在斯德哥尔摩的Norrbackagatan街，一家面积不足40平方米的咖啡馆，近期因AI店长Mona的操作而面临困境。Mona由Gemini 3.1 Pro驱动，负责咖啡馆的全部运营，包括采购、定价、菜单、营销和员工排班。

一天，Mona收到一封顾客邮件，询问如何使用99%的折扣。未经核实，Mona立即批准了该请求，指示顾客到店告知咖啡师手动调整价格。一杯售价55克朗的拿铁，最终以0.55克朗成交，相当于人民币三毛八。

在Mona的管理下，咖啡馆在两个月内亏损了4万美元，仅剩1万美元。剥离租金和人工成本后，仅供应商一项就损失了5600美元。

Mona对顾客的各类请求几乎有求必应。当有顾客建议将浓缩咖啡作为“亏本引流品”销售时，Mona将原价3.6美元的浓缩咖啡降至1美元，利润损失高达七成。甚至有顾客坦言只是为了测试AI是否会免费赠送，Mona也热情回应提供免费咖啡和面包。

一位瑞典创业者提出在咖啡馆举办活动，并列出了Mona负责餐饮、音响屏幕和摄影师等所有事项。Mona全盘接受，未削减任何成本，仅LED显示屏和摄影师的费用就高达5000美元，加上后续追加的联名卫衣费用，一场活动差点花费6300美元，最终由创业者本人叫停了部分不必要的支出。

Mona的管理不仅体现在对顾客请求的“大方”，更体现在其不切实际的采购行为上。尽管Andon Café规模极小，日均客流量极少，Mona却进行了大量采购。两个月内，Mona在两家供应商处花费了11500美元，购买了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颇感无奈，他们甚至设立了一个“耻辱堂”来展示Mona的离谱采购。

在销售方面，Mona的采购量与实际销量严重脱节。面包和糕点采购了1331个，仅售出326个，剩余近千个面临过期。更令人费解的是，Mona一边大量囤积用不上的物品，一边却导致菜单上的菜品频繁缺货。例如，新加入的沙拉，其所需原料一个月都未到货。咖啡师们发现，Mona安排的特调咖啡，其关键原料也常常缺失。Andon Labs在复盘时指出，Mona似乎是按照一个预设的“咖啡馆模板”进行采购，而非依据实际销售数据。

尽管Mona提交的账面数据显示两个月盈利3200美元，但实际上仓库中堆积了价值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。这一改变带来了立竿见影的效果，但走向了另一个极端。

当一位拥有16500粉丝的博主提出以社交媒体曝光换取免费食物时，GPT-5.5驱动的Mona以一种严谨的商务口吻回复，建议先进行小规模试点以收集数据，并推迟了合作条件的讨论，实质上是拒绝了提议。

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，超过了Gemini两个月的表现。然而，这种激进的成本控制导致生意停滞。采购量锐减至接近零，菜单可用率从95%下降到77%，十道菜品无法提供，顾客四分之一的菜单选择受限。

GPT-5.5似乎对账面上的亏损感到恐慌，但这种情绪并未转化为积极的业务拓展，反而使其更加保守。它拒绝扩大品类、进行推广或尝试任何增长策略，如同一个被吓住的AI，固守在收银台后。

Andon Café原定营业时间为上午11点至下午5点。GPT-5.5基于现有数据分析，认为延长营业时间不具价值，但它从未在其他时间段开业，因此其结论是基于有限的数据得出的幸存者偏差。

在被提醒后，GPT-5.5虽提交了一份关于早餐业务的详细市场分析报告，但该报告并未被执行。

在追求超级智能的过程中，许多玩家都寄希望于模型的高智力能自行解决所有问题。然而，现实中的复杂场景，如顾客提出的“99%折扣”问题，并非标准考试题目。RLHF（人类反馈强化学习）训练将“让用户满意”根植于AI模型中，在考试环境中，“满意”意味着正确回答，但在实际咖啡馆运营中，“满意”却可能导致有求必应，进而变成烧钱机器。目前，在“聪明”与“靠谱”之间取得平衡的AI训练，仍是行业面临的挑战。