什么情况下该把AI功能砍掉:一张六个月内止损的决策清单

AI产品有一个特有的死亡方式:它永远不会明确地失败。

传统功能上线后,要么有人用,要么没人用。AI功能不一样——用户会点,会觉得“有点意思”,会在演示时惊叹,然后不会第二次打开。数据看起来不难看,于是团队继续投入。

这类项目通常拖八个月、耗掉两个人,最后在一次架构调整中悄悄下线,没人总结。

三个必须观测的指标

不要看“调用次数”“用户留存”这种通用指标,它们对AI功能没有鉴别力。看这三个:

指标一:输出采纳率(不是点击率)

采纳率 = 被用户实际使用/发送的AI输出数 ÷ AI生成的输出总数

测量方式很简单:AI给出草稿,用户是直接发送、改动后发送,还是删掉自己写?

分界线:连续四周采纳率低于40%,且没有上升趋势。

这个数字很硬。40%意味着AI的输出大部分被丢掉了,团队在做无用功。如果AI本身是个“探索性工具”(生成10个方案用户选1个),那应该换指标——用“是否产生过一次采纳”。

指标二:二次修改深度

用户改了,但改了多少?

• 改几个词、调顺序 → 输出基本可用,价值真实;
• 整段重写 → AI只起到了“激发灵感”的作用;
• 每次都重写 → AI在这类任务上没有价值。

方法:抽样100条输出做diff,统计编辑距离占全文字数的比例。超过60%的二次修改,基本等于没有AI。

指标三:单位成本对应的节省时间

净收益 = 用户节省的时间价值 − (推理成本 + 复核成本 + 平台维护成本)

这个账必须算全。“复核成本”最容易被忽略:用户为了验证AI的输出,常常要花掉比自己做更长的时间。如果复核成本接近或超过节省的时间,这个功能的净价值是负的。

六个止损信号

出现以下任意三条,建议进入“缩减投入”流程:

1. 采纳率连续两个月低于40%,且每次尝试提升都只是换模型。
2. 用户只能在演示里被说服,真实工作流里不愿意打开。
3. 为了让它工作,需要客户改流程。这意味着价值不足以撬动流程变更。
4. 主要收益是“减少了一个人的工作量”,但客户不肯为此付费。省人力听起来最有说服力,实际最难收费。
5. 每次模型升级都会带来新的一批bad case,说明产品是在依赖特定模型行为,而非稳定的任务定义。
6. 团队里没人能说清它解决了哪个具体、可量化的痛点,只能用“提升效率”概括。

正确的砍掉方式

砍掉不等于立刻下线。按顺序做三件事:

第一步:冻结新增功能,只修bug。 把资源抽出来做验证性实验,不要继续堆功能。

第二步:做一次诚实的用户访谈,只问一个问题:“如果明天这个功能消失,你会怎么办?”如果回答是“那我换个方式”,答案已经很清楚。

第三步:设计降级路径。 保留底层能力(如模型接入、数据管道),但移除用户界面上的入口。这样未来需求回来时可以低成本重启,而不是从零再来。

为什么必须在六个月节点上做这个判断

因为沉没成本会影响判断,而时间越长影响越大。

六个月是一个合理的节点:足够走完“上线→迭代→优化”的完整循环,又不至于让投入变成“不能承认错误”的程度。

AI功能最健康的组织姿态是:把它当成一个可被证伪的假设,而不是一个必须成功的项目。

敢砍,才能把资源投到下一个真的能成的上面。