Demo 很美卻沒人用?企業 AI 採用率低的 6 個真實死因與解法

上個月我們去接一個爛攤子。客戶半年前上線了一套內部知識問答 Copilot,採購流程走得漂亮,董事會簡報那天全場點頭。我調出後台一看,月活躍使用者佔全體員工的 6%,而且那 6% 裡有一半是 IT 部門在測試。

這不是特例。我們看過太多這種案子:系統能跑、Demo 沒毛病、預算也花了,但就是沒人用。AI 採用率低幾乎從來不是模型不夠強的問題,而是導入方法出了錯。把「上不了線、沒人用」這句話拆開來看,背後其實是六個可以量化、也可以拆解的死因。

死因一:Demo 環境跟真實資料差了兩個量級

Demo 用的是十筆乾淨測試資料,員工每天面對的是十年來格式混亂、命名不一、掃描歪斜的十萬份 PDF。系統一碰到真實文件,回答品質就崩了。第一週被錯誤答案燙到的人,第二週就不會再回來。

解法很土,但有效:上線前用客戶自己最髒的那批資料跑一輪壓力測試,把「回答不出來就誠實說不知道」設成預設行為。寧可少答,不要亂答。信任一旦破掉,採用率就再也拉不回來。

死因二:它為「一般公司」設計,而你哪裡都不一般

多數現成平台是拿產業平均值訓練的。但真正卡住員工的,是那些只有你公司內部才懂的黑話、簡稱、審批潛規則。系統不懂「這張單要走特批」是什麼意思,自然給不出能用的答案。

我們的做法是進場先做兩週的流程訪談,把這些隱性知識明確寫進 RAG 的知識庫與 prompt 規則裡。這一步不能外包給文件,得有工程師坐在使用者旁邊看他們怎麼工作。

死因三:沒嵌進工作流,變成「又一個要另外開的網站」

員工的一天已經被十幾個系統塞滿。你再給他一個要另外登入、另外切分頁的 AI 工具,它就注定被遺忘。我們量過,同樣一套能力,做成獨立網站的採用率通常是個位數;嵌進他們原本就在用的 CRM、ERP 或聊天工具裡,採用率能到四成以上。

工具要去找人,不是叫人來找工具。

死因四:沒有內部冠軍,只有一封上線公告

導入當天發一封全員信,然後期待大家自己學會——這是採用率最常見的死法。人不會因為一封信改變工作習慣。

有效的是在每個部門找一到兩個「內部冠軍」,通常是那種同事有問題會先問他的人。先把他們餵飽、讓他們用出成績,再由他們橫向擴散。由同事示範,遠比由 IT 發文有說服力。

死因五:沒人知道它到底幫上什麼忙

員工用了三次沒感覺,就默默放棄了。因為沒人告訴他「你剛剛省下的這 20 分鐘,本來要翻六份文件」。價值沒被看見,就等於沒發生。

我們會在上線第一個月刻意做「省時間」的可視化:這週幫全公司省下多少查找時間、少寫幾封信。把抽象的效率變成看得見的數字,人才會有繼續用的理由。

死因六:上線即結案,沒有人扛採用

最貴的死因。廠商把系統交付、驗收單一簽,團隊就撤了。可是採用率是上線後第 30 到 90 天才見真章的東西,而那時已經沒有人在盯了。

六個死因與解法對照

採用率是被「扛」出來的,不是被交付出來的

把這六點連起來看,會發現一個共通點:它們沒有一項是靠更好的模型能解決的,全都是變革管理與現場工程的活。這也是為什麼我們堅持工程師要進場、要待到有人真的在用為止。

在 Tenten,我們把採用率當成交付的一部分,而不是客戶自己的功課。Demo 很美不算數,系統上線、而且辦公室裡真的有人天天在用,那一天才算數。