从Demo到能用：AI功能连续三个月没人用，问题出在哪六个月

一个内部知识助手，上线首月有四百多人试用，每天提问上千次。第三个月，日活掉到十七人，其中一半还是开发团队自己在测。

复盘会发现，衰减不是断崖式的，是每个月掉一点。每个月的原因都不一样，修法也不一样。

这是一条典型的AI功能衰减曲线，值得逐月拆开看。

第一个月：新鲜感掩盖了空洞

首月的使用数据会骗人。因为大家都想试试”这玩意到底能干嘛”。

真实问题被热门指标盖住了：

• 问题问得很随意——“你能干什么”、“试试看”，这类问题占了近一半
• 有答案就满足——用户还没意识到回答是否能用
• 出错不计较——“AI嘛，难免的”

这时你看不到真实问题，因为用户还在容忍期。

修法

别看总调用量，看任务完成信号：

• 用户复制了回答内容（说明有用）
• 用户追问了一次（说明想要更多）
• 用户把答案贴进了别的系统（最有价值）

如果”复制率”很低，说明回答看着合理但不好用。这一条比任何满意度评分都可靠。

第二个月：第一次失望

这个月用户开始带着真实任务来。

典型的失望点：

答非所问。 用户问”我们Q3的返利政策有没有变动”，系统检索到”返利政策说明（2024版）“，然后认真回答了2024版的内容。回答本身没错，但错在没告诉用户”这可能不是最新版”。

不敢承认不知道。 知识库里没有的问题，它会用相邻内容拼出一个看起来合理的答案。用户第一次踩坑后会开始怀疑每一次回答。

上下文丢失。 多轮对话里，第二问就忘了第一问的前提。用户得反复交代背景，比直接搜文档还累。

修法

这个阶段的重点不是提升准确率，是提升可信度：

1. 答案必须带出处，并显示文档的更新时间。让用户自己判断新旧。
2. 明确说出”不确定”。设计一个低置信度的表达模板，比如”我在现有文档里没找到直接说明，下面这些相关内容可能有帮助”。承认不知道，比编个好答案更能建立信任。
3. 多轮对话保存任务上下文。不是保存全部历史，是保存”当前在讨论哪个对象”。

第三个月：接入成本暴露

到这时候，真实用户已经形成了稳定路径：直接在群里问同事，比打开知识助手快。

这是最残酷的发现：AI功能没有输给质量问题，输给了摩擦力。

具体摩擦：

• 要多开一个页面/App
• 要重新登录
• 不能贴截图问
• 得到的答案不能直接分享给别人
• 不能带上自己正在写的文档作为上下文

每一次额外操作，都会流失一批用户。

修法

把AI功能搬到用户已经在的地方：

• 群里能直接@它（而不是跳到另一个应用）
• 在文档编辑器里能直接唤起
• 支持截图、支持拖文件
• 答案能一键转发成卡片

这一步的收益通常比优化模型大得多。 一个准确率70%但随时能用的助手，使用量远高于准确率90%但要开新页面的助手。

第四个月：没有反馈闭环

用户遇到了错误答案，然后呢？通常什么都没发生。

• 没有”这个答案不对”的按钮
• 就算有，点了也没人处理
• 用户看不到自己反馈的问题被修复

没有闭环的反馈按钮，比没有按钮更糟。 它让用户确认了一件事：这里没人管。

修法

建立一个最小闭环：

1. 每条答案下面两个按钮：有用 / 不对
2. “不对”点开后只问一个问题——“哪里不对”（三个选项：信息过时、答非所问、查不到）
3. 每周把”不对”的输入整理出来，人工看前50条
4. 公开一个”已修复问题”周报，告诉用户你们改了什么

第四个动作最重要。它把”反馈”从单向抱怨变成了双向协作。

第五个月：维护者的疲劳

多数AI功能的维护不是团队，是一个人。这个人最初是热情推动者，现在每天在回答三个问题：“这个能干嘛？”、“它说的不对”、“能加个功能吗”。

他开始不做知识库更新了。文档过期没清理，新增的制度文件没导入。

AI功能的质量，在很大程度上一半取决于内容维护，而内容维护是没有人看到的工作。

修法

• 把知识库更新放进某个岗位的职责，而不是靠志愿者
• 设定过期检测：超过一年没更新的文档标记”待确认”，检索时降低权重或明确提示
• 每季度做一次”问题+缺失”审计：哪些问题查不到答案，就去补内容

很多”模型效果不好”的案例，最后发现是知识库里压根没有那份文档。

第六个月：重新定义产品

到这时，用户剩余的需求会变得非常具体。他们不想要”什么都能问的助手”，他们想要：

• 每个月固定要写的几份报告，自动起草
• 固定那几个流程的合规检查
• 新人入职时那四十个高频问题

AI功能真正的PMF，往往不在”通用助手”，而在”特定流程里的固定一步”。

修法

不要试图救活一个通用助手。挑出使用频率最高的三个任务，把它做成独立的、专用的小功能。

专用功能有明显优势：

• 提示词能高度定制
• 输入表单能结构化（用户不用自己想怎么问）
• 输出能直接对接下游
• 评测有明确标准

一个做得极好的”周报起草”，比一个平庸的”万能助手”价值高十倍。

总结表：六个月失效路径

阶段	表面现象	真实原因	关键动作
第1月	用量高	新鲜感	看任务完成信号
第2月	投诉增多	可信度不足	加出处、允许不确定
第3月	用量下滑	接入摩擦	搬进用户工作流
第4月	沉默流失	无反馈闭环	建闭环+公开修复
第5月	质量下降	内容失维	知识库有人负责
第6月	只剩少数用户	定位过泛	拆成专用功能

结语

回头看这六个月，几乎没有一个月的问题出在模型上。

模型能力在整个过程中都是够用的。失败发生在：任务定义、可信度设计、接入位置、反馈机制、内容维护、产品定位——这些都是产品工程问题，不是AI问题。

这其实是个好消息。模型能力你控制不了，上面这六件事你都能控制。

AI功能的天花板，往往不是模型给的，是你在它周围搭建的那圈东西给的。