集成障碍打通了,裁定接口设计好了,系统部署上线了。然后安排一场上线发布会,发一封全员邮件,告诉所有人新系统已经上线,欢迎使用。然后等用户来用。
这样等来的结果,通常让人沮丧。
系统的访问日志显示,头两周有一波流量,然后慢慢降下去。大多数人试用了一两次,发现有些地方不顺手,或者输出不够可靠,就回到了原来的工作方式。系统上线了,但没有人真正在用它。
这并不是个案。麦肯锡的数据显示,尽管企业AI部署已经全面铺开,但实际的效果普遍很小。系统部署上线了,不等于用户会用。
NotebookLM的音视频概览,解读的比较通俗易懂,对于时间比较紧张的读者朋友,可以听听,会有启发。
信任鸿沟,从数字开始理解
先看一个数字,它很能说明问题。
WalkMe对3750名企业员工的调研发现,在涉及复杂业务关键决策的场景里,只有9%的一线员工说他们信任AI的判断。同样的问题问高管,这个数字是61%。
这个差距很重要,因为它揭示了一个结构性问题:决定要不要部署AI系统的人,和真正要每天用这个系统工作的人,对AI的信任程度差了将近七倍。高管签字采购,觉得AI很可靠;一线员工打开系统,觉得它不可信赖。
这不是沟通问题,也不是培训问题。当AI只是辅助人工作得更快,问题还不明显。但当AI开始自主行动、代表用户做决策、和其他系统交互,人们自然开始担心:这个系统安全吗?出了问题谁负责?它替我做的决定,我能信任吗?
这些问题没有办法用一场培训课来回答。它们需要用户亲眼持续看到系统在真实场景里的稳定表现,在使用过程中逐渐积累对系统的信任判断,需要时间。
陪跑阶段做的,就是陪着用户经历这个过程。
信任是三层叠起来的
用户对AI系统的信任,分为三层,每一层的建立方式不同,每一层的脆弱程度也不同。
第一层,能力信任:相信系统能做到它声称能做到的事。
这一层建立起来相对容易——给用户看几个真实的成功案例,系统处理了一个过去需要花几个小时的任务,准确率达到了预期,能力信任就开始建立了。
但这一层也最脆弱。系统一旦在用户面前出现一次明显的错误,能力信任会迅速下滑,而且很难靠讲道理来修复——用户亲眼看到系统出错了,这个印象很难被后来的数据覆盖。
第二层,意图信任:相信系统是在帮我,不是在替代我或者监视我。
这一层和技术关系不大,和组织文化、沟通方式、系统被引入的方式关系很大。如果用户感觉AI系统是被强加进来的,或者觉得引入AI是为了减少人力,意图信任就很难建立,甚至会有主动抵制。
这一层的建立,需要从一开始就让用户参与进来,让他们感受到这个系统是在给他们用的,而不是用来替代或者管他们的。
第三层,依赖信任:愿意把真实的工作流程交给系统来支持。
这是最高层,也是采纳…