断点一:场景选错
最常见的错误,是选了一个"听起来很厉害"的场景。
比如让 AI 做战略规划、做品牌定位、做复杂的经营预测。这类任务输入模糊、结果无法验证,AI 给的东西看起来都对,实际用不上,试两次就没人再碰。
反过来,选"把 200 条客户记录整理成一张跟进表""把这份产品资料改成门店培训稿"这种任务,输入明确、结果能一眼判断对错,成功率极高。
判断标准:重复、有固定输入、结果好坏能立刻看出来。三条都满足,就是好场景。
断点二:材料没喂
AI 不知道你的产品参数、价格政策、渠道规则、历史案例。它只能用网上的公开信息回答,出来的是通用答案。
一线拿到通用答案的第一反应是"这不对",第二次就不用了。
这件事没人愿意干,但它是前提。把公司的产品资料、政策文件、优秀案例、标准话术整理成结构化材料,喂进知识库。这活儿脏、累、费时间,但没有它,AI 就是个会说话的百科。
我们的经验:一个岗位的知识库,认真整理需要三到五天。这三天决定后面三个月的使用率。
断点三:没有责任人
IT 部门负责采购和开通,业务部门负责使用。中间没有人对"用起来"这件事负责。
结果就是:账号开了,培训做了,三个月后登录率个位数。
有效做法:每个场景指定一个 owner,通常是这个岗位的负责人,不是 IT。每周看一次数据:这周用了几次、产出了什么、有没有替代人工。有问题当场解决。
让一线愿意用,靠三个抓手
断点讲完了,还有一个更软的问题:一线为什么不愿意用?
常见的抵触有三句原话——"这不准确""我原来也很快""用了还要改,不如自己做"。三句话对应三个抓手。
抓手一:拿他们的活开刀。 不要用总部想推的场景做试点,用一线自己列出来的最烦的任务。任务是他们的,工具才是他们的。
抓手二:让产出可见。 每周挑一份 AI 处理好、人只做了微调的成果,在例会上过一遍。让他们看到"这不是替代我,是替我做杂活"。
抓手三:承认不适用的部分。 有些活 AI 就是做不好,直说。硬推会让所有人对工具整体失去信任。我们做项目时会明确划出"AI 不做的事",反而更容易推。
一个解法:把 AI 落地当项目管
不是采购流程,是项目流程。四个阶段,每个阶段有明确产出:
阶段 | 时间 | 产出 | 验收标准 |
|---|---|---|---|
场景盘点 | 1-2 天 | 岗位任务清单 + 优先级 | 有 3 个候选场景 |
单点试点 | 2 周 | 一个场景的可用模板 | 产出可用率 > 70% |
知识沉淀 | 1 周 | 岗位知识库 | 新人能直接调用 |
推广复制 | 1-2 月 | 同岗位全员使用 | 周活跃 > 60% |
这套流程不复杂,但九成企业跳过了第一和第三阶段,直接从"买"跳到"推",然后失败。
一个反常识的结论
企业用 AI 的差距,跟预算关系不大,跟"第一个场景选得对不对"关系极大。
我们见过花几十万买全套工具、最后只剩一个部门在用的企业,也见过只用一个场景、省下两个人力的团队。前者输在场景,后者赢在场景。
三个月后怎么判断这事成不成
给三个可以自己查的指标,不需要供应商报表:
一、周活跃人数。登录过且完成过一次任务的人数。低于开通人数的 40%,说明推广或场景有问题。
二、模板复用次数。同一个模板被不同人调用的次数。这个数字涨,说明知识沉淀在起作用;一直是个位数,说明只有一个人在用。
三、人工替代时长。每周因 AI 节省的工时,按岗位折算。这是唯一能拿去跟老板汇报的数字。
三个指标每月看一次,连续两个月不涨,就该重新盘场景,而不是加预算。
如果你已经在用 AI 但用不起来,先别换工具。把上面那张表的四个阶段补一遍,多数问题会自己浮出来。
