就业正在变灵活，风险却没有跟着变轻。骑手在算法给的时限里赶路，家政阿姨在陌生人的家里干活，上门家教一个人面对一整个家庭。这些活儿没有固定单位，没有 HR，出了事大多只能自己扛。替这些碎片化的风险定价，正在变成一门必需品生意，也是白鸽在线真正在做的事。

这条路已经开始有收入印证。MaaS 业务前三季度收入同比增长 730.4%，第三季度环比增长 29.33%。在多数 AI 公司还在解释自己什么时候能赚钱的时候，这个数字已经落在报表上。同比看方向，环比看速度：存量客户在同一批场景里持续加购，才堆得出这种斜坡，一单大合同做不出这个形状。

10 月 23 日，国办印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》。市场几乎一边倒地把它读成给 AI 应用“限速”，依据是文件里那句“稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏”。但这只是文件的一半。

标题里“就业友好型”才是关键词。文件同时讲了另一面：挖掘 AI 的就业潜能，在劳动力紧缺、环境高危的岗位优先推广；提升职业安全水平，把保障覆盖到新就业形态的人身上。翻成大白话：AI 可以替人干活，但不能把人甩在风险里。

白鸽在线做的正是这类场景。80 类场景里，大量是“没有单位”的活儿：即时配送、同城货运、家政保洁、上门家教、月嫂育儿、装修施工。它们共同的样子是按单接活、按天结算，风险高频、碎片，责任边界模糊。

用传统方式管这类风险，几乎无从下手。没有固定雇主，就没法按月评估；一天接十单，每单的风险都不一样；出了事，责任在平台、在客户、还是在接活的人身上，往往说不清。剩下的办法只有一个：把定价做进每一单里，用实时数据在现场算。风险有人兜，人才敢接这单活。从这个角度说，风险管理本身就是就业的促进项。

白鸽在线做的事，就是把这套能力做成可调用的模型。我们把风险最密集、损失数据最厚的那个行业作为第一个行业本体，超 90 亿份历史风险记录、80 类场景的行为数据是原料，六大模型是引擎：方舟做风险预警，飞秒做动态定价，智瞳做损失识别，睿析做信用评估，鉴信做主体识别，乐荐做匹配。先在最难的地方练出来，再谈外溢。

需求这一头，政策给的推力是实的。就业形态越灵活，需要被单独定价的风险就越多。制度把底线兜住之后，底线之上那些碎片化、非标准的部分，只能靠市场来定价。供给这头并没有同步变宽，能同时拿出损失记录、场景覆盖和模型能力的公司，本来就不多。

白鸽在线就长在这条线上。就业形态的每一次变化，都会先在订单结构上显出来：从“有单位的人”到“没有单位的人”，从“按月买”到“按单买”。接下来要看的是同一套模型能不能复制进更多场景。那一步走通，收入就从“一个行业的”变成“一类能力的”。

就业可以灵活，风险不能悬空。每一单落在哪里，就得有人在那个地方把它接住、算清楚。