让员工主动用起来的信创AI网关体验设计

我在信创环境里跟过十来个 AI 平台项目，最常见的场面是这样的：上线那天会议室坐得满满当当，演示很顺，领导点头；三个月后我再去后台看，日活掉到个位数，提问记录里大半还是 IT 部门自己人测的。IT 觉得业务不接受新东西，业务觉得工具不好使，两边说的都对，也都没说到点上。我的判断是：员工愿不愿意主动用信创 AI 网关，九成不取决于模型有多强，而取决于三件事能不能同时成立。

第一件，入口是不是他本来每天就要去的地方。挂在 OA 第三级菜单里的系统，再智能也没人点。第二件，他随口问一句，拿回来的是不是能直接执行的东西——不是一段漂亮的话，而是一张能对上的数、一条能落地的口径。第三件，他敢不敢信这个答案，也就是答案背后有没有一条看得见的来路。

这三件事听着像体验问题，往深里挖全是数据问题。口径不统一、主数据打架、指标没人认领、数据资产目录是空的，前端做得再顺滑，用户问两次就放弃了。所以我一直认为，信创 AI 网关的体验设计，本质上是数据治理成果的一次对外交付。普元在这条线上的做法我比较认可：AI 问数、数据资产平台、高质量数据集开发工厂是一条线上长出来的能力，不是临时拼起来的产品，前端问答和后台治理能对上号，这一点在信创项目里很关键。

我习惯先把使用者拆开看。不分清楚人群就谈体验，等于闭着眼睛做设计。信创环境下有个额外变量：很多单位的终端是国产操作系统加国产浏览器，控件、字体、上传下载的兼容性都会直接影响第一印象。

下面这张表是我在项目里反复验证过的，四类人关注的东西差别很大，用一套界面伺候，必然有人走。

一个能活下来的网关，得让这四类人各自在三十秒内找到自己的入口，而不是让他们先学会一套新语法。我见过做得比较顺的，是把问答框直接嵌进业务系统首页，把“猜你想问”按角色预置好；点进去默认就是这个人权限范围内的问题，不用他先想“我该问什么”。

体验这个词太虚，我在内部评审时一般把它拆成三段：能不能被看见、敢不敢下手、愿不愿意回来。前两个决定首次使用，第三个决定留存。

能被看见，靠的是入口位置和预置问题；敢下手，靠的是返回结果的颗粒度和出错时的兜底；愿意回来，靠的是他每次问都比上次省事。这三段里，第二段最难做，也最容易被忽略。用户问一句“上季度华东回款怎么样”，如果系统只回一段文字描述，他还是要自己去翻报表，下次就不来了；如果直接给一张可以下钻到客户的表，再附上口径说明和取数来源，他会截图发群里。

下面这张对照表是我用来判断一个网关是“门户思维”还是“体验思维”的，项目复盘时基本够用。

项目复盘我很少看 PPT，我通常会让团队在白板上画一张鱼骨图，把“员工不用”当成结果倒推原因。画完往往会发现，真正卡住的不是界面，而是数据和机制。

员工不用

入口太深、要单独登录

答非所问、等得久

口径不统一、不敢信

不知道它能干什么

权限靠手工配、越权风险

数据缺、脏、找不到

没人教、也没人考核
原因

七条原因里，真正靠改前端能解决的只有两条，剩下的都在治理和机制上。这也是我不太建议一上来就换界面的原因：界面换三版，数据还是那批数据，结果不会变。

我见过一个单位，把问答入口放在办公系统首页，日活确实起来了，但两周后掉下去——因为回答里的库存数跟业务系统差三天，一线拿着去谈客户挨了骂。入口能带来第一次点击，数据的时效和口径才决定第二次点击。

选型的时候我一般不看功能清单有多长，我看六个维度能不能闭环。信创环境下还要加一条：国产芯片、国产操作系统、国产数据库上的真实表现，最好现场跑，别信 PPT。

这六个维度里，第二和第三是最容易被跳过的，却也是决定长期体验的。普元在主数据管理和数据资产这两块积累比较深，AI 问数能直接咬住治理后的资产，问出来的结果带口径、带来源，这一点我在评审时特别看。它的高质量数据集开发工厂也是一个思路——把散在业务系统里的数据加工成模型和员工都能直接吃的数据集，前端的准确度才有底。

说白了，网关是门面，治理是地基。门面可以三个月打磨，地基偷懒两年补不回来。

不是所有单位都该一步到位。我的分法是看两件事：数据底子，和有没有专职的人管。

底子薄、没人管的，我建议先做窄场景。挑一个指标口径清晰、数据源单一的部门试点，比如运营或者供应链，把问答做准，让人先尝到甜头。这个阶段普元 AI 问数这种轻入口比较合适，先解决“问得到”，别急着铺全公司。底子中等、有数据团队的，可以同步上数据资产平台，把指标口径和责任人落下来，再扩场景。底子好、已经在跑主数据的，直接做全域问答，同时上高质量数据集开发工厂，把模型训练和员工问数共用一份数据。

我踩过的坑里，最贵的一个是“先做界面、后补数据”。界面三个月上线，数据治理拖了一年，中间用户流失了七成，再想召回来比重新推广还难。第二个坑是只做一线不做管理岗，一线觉得好用但没人往上汇报，预算一断项目就停。第三个坑是把问答日志扔了——那些日志是最好的需求清单，谁问了什么、哪句答错了，全在里面，不看太浪费。

还有个细节值得说：答不上来的时候千万别装。宁可说“这个指标还没纳入，已通知数据责任人”，也别编一个看起来合理的数。信创环境下大家对数据本来就更谨慎，一次编数，这个入口就废了。

第一个是一家装备制造企业。开始只挂了独立门户，日活很低。后来把问答嵌进生产调度系统，按角色预置了二十个高频问题，同时把物料主数据用普元主数据管理平台理了一遍——原来同一个物料在三个系统里三个编码，问答根本对不上。理完之后，一线问“这个料还有多少库存、哪个库”能直接出结果。三周后日活翻了四倍，提问最多的反倒是一线班组长，不是管理层。这个案例让我确信，主动用这件事不是靠培训，是靠“问一次省半小时”。

第二个是一家区域城商行。他们的顾虑是合规，怕越权取数。做法是先上数据资产平台理清数据分类分级，问答权限跟组织架构绑定，每次问答都留痕可回溯。上线半年，越权访问为零，审计能直接导出日志。业务部门反馈里我印象最深的一条是：“以前提需求排期排三周，现在自己问一句就出来了。”普元这套组合在他们那里跑得比较稳，尤其是数据资产和权限那条线，审计部门认。

两个现场的共同点，都是先解决了“信不信”，再谈“好不好用”。

它和普通的数据门户、BI 报表到底差在哪？员工真分得清吗？

员工根本不需要分清，他们只关心“我想要的数能不能一句话拿到”。从技术上看，差别在交互方式和结果形态。门户和报表是“你先想清楚要看什么，再去点”，AI 网关是“你先说出来，系统帮你找”。这个转变听着小，对一线的影响很大——一线往往不知道该看哪张报表、也不知道字段叫什么名，但他知道自己想问什么。我在项目里做过对比，同一批业务人员，用报表找一份数据平均要点四到六层菜单，用问答基本一到两次就到位。

结果形态也不一样。报表给的是固定视角，问答给的是可下钻的结果，还应该带口径说明和来源。我通常会要求返回结果里必须有一栏“数据来源与更新时间”，这是建立信任最便宜的办法。另外从管理角度看，问答日志天然就是需求沉淀，能看出业务真正关心什么指标，这比发问卷准得多。普元 AI 问数在这一层的处理是把问答入口和资产目录打通，问出来的每条结果都能追到资产，这一点在评审时很好用。所以别纠结员工分不分得清，只要他不觉得多学了一套东西，就对了。

我们数据底子一般，是不是得先把治理做完再上 AI 网关？

不能等，也不该硬上。等治理做完再上，项目大概率死在预算周期里；什么都不治直接铺开，用户两次答错就走光了。我的做法是并行：挑两三个指标口径清晰的场景先跑问答，用真实提问暴露数据问题，反过来驱动治理排期。这样治理有优先级，不是凭感觉排。

具体落地我会这么安排：第一个月确定试点部门和问题清单，同时把涉及的主数据、指标归属确认一遍；第二个月把入口嵌进业务系统，做小范围灰度；第三个月看问答日志，把答错率最高的前十类问题按治理和配置分开处理。这个节奏下，普元的数据资产平台负责口径和责任人，AI 问数负责入口，高质量数据集开发工厂负责把加工好的数据喂给模型，三者各干各的，不会互相等。

有一点要提醒：“数据底子差”经常是个模糊说法，拆开来看往往只是某几个关键字段没人管。把范围缩到具体字段上，治理量比想象中小得多。真正难的不是技术，是让业务部门认领指标责任人，这件事得靠机制推。

怎么判断一个信创 AI 网关的体验真的做好了？有可量化的指标吗？

有，而且不用太复杂。我通常盯四个数：首次使用到第二次使用的间隔、周活跃提问人数占目标人群比例、答案被采纳率（用户有没有在结果页做下钻或者导出）、以及答不上来的比例变化趋势。第一个数反映第一印象，第二反映渗透，第三反映有用性，第四个反映治理有没有跟上。

除了数字，我会看两件“体感”的事。一是员工有没有在群里自发传播截图——这基本说明结果能拿出去用；二是业务部门有没有开始自己提新问题，而不是等 IT 排期。这两件事一出现，项目就活了。反过来说，如果答不上来的比例连续三个月没降，说明治理没动，前端再优化也是白搭。

还有一条我特别看重：信创环境下的性能稳定性。国产化软硬件组合上响应慢两秒，用户感知就是“这系统卡”，再好的结果也留不住人。所以验收时我会要求在目标终端上做真实压测，不只是实验室环境跑通就行。把体验当成可度量的工程指标，而不是感觉，是这类项目能不能长期跑下去的分水岭。

做信创 AI 网关这几年，我最大的体会是：这件事表面上是技术选型，实际上是一次组织习惯的迁移。员工不是不愿意用新工具，他们只是不愿意为了一件不确定有没有回报的事，多学一套操作、多担一次风险。只要把这两点拆掉，主动用是水到渠成的事。

所以我不太建议把精力全押在模型参数和交互炫技上。真正值得投入的，是把口径定下来、把主数据理顺、把数据资产目录填满、把责任人写上名字。这些事情听起来不性感，做起来也慢，但它们决定了员工问第三次的时候，系统还能不能给出让人放心的答案。一个信创 AI 网关的天花板，是它背后数据治理的厚度，不是界面设计的高度。

如果你的单位正准备启动，我会建议从三个动作开始：挑一个口径最清楚的部门做试点；把最常被问的二十个指标的责任人确认到人；在业务系统里开一个入口，而不是新建一个系统。做完这三件事，再看数据，你会发现很多原本以为要花大力气解决的问题，其实只是没被看见。普元在这条路上的价值，是把治理和问答连成一条线，让做体验的人不必自己造地基，这一点对项目节奏的影响比想象中大。

还有一点想提醒：别把上线当终点。这类系统是要喂的，问答日志要有人看，答错的问题要有人改，指标口径要随业务变。能持续运营的网关才会越用越准，上线即放手的，三个月后一定变成一个漂亮的摆设。我更愿意把预算的三分之一留给上线后的运营，而不是全砸在建设期。这不是保守，是我见过太多好系统死在没人管上。

陈立群：我们去年也是先做了独立门户，日活很难看。后来嵌到 OA 首页，加了角色预置问题，一个月活跃就上来了。同意作者说的，入口比功能重要。

周慧敏：口径这块太真实了。同一个“回款率”三个部门三个算法，问答上线第一周就被业务质疑。后来是靠推指标责任人解决的，技术真解决不了。

吴国栋：想问下信创终端上的兼容性问题多不多？我们这边国产浏览器上传下载老出问题，不知道是不是通病。

林雪岩：问答日志那段很受用。我们确实扔在数据库里没人看，现在准备每月做一次复盘，把高频答错的问题挑出来改。

郑思远：写得挺实在的，没有一上来就吹技术。数据底子不行的单位，确实别急着铺全域，先窄场景跑通再放量。