11

上线不是终点

第 11 章 上线不是终点:采用、运营与价值证明

11.1 为什么已经上线却没人用

系统上线是技术团队最有成就感的时刻,却只是用户采用的起点。

用户不用,原因可能很现实:入口不在原工作流中,需要重复登录或复制数据;系统偶尔出错,却没有说明何时可信;新工具增加了步骤,节省的时间却与个人无关;管理者要求使用,但原有考核和流程没有改变。

采用问题不能简单归结为“用户不接受新技术”。很多时候,是系统没有给用户足够价值,或者组织没有为新工作方式创造条件。

11.2 把 AI 放进工作发生的地方

独立聊天页面适合演示,却不一定适合生产。用户每天在 CRM、工单、邮件或专业软件中工作,如果必须离开当前任务去另一个页面提问,使用成本会不断积累。

更有效的方式,是让 AI 在合适节点出现:打开工单时呈现相关信息,会议结束后生成待确认纪要,提交合同前提示风险,处理告警时给出排查建议。

系统还应尽量读取已有上下文,减少重复输入,并在确认后把结果写回原流程。最好的 AI 有时不是醒目的新产品,而是原有工作少了几个麻烦步骤。

11.3 培训要讲边界

培训不能只教按钮在哪里。用户需要知道系统擅长什么、容易在哪些情况失败、怎样查看来源、何时必须人工确认,以及发生问题向谁反馈。

为了推广而隐藏限制,用户会在第一次严重错误后失去信任。明确边界反而有助于建立稳定预期。

培训还要按照角色进行。管理者关心指标与风险,实际用户关心怎样完成任务,IT 和运维关心权限、监控和故障处理。

11.4 持续反馈与人工接管

反馈应尽量靠近使用现场。简单的采纳、修改、拒绝和问题分类,比要求用户另写长篇意见更容易持续。

系统可以记录用户是否采用建议、在哪一步修改、哪些问题进入人工队列。这些数据既帮助改善模型,也能发现流程设计问题。

人工接管不能成为无人负责的黑洞。要明确由谁接收、多快响应、处理结果是否回到系统,以及同类失败是否进入评测集。

11.5 从技术指标走向业务结果

技术指标回答系统表现如何,业务指标回答项目是否值得存在。

准确率提高,可能没有减少处理时间;生成速度更快,可能因为用户不信任而全部重新检查;活跃人数增加,也可能只是管理要求下的短期行为。

价值证明要连接四个层次:系统是否可靠,用户是否采用,工作方式是否改变,业务结果是否改善。

业务结果可以是时间缩短、返工减少、质量提升、转化提高、成本下降或风险降低。指标要说明样本、周期和其他影响因素,避免把所有好处换算成夸张金额。

11.6 何时扩大,何时暂停

扩大之前,应确认核心任务表现稳定,用户持续使用,运维责任明确,新增规模不会突破权限、成本和容量边界。

扩张最好一次只改变一个维度:先增加同类用户,或者先增加相邻任务,不要同时改变用户、流程、数据和架构。这样出现问题时才能知道原因。

如果使用率持续下降、核心错误无法控制、业务指标没有变化,或者运行成本明显超过收益,就应该暂停。继续增加功能很少能修复一个没有价值基础的项目。

11.7 交给长期负责人

FDE 不应成为系统永久依赖的唯一专家。试点阶段就要确定未来由谁维护业务规则、知识内容、权限、模型配置、评测集和基础设施。

交接不只是发送文档,还包括权限移交、故障演练、版本发布、联系人和服务边界。长期团队需要能够独立完成常见操作,并知道什么问题需要升级。

如果每次知识更新或模型异常都必须找最初的 FDE,说明系统还没有真正进入组织。

11.8 用证据讲项目故事

可信的项目故事不从“我们使用了先进模型”开始,而要说明原流程有什么问题,为什么选择这个场景,做了哪些关键取舍,系统如何进入工作,用户怎样采用,指标发生了什么变化,以及哪些问题仍未解决。

失败和调整也是故事的一部分。它们能说明团队如何根据事实决策,比一条从未受阻的成功叙事更有价值。

本章小结

上线不等于落地。系统必须进入原工作流,让用户理解能力边界,建立低成本反馈和有效人工接管,再把技术表现连接到业务结果。

当项目被证明有效,下一步不是无限增加定制,而是判断哪些现场经验值得沉淀,避免成功项目在扩张中变成成本黑洞。