企业 AI 数字化上线后没人用，问题多半出在前三个月

企业 AI 数字化项目验收通过、系统上线，半年后回访，发现使用率惨淡的例子不少。花几十万做的智能问答、文档处理、报表生成，最终沦为摆设。工具本身没坏，坏在启动方式：上线头三个月没人管推广、没人定规则、没人看效果，自然就凉了。

上线前挑对场景：高频、重复、低风险

第一道关在选场景。适合 AI 化的业务有三个特征：频次高（每天都要做）、动作重复（规则清晰、产出固定）、出错可挽回（结果有人复核，不会直接造成大损失）。客户咨询归类、合同要素抽取、报销单据初审，都属于这类。

相反，低频的战略分析、高风险的法律意见、客户情绪敏感的对外沟通，不适合第一批上 AI。场景选错，使用率从第一天就注定上不去，再好的运营也救不回来。

前三个月靠人推：种子用户、例会复盘、规则兜底

上线初期系统不会自己跑起来，需要人推。挑两三个愿意尝鲜、业务熟练的员工当种子用户，先把日常业务真实用起来，遇到问题当场反馈，形成第一批改进清单。

每周例会固定加一个环节：过一遍 AI 的使用情况，哪些问题答得准、哪些答得离谱、哪些场景根本没人用。离谱的答案要当场拉出来看，该调知识库调知识库，该加人工兜底加人工兜底。AI 的答复必须保留人工复核通道，涉及对外承诺、金额、法律效力的内容，一律由人确认后再发出。

效果要量化：省下的时间记下来才算数

使用率稳定后，要把效果变成账。粗算口径可以很简单：每天处理多少笔、单笔原来花几分钟、现在花几分钟，乘起来就是当月节省的工时。比如原先每天 20 笔合同初审、每笔 25 分钟，现在每笔 5 分钟，一天能省出约 6.7 个小时。这还只是粗算，实际节省要扣除人工复核和返工的时间，别把理论值当成真金白银。

模型调用本身有成本，token 费用、接口调用量按月统计，和节省的工时放一起看，才能判断这个场景值不值得继续投入。建议把使用量、调用费用、节省工时做成一张月度表连续跟踪，看三个月以上的趋势，比单月数字更能说明问题。只看功能演示不看账单，ROI 永远是笔糊涂账。

前三个月把场景、推广、量化三件事做扎实，AI 数字化才算真正落地。头一个月没人理的系统，往后只会越来越没人理。