队，以及试行一人团队。

9月的工程披露将这一运营论证落实到了具体的支持流程上。Coinbase表示，其机器人会查询账户状态、执行受限操作，并将需要更高判断力的问题升级给人工处理。Autopilot则帮助维护这些机器人所遵循的规程。

其测试服务会创建隔离的测试用户和模拟账户状态，模拟对话，记录对话转录和工具结果，并根据预期行为对实际发生的情况进行评分。AI代理可以帮助生成测试，由可重复运行的执行器来运行测试。Coinbase表示，它已发布了一套混合系统，将测试服务、运行在GitHub Actions（一种广泛用于执行软件工作流的自动化服务）中的发布门禁，以及工程团队和非工程团队均可使用的界面结合在一起。

正是这种分工使时间对比具有意义。反复搭建测试账户、驱动对话并收集结果，恰恰是共享服务能够稳定完成的重复性工作。只要测试案例和预期结果保持恰当，更快的验证可以使更频繁地检查规程变更成为可能。

所报告的对比仅衡量验证周期，客户响应时间和人员节省不在其范围之内。要将这一周期与裁员联系起来，需要证据说明哪些任务被替代，以及由此产生的成本。

更短的测试周期让Coinbase有更多能力评估变更。这种能力是否能带来更好的支持，取决于测试了什么、审查者如何处理发现的问题，以及最终规程在部署后的表现。

人工审查保留在发布边界

除预期行为的测试外，Autopilot还使用对抗性对话。Coinbase表示，一个AI模型会为这些对话评分，但承认该评判模型可能出错。评分结果会进入人工审查和发布门禁，而不是独立决定某个规程是否可以上线。

发布边界将一个提议中的规程与支持机器人可用于客户的规程区分开来。代理可以建议变更，但生产环境的写入和启用必须由人工批准。这是防止自动化质量闭环在未经审查的情况下自我推送的保障措施，同时也意味着随着系统加速，审查仍然是运营职责。

审批范围应被准确理解。Coinbase的声明涉及支持规程的变更及其启用。它并未表示，人工会批准已部署机器人对单个客户账户采取的每一项操作。

进一步的自动化仍未完成。Coinbase表示，发现、撰写、测试和分析环节已经存在，而从识别出的性能缺口到规程推广之间的编排仍在开发中。用于对话摘要的完全共享契约也尚未完成。这在自动化收益之外留下了集成工作：一个识别薄弱流程、生成修订版本并对其进行测试的系统，仍需要在这些步骤之间可靠地传递信息，并就需要发布作出负责任的决策。

操作权限是独立的控制

Coinbase 8月18日的内部运营披露涉及客户保护的另一部分：谁可以访问客户数据，谁可以更改数据。

该公司将Control Center描述为一个面向支持、合规、法务、风险和工程团队的独立共享平台。Coinbase尚未说明Autopilot是否被其覆盖。在该平台内，授权、审计记录、审批和速率限制位于底层服务之前。

权限检查同时考虑所请求的操作和特定客户。针对客户范围的操作如果缺少必要的客户上下文，将被拒绝。访问权限与已分配的案件绑定，仅限于相关客户，并设有过期时间。

对于指定的敏感变更，包括退款、账户状态更改和限额覆盖，平台将提议变更与执行变更分开。提议进入审查，必须获得所需批准，然后由单独的执行者执行变更。失败情况则保留由人工处理。

这些控制措施回答了对话测试自身无法回答的问题。规程可以描述预期的响应，而授权系统决定调用者是否可以访问相关的客户数据；审批规则决定敏感变更能否继续进行。

Control Center也明确了持续开展的工作。Coinbase表示，包括自动化代理在内的新客户端类型必须纳入授权、审计和速率限制规则之下，并随着调用者的变化重新验证身份验证边界。

要确定这些控制如何适用于支持自动化，需要更清楚地说明哪些机器人和操作会经过权限与审批检查。相关的覆盖度量是受这些规则约束的客户操作集合。

对于AI原生的运营模式而言，其影响是直接的：添加自动化调用者仍然需要有人维护约束其权限的规则。架构可以使这项工作更加一致，但其有效性取决于让每个新的调用者都处于规则之内。与案件绑定的访问权限是一个具体例子：随着案件和调用者的变化，权限必须持续与所分配的工作保持一致。账户边界需要在更快的规程开发中保持稳固。

更多测试仍需要结果度量

将活动与结果联系起来的需求同样延伸到Coinbase独立的持续对抗测试（CAT）安全平台。9月15日，Coinbase报告称自2026年中期以来对其生产环境进行了超过150,000次扫描，超过128,000次针对拟议代码变更的拉取请求审查，以及更多渗透测试（模拟网络攻击）发现的问题得到修复。这些报告的活动和修复提供了安全背景。

测试与部署后表现之间的区分，也是美国国家标准与技术研究院（NIST）2024年7月生成式AI风险概览的核心内容。NIST是美国政府的标准机构，其发布的这一自愿性框架建议在真实场景中评估系统，因为受控测试可能遗漏问题，并讨论了实验室条件与部署条件之间的度量差距。它为评估诸如Coinbase的声明提供了一个通用标准。

Autopilot已经指向客户层面的度量。Coinbase表示，客户意图标签、问题解决和客户满意度信号有助于识别薄弱的高频支持流程。这表明公司认识到完成测试与解决客户问题是不同的度量。

然而，9月的披露并未发布量化的事前事后客户问题解决率或安全性结果。下一步有用的证据应将已部署的规程与这些结果联系起来，并说明测试与权限系统覆盖了多少相关的支持活动。

解决质量有助于说明自动化是否解决了客户的问题。升级表现有助于说明需要人工判断的案件是否到达了人工环节。关于未经授权操作和错误的证据，将比运行测试套件所需的时间更直接地体现保护效果。

所报告的30–45分钟验证周期是工作被自动化的一个具体例子。已披露的审批门禁和访问限制使问责成为运营模式的一部分。要向客户证明其价值，需要将两者与实时支持中的结果联系起来，同时承担这些已披露系统仍然需要的审查与治理工作。