為什麼 Agent 上線後沒人用?提升內部採用率的 5 個落地做法

季初我們去接一個交接不順的案子。客戶半年前上線了一個內部 Agent,能查合約、能算報價、能自動生成客訴回覆的初稿,董事會簡報那天所有人都很興奮。我打開後台看使用數據:上線 22 週,全公司 340 個目標使用者,週活躍 19 人。

不是系統壞了。系統跑得好好的,回答也準。問題是,沒人真的把它當工具在用。

這是我們這兩年最常被叫去救的一種火。Demo 過了、驗收簽了、預算花了,然後 Agent 靜靜躺在那裡。你要談 Agent ROI,分母根本還沒建立起來——沒有採用,就沒有回報,再漂亮的商業案例都只是投影片上的假設。

AI agent 採用率為什麼卡在個位數

先說一個殘酷的數字感。我們手上經手過的內部 Agent 專案,上線後三個月若沒有人刻意經營,自然的 AI agent 採用率大多落在 5% 到 15% 之間。這不是誰特別無能,而是預設命運。原因幾乎都不是「模型不夠聰明」,而是下面這幾個更土的東西。

第一,它不在人本來就會去的地方。使用者的一天是在 CRM、ERP、Slack、Outlook 裡度過的,你卻要他們多開一個新分頁、記一個新網址、學一套新問法。每一個額外動作都是流失。第二,它答錯過一次,而且是在關鍵時刻答錯。信任是很脆的東西,一個業務被 Agent 給的過期價格坑過一次,他之後寧可自己翻 Excel。第三,沒有人被指定為這件事負責,主管自己都不用,團隊當然把它當成 IT 的玩具。

換句話說,採用率低幾乎從來不是技術問題,是流程、信任與責任的問題。這也是為什麼「再訓練一版模型」通常救不了它。

五個我們真的驗證過有效的落地做法

下面這五件事,是我們反覆在現場做、而且能把數字拉動的。順序有講究,不要跳。

一,把 Agent 嵌進既有工作流,不要另建入口。 前面那個週活 19 人的案子,我們做的第一件事不是改模型,是把它從獨立網站搬進他們每天在用的 CRM 側欄和 Slack。使用者不需要「決定要不要去用 Agent」,它就在手邊。光這一步,六週後週活躍從 19 人變成 140 人。

二,選一個窄場景先贏,別想一次解決所有事。 大家喜歡做「什麼都能問」的萬用助理,結果什麼都答得普通。我們的做法相反:鎖定一個高頻、高痛、答錯代價可控的場景,例如「查某產品的最新報價與庫存」,把它做到準確率接近百分之百。使用者對這一件事建立信任後,才會願意試第二件。信任是一場一場贏來的。

三,公開真實採用數據,製造社會證明與當責。 我們會在團隊頻道每週貼一張圖:誰在用、用了幾次、幫團隊省了多少小時。這不是為了羞辱誰,是讓「別人都在用」變成可見的事實。主管的使用率我們單獨追蹤——主管不用,團隊一定不用,這條規律我們沒看過例外。

四,把答錯的成本降到使用者敢用。 高風險場景一定要留人在迴圈裡:Agent 產出初稿,人審核後才送出。同時給每個回答附上資料來源連結,讓使用者能一秒驗證。允許犯錯、但讓錯誤容易被抓到,採用率會比「號稱永遠正確」的黑箱高得多。

五,指定一個看數字、能改東西的負責人。 Agent 上線不是專案結束,是營運的開始。要有人每週看使用數據、收集卡點、排優先序去修。這個角色我們稱為 AIOps,他既懂現場又能動系統。沒有這個人,採用率會在上線後第四週開始一路往下。

卡點與解法對照

上線只是分子的開始

回到 ROI。當那個案子的週活躍站上 140、再爬到 210,客服初稿平均處理時間從 9 分鐘降到 3 分半,這時候商業案例才第一次成立——因為現在真的有人在用,省下來的時間是真的。採用率不是專案的附屬指標,它是分母。分母是零,你算不出任何回報。

我們在 Tenten 一直堅持一件事:Demo 很美不算數,上線且有人在用才算數。所以我們的工程師是進場的,把 Agent 縫進你團隊本來的動線、陪著把採用率一週一週拉起來,而不是驗收簽完就走。系統會不會被用起來,從來不是上線那天決定的,是上線之後有沒有人扛決定的。