很多企业AI智能体落地都会遇到这样一个场景：系统开发完成，验收也通过了，演示的时候效果还不错，但上线三个月后再去看数据，日活跃用户不到二十人，部门群里没人用它，遇到问题还是打电话找老员工，问一句"这个智能体是不是没意思"，最后不了了之。

这类失败往往不是因为技术不行。事实上，能通过验收的智能体在功能上都是合格的。真正的问题出在推广运营这一层——智能体被当成一个"交付物"而不是一个"需要被使用的服务"。

下面把企业AI智能体落地后没人用的原因拆成五类，并给出对应的五个运营动作。这些动作不需要额外预算，大部分可以由企业内部自己完成。

一、先看数据：没人用通常有五种形态

在动手改之前，先要确认问题出在哪。把最近三十天的访问日志、提问记录、人工介入次数导出来，对照下面这张表做一次自查，能快速定位问题类型。

这张表的价值在于：五种形态对应五套完全不同的解法。如果没搞清是哪一种就开始改，改的往往是错的那一层，浪费一两个月。

二、动作一：把入口从"系统里"搬到"工作流里"

第一种最常见的问题是入口太深。员工要记住一个网址、打开一个后台、找到菜单里的一项功能，才能开始对话。这条路径每多一步，流失一截。

企业AI智能体落地的第一步改造，是把智能体"搬到员工本来就要待的地方"。具体来说有三个层次：

1. 嵌进办公沟通工具

让智能体出现在企业微信、钉钉、飞书这类工具里，员工不需要切换应用，在聊天窗口里就能发起提问。这样做的好处是使用成本降到最低，但也带来一个约束：响应速度必须够快，最好在三秒以内出首字。

2. 嵌进业务系统的按钮

如果企业已有ERP、CRM、工单系统，可以在业务单据页面加一个"问问智能体"按钮。客服工单页加一个，采购询价页加一个，员工遇到问题自然会点。这比让员工主动去访问智能体网站有效得多。

3. 嵌进文档和搜索

在企业文档平台、网盘搜索框旁边做智能问答入口。员工搜不到资料时会本能地用搜索框，这时候给出智能体的答案，是最自然的介入时机。

判断入口改造是否有效的标准很简单：改造前后的访问来源分布。如果改造后超过一半的会话来自嵌入式入口而不是直接访问，说明做对了。

三、动作二：替用户想好第一个问题

第二种形态是"知道但不会用"。很多智能体首页只放一个空白输入框，配一句"请输入您的问题"。这对懂的人友好，对绝大多数普通员工来说是一堵墙——他们连该问什么都不知道。

解法是预置引导问题，而且是贴着具体岗位的问题。可以用下面这个方法准备：

每个岗位准备三到五个引导问题，按点击率排序，保留前两个。实践中，一个有引导问题的智能体，首次使用率通常能提升到原来的两到三倍。

还有一个细节：引导问题要写成员工平时会说的话，而不是产品经理定义的术语。"这个订单怎么改发货时间"比"如何修改订单履约信息"有效得多。

四、动作三：把准确率当成运营指标盯

第三种形态是"会问但答不准"，这是最伤用户信心的一种。用户第一次问了得到一个错答案，第二次就不会再问了，甚至会跟同事说"这东西不行"。

要让准确率变成可管理的运营指标，需要建立三个机制：

1. 建立一批评测问题集

从真实提问日志里随机抽五十到一百条，标注标准答案，每个月跑一次。这就是智能体的"体检报告"。没有这批评测问题，任何关于准确率的说法都是感觉。

3. 设置低置信度兜底

当检索结果相似度低于阈值时，让智能体明确说"这个问题我暂时没有把握，建议咨询某某"。这比硬答一个错答案好得多——错答案损失的是信任，而"不知道"损失的是一次交互。

3. 建立人工兜底通道

员工点击"没帮我解决"，问题自动转给对应部门并附带完整对话记录。这样做的好处是：既回答了用户，又自动收集到了知识库缺口，一份投入解决两个问题。

一个反直觉的经验：让智能体承认不知道，整体信任度反而会上升。什么都敢答的智能体，一旦被抓住一次错误，用户就再也不信了。

五、动作四：让用得好的员工成为推手

第四种形态"准了但不敢信"，本质是信任问题。企业AI智能体落地往往由IT部门或信息化负责人牵头，方案做得很好，但自上而下推行时，中层和一线会本能地抵触——他们担心自己的经验被替代。

有效的做法是从一线选出五到十个"标杆用户"，把他们用智能体节省出来的时间做成可对比的数字，然后在部门会议上讲。让用的人来讲，比让建的人来讲，接受度完全不同。

其中"容错氛围"最容易被忽略。如果员工因为问了一个傻问题被同事笑话，那再怎么推广都不会有人用。这一条要靠管理者明确表态。

六、动作五：把它嵌进原流程，而不是旁边再造一个

第五种形态是"信任了但被绕开"。用户已经愿意问了，但处理完问题之后，还是要回到原来的系统里手工录一遍。这说明智能体只是被摆在旁边，而没有真正进入工作流。

判断这一形态的方法是看会话结束后的动作：用户复制答案、关闭页面、切回原系统。如果这个模式占比很高，说明改造还差最后一步。

改造的三个层次

第一层：答案可直接使用

不要让用户复制粘贴。智能体输出结构化内容，一键写入表单、写入工单备注、写入邮件正文。摩擦小到几乎为零，使用才会变成习惯。

第二层：处理结果反向回流

用户采纳答案后，把这次问答的记录写入系统日志。三个月后回头看，就能知道哪些问题被智能体解决了、哪些还在走人工，这是持续优化最真实的依据。

第三层：流程节点直接调用

更进一步，把智能体放进流程本身。比如工单在流转前自动调用智能体做一次预判，能直接给出答案的当场结掉，不能的再转人工。这一步对效率的提升最大，但对系统集成要求也最高。

投入产出比的参考：前两层改造通常一两个月能看到数据，第三层一般需要三到六个月。建议按顺序做，不要跳步。

七、五个动作的执行节奏

如果资源有限，建议按下面的顺序推进，前一个月集中做前两个动作效果最明显。

需要特别提醒的是，不要在第一个月就追求准确率指标。很多团队第一反应是反复调知识库，但用户量不足时调出来的准确率没有统计意义。先把量做起来，再谈质量。

八、常见问题解答

问1：我们智能体上线两个月，日活只有十几个人，是不是应该推倒重做？

不建议。多数情况下问题出在推广运营而不是系统本身。参照本文第一部分先做形态判断，如果属于"没人知道有这东西"，花一周做入口改造和引导问题，通常就能看到明显变化。推倒重做只会损失已有投入和时间。

问2：我们没有专职的推广人员，该怎么办？

可以由内部懂业务的员工兼任，关键不是专职而是明确到人。建议在每个目标部门指定一名"超级用户"，负责本部门的引导问题收集和问题反馈。这个角色每部门一小时投入就够，但能让推广动作真正落地。

问3：智能体答错了，员工投诉怎么处理？

核心原则是"不追责、快补齐"。首先要明确问错不追责，否则没人敢试。其次建立失败问题的快速收集通道，每条失败记录都应该在一周内补进知识库。把投诉当成知识库建设的输入源，而不是当成事故来处理。

问4：怎么判断智能体该继续投入还是该叫停？

看三个数：人均月使用次数、答案采纳率、覆盖岗位比例。前三个月如果人均使用次数低于五次，说明推广环节有硬伤；如果使用量正常但采纳率低，说明准确率有问题。两种情况都有明确解法，只有"使用量低且不增长且没有部门愿意配合"才是真正的叫停信号。

问5：我们没有历史数据积累，还能做智能体吗？

可以做，但要调整预期。第一阶段先把内部规章制度、产品手册、操作规范这类文档导入，形成可用基础。业务经验类的问题（比如"这个客户为什么会砍价"）本身就不存在于文档里，这部分只能靠一线员工在对话中补充，形成一个持续积累的过程。

结语

企业AI智能体落地这件事，技术完成度只占一半，另一半是让人真的愿意用。而愿意用从来不是一个技术问题，是一个运营问题。

入口嵌进工作流、替用户想好第一个问题、把准确率当运营指标盯、让用得好的人成为推手、把它做进原流程而不是摆在旁边——这五件事都不需要额外预算，需要的是一个明确的责任人和一份可以被观测的数据表。

对于正在推进企业AI智能体落地的团队来说，把这五个动作排进计划，比再讨论一轮模型选型更有价值。

官方网址：www.hfrjkf.cn

企业AI智能体落地 | AI智能体推广运营 | 企业知识库搭建