AI 上線卻沒人用?把採用率從 20% 拉到 70% 的 8 個變革管理做法

一套 AI 助理上線滿三個月,我們把後台攤開:全公司 240 人,週活躍使用者 43 人,採用率不到 20%。老闆的問題很直接:「驗收那天大家不是都會用嗎?人跑去哪了?」

人沒跑。是它從來沒真正進到工作裡。

我們做過夠多這種收拾殘局的案子,慢慢看清一件事:AI 導入後採用率提升的關鍵,幾乎不在模型好不好,而在你有沒有拆對「員工為什麼不用」。而「不用」不是一個原因,是四種不同的阻力混在一起。把它們分開,每一種都有對應的手法跟量測方式,採用率才拉得動。下面是我們實戰用的八個做法,按四類阻力歸類。

第一類阻力:信任 — 他不相信答案,就不會賭上自己的工作

員工不是懶,是怕。AI 給一個看起來合理但錯的答案,扛責任的是他不是模型。信任沒建立前,任何功能都是擺設。

做法一:讓每個答案都能回溯來源。 我們堅持 RAG 系統的每一句輸出都掛上原始文件連結與段落。使用者點兩下就能驗證,錯了也知道錯在哪。量測方式:看「來源點擊率」,健康的系統通常有三到四成使用者會去點來源,這代表他們在用、也在校對。

做法二:公開失敗案例,而不是只秀成功。 我們會在內部頻道固定貼「這週 AI 答錯的三題」和修正後的結果。反直覺,但透明反而讓人敢用——因為他知道邊界在哪。量測:每月做一次信任問卷,問「你會不會把 AI 的答案直接交出去」,追蹤願意的人數比例。

這是最被低估的一類。工具再強,只要它活在員工每天用的系統之外,就注定被遺忘。人不會為了 AI 改變動線,你得把 AI 塞進他本來就在的地方。

做法三:進駐現有工具,不要另建入口。 業務活在 CRM 裡,就把 Copilot 做進 CRM 的側欄;客服活在工單系統,就在工單頁面直接生成建議回覆。我們的原則是:使用者不需要記得「去用 AI」,AI 自己出現在他要做決定的那一秒。

做法四:預設觸發,而非主動呼叫。 與其等使用者想到要問,不如在他打開一份合約時自動跳出摘要與風險點。量測:區分「主動使用」與「被動觸發後採納」兩條曲線,後者的成長往往才是採用率真正的引擎。

如果某位資深員工的價值來自「只有他懂那套流程」,AI 把知識民主化,等於動他的飯碗。他不會明說,但他會冷處理。誘因沒對齊,再好的工具都推不動。

做法五:把採用綁進主管的績效,而不是員工的。 我們見過最有效的槓桿是讓部門主管對「團隊採用率」負責,而非逼每個員工。上行壓力比下行命令有效得多。

做法六:公開省下的時間,讓早期採用者變成明星。 每月結算 AI 幫每個人省下的工時,並在會議上點名用得最好的人。量測:追蹤「種子使用者」的擴散——一個部門有 20% 的人重度使用,通常三個月內會帶動其餘的人跨過門檻。

很多人對 AI 的想像停在「聊天」,不知道它能改寫報告、能查十份文件、能草擬回信。想像力的天花板就是採用率的天花板。

做法七:教情境,不教功能。 不要辦「系統操作說明會」,要辦「你這個職位每天最煩的三件事,我們現場用 AI 做給你看」。量測:訓練後兩週的留存率,而不是出席人數。

做法八:設一個現場的人,而不是一份 FAQ 文件。 上線頭一個月,我們會派工程師坐在客戶辦公室,遇到卡點當場解。這一步最貴,也最有效——它同時解掉信任、嵌入與訓練三類阻力。

以下是我們幾個製造與金融業客戶,導入這套變革管理後的實際變化(週活躍使用者 / 全體員工):

阻力類型	對應做法	導入前採用率	導入後採用率
信任	來源回溯 + 公開失敗	18%	41%
工作流嵌入	進駐現有工具 + 預設觸發	22%	58%
誘因	主管績效綁定 + 明星化	25%	49%
訓練	情境教學 + 現場駐點	20%	63%
四類同時處理	全套 playbook	20%	71%

單獨處理任何一類,採用率大概能拉到四到六成;四類一起打,才進得了七成這個區間。順序也重要——信任沒先建立,後面三類都是空轉。

我們之所以堅持派工程師進場、而不是交付完系統就走,原因就在這張表:採用率不是設計出來的,是在客戶現場一週一週磨出來的。Demo 很美不算數,上線三個月後還有七成的人天天在用,才算數。

問:採用率多久能看到變化? 信任與訓練類做法通常一個月見效,誘因類要一季,因為牽涉組織行為改變。

問:一定要現場駐點嗎? 不一定,但頭一個月的駐點是投報率最高的一筆投資,它一次解掉三類阻力。