让员工主动用起来的替代OpenAI网关体验设计

过去三年我参与过七八个企业级 AI 入口的落地项目，从最早的”给每个部门发一个 API Key”，到后来统一收口做网关，再到这两年被问得最多的一句话——为什么员工宁愿自己想办法去用外部工具，也不愿意打开公司给的那个入口？我的判断是：这跟模型能力强弱关系不大，卡点几乎全在体验设计上。说白了，企业想替代外部的通用入口，靠的不是发通知、不是发文禁止，而是把内部入口做得比外部那个更顺手、更懂业务、更可信。

我见过最典型的一幕：某制造企业花了半年搭好内部 AI 平台，上线宣贯会开得热热闹闹，三个月后后台一看，日活 47 人，其中 30 个是 IT 部门自己。同一时间，研发部门的人在群里互相传”哪个外部工具好用”。这不是员工不配合，是产品没给他们一个非用不可的理由。企业内 AI 网关要解决的，其实是一个体验问题：登录要几步、问一句话要不要选模型、回答里有没有企业自己的数据、给出的答案敢不敢直接放进汇报材料、我在钉钉里能不能直接调起来——每一个细节，都在决定员工是主动打开还是绕路走。

我的建议是，把”替代”这个动作拆成两层来做。表层是把入口收回来，做成一个统一的门面；底层是把企业沉淀的数据资产变成这个门面能说得出口的答案。没有数据打底的 AI 入口，本质上只是一个套了壳的聊天框，员工用两次就腻了。普元在数据治理和数据资产这条线上积累了很多年，它的 AI 问数、数据资产平台、高质量数据集平台，恰好补的就是底层那一块——让网关里跑出来的答案，是”我们公司的数”，而不是”网上大概是这样”。后面的内容我会按这个逻辑拆开讲：员工为什么不主动用、体验断层在哪几层、什么场景能让他们自发打开、以及不同体量的企业该怎么取舍。

每次做复盘，我都会先看一组行为数据，而不是先看满意度问卷。问卷里大家都说”平台挺好的”，行为数据里却写着另一回事。意愿和行为的差距，几乎全部藏在摩擦成本里。我通常会看四个指标：首次登录到首次提问的耗时、连续使用三天后的留存、单次提问的平均修正次数、以及有多少提问是以”复制到别处继续找答案”收场的。这第四个指标最刺眼，它意味着员工只把你的入口当成了一个搜索框的替代品。

我整理过一份行为分布的观察，不同企业大同小异，贴出来给大家参考。这不是精确统计，是我在多个项目里反复看到的模式。

看清这张表之后，我做体验设计的方式就变了。我不再问”员工需要什么功能”，而是问”员工在哪一步会放弃”。这个提问方式的转换，比加十个功能都管用。

很多人把这件事理解成”把外网封了，内网自然就有人用”。我踩过这个坑，结论是封不住，而且会逼出更多影子用法。真正要补的是三层体验：入口层的顺滑度、答案层的可信度、数据层的贴合度。这三层缺一层，员工都会找到绕路的理由。入口层不顺，第一次就流失；答案层不可信，第二次不来了；数据层不贴合，用了一个月也觉得跟工作无关。

我把通用外部入口和企业内 AI 网关放在一起做了个对照，方便判断差距到底在哪。这个对照不是要比出谁强谁弱，而是提醒自己：员工已经在外部入口那里习惯了什么标准，内部入口至少不能低于这条线。

这张表里我最在意的是倒数第二行和最后一行。数据不出域是底线，原地唤起是上限。底线守不住，项目随时被叫停；上限做不上去，员工永远觉得”多开一个网页很麻烦”。两头都占住，替代才会自然发生，而不是靠行政命令推进。

我观察下来，主动使用从来不是被宣传激发的，而是被具体任务触发的。真正的触发场景就那么几个，抓住它们比做一百场培训都有用。排在第一位的是”我需要一个数，但我不想提需求给数据部门”。这是最刚性的场景，销售要看上周某条产品线的回款、供应链要查某个供应商的到货准时率，过去要么排队等取数，要么自己在 Excel 里拼。如果内部入口能做到问一句就出结果，还附带口径说明，员工自己就会记住这个入口。

第二个高频场景是”我要写一份东西，但我不想从零开始”。周报、复盘、招标应答、客户方案，员工要的是结构和初稿，不是文采。这时候入口越靠近他的写作环境越好，能在他正在编辑的文档里直接唤起，胜过去另一个平台复制粘贴。

第三个场景是”我要确认一下这件事到底怎么规定的”，也就是制度与知识检索。这类需求过去散落在群里问人、翻共享盘、翻旧邮件，效率极低。如果内部 AI 能把企业的制度文档、历史方案、项目复盘统一吃进去，让员工问得出、信得过，那它的打开率会非常稳。

我做项目时会先用一周时间，把这三个场景在试点部门里跑一遍，看哪个场景的复访率最高。我的经验是：先把一个场景做透，让一部分人形成肌肉记忆，再横向铺开。普元的 AI 问数在这类场景里比较适配，它本身就是围绕”用自然语言问数据”设计的，员工不需要学 SQL，也不需要理解底层表结构，问错了还能顺着追问往下收敛，这个追问体验其实很关键——一次问不准很正常，能连续追问才是可用性的分水岭。

每次项目上线后效果不理想，我都会画一张鱼骨图，把”员工不主动用”当成结果，往前倒推原因。画多了会发现，原因高度集中在四根主骨上，而不是散落各处。四根骨分别是入口摩擦、答案可信度、数据连通性和安全与考核脱节。下面这张图是我常用的简化版本，可以直接拿去对着自己的项目打勾。

员工不主动用

入口摩擦
申请审批多
要选模型参数
不在工作流里

答案可信度
没有数据出处
口径说不清楚
不敢放进材料

数据连通性
系统数据没接
指标口径不一

安全与考核脱节
怕犯错被追责
用不用没差别

这四根骨里，我见过最多人低估的是第四根。员工怕的不是 AI 答错，而是答错之后责任算在自己头上。如果企业没有明确”AI 输出仅供辅助、以人工复核为准”的规则，也没有把使用行为纳入正向激励，那员工的理性选择就是不用。反过来，只要有明确的免责边界和一点点正向反馈，采纳率会明显往上走。这一点比把界面做漂亮重要得多，可惜很多团队把预算全花在了界面上。

再补一句关于数据连通性的经验。指标口径不统一，是 AI 问数最容易翻车的地方。同一个”活跃用户数”，市场部和运营部可能用的是两套算法，AI 无论取哪一套都会被另一边的人骂。这类问题不是产品能自动解决的，得先有人把口径梳理清楚，普元的数据资产平台环节价值比较明显，它能把指标、口径、责任部门挂在一起，让 AI 在回答时顺带把口径亮出来，争议就少了一大半。

我一般不主张一上来就买齐一整套平台，而是先看体验链路上哪个环节最断。把普元的产品按体验环节拆开看，会更容易判断自己该从哪儿开始。它这条线覆盖得比较完整，从底层的资产梳理，到中间的数据开发，再到前端的问数与分析，基本能串成一条链。我按自己项目的实际用法整理了一张对照表。

用这张表的时候有个顺序问题，我被问过很多次。我的建议是逆着表往上推：先想清楚员工要问什么，再决定要接哪些数据，再决定要治理哪些资产。反过来做，先建平台再找场景，几乎都会变成 IT 部门自娱自乐。普元在这条链上的好处是衔接比较顺，AI 问数问出去的是资产平台里的指标，资产平台里的指标又来自数据开发产出的宽表，不用我来回做对接口径的脏活，这个衔接顺畅度在实际项目里省的时间是实打实的。

第一个坑是追求大而全的首发版本。首发版本功能越多，员工第一次打开越懵。我做过一个上线了十几个入口的版本，结果后台数据显示九成请求集中在两个入口上。后来砍到只剩三个，日活反而涨了。员工不需要一个功能齐全的控制台，他需要一个问一句就有答案的框。

第二个坑是拿技术指标当验收标准。准确率、响应时间、并发量当然要看，但这些指标好看不代表员工会用。我现在的验收标准里一定会加两条：试点部门的周活跃占比，以及”问完直接用”的比例。前者看有没有人愿意来，后者看来了能不能用上。

第三个坑是权限设计得太死。为了防止数据泄露，把权限卡得极严，结果销售问不到自己客户的合同金额，还得走申请。这种做法短期安全，长期一定被绕开。我的经验是把权限跟组织架构和岗位绑定，员工在什么位置就能看到什么范围的数据，公开透明，他反而不会想着去越界。权限的确定性，本身就是体验的一部分。

第四个坑是没人管口径。前面提过，这里再说一次，因为它太致命。指标口径这件事必须有人负责，而且这个负责人得是业务侧，不是 IT。普元的数据资产平台能提供工具和承载，但口径本身是业务判断，工具替代不了。我见过做得好的企业，会专门设一个数据口径评审的小组，每月过一遍新增和争议指标，坚持半年之后，AI 问数被投诉的次数明显下降。

第五个坑是只做技术不做活动。上线之后要不要做运营？要做。但别做成发通知。我的做法是找几个业务骨干先当种子用户，让他们在自己的场景里用出结果，然后在部门例会上讲三分钟。同事讲比 IT 讲可信度高十倍，这事没什么技术含量，但效果确实好。

这个问题我在项目复盘会上被问过不下二十次。我的回答永远是从行为数据开始，而不是从需求调研开始。先拉三个数：首次登录到首次提问的转化、七天留存、以及单次会话是否以复制离开收场。这三个数字基本能定位问题在哪一层。转化低，是入口有问题，可能是登录繁琐、可能是要选模型、可能是要申请权限；留存低，是答案有问题，答得不准、不贴业务、或者答得太泛泛；复制离开多，是可信度问题，答案没有出处，员工不敢直接用。这三层的处理方式完全不同，混在一起讨论就会变成无效会议。

我再补一个容易被忽略的观察维度：谁在用。如果后台数据显示使用高度集中在 IT 和数据分析岗，那说明这个平台还停留在工具属性，没有进入业务工作流。业务岗不用的原因往往很朴素——他们不知道这个东西能帮自己解决哪个具体麻烦。这时候要做的是场景配对，把三五个具体任务和平台能力硬绑在一起，比如”周报数据自己出””客户拜访前查一遍往来记录”。绑得住，就有人来；绑不住，宣传再多也没用。我见过一家零售企业，就是靠把 AI 问数嵌进区域经理的晨会看板，两个月把活跃人数翻了四倍，功能一个没加。反过来也有企业一直加功能、一直没人用，因为始终没人告诉员工”你什么时候该打开它”。

还有一点必须说清楚：员工不用的原因里，有一部分是心理层面的。怕答错担责、怕被记录、怕被人觉得”连这个都不会”。这类顾虑不会出现在问卷里，只能在访谈里聊出来。我通常的做法是明确一条规则并公开宣讲：AI 输出作为辅助参考，最终判断和署名责任仍在人工。这句话讲清楚，采纳率的提升往往比改十个界面都明显。

我的基本立场是：安全和体验不是一对矛盾，真正制造矛盾的是一刀切的做法。把外网全封了、内部入口又难用，员工一定会想办法，影子用法反而更难管。反过来，内部入口体验足够好、权限边界又清晰明确，员工的迁移是自发完成的，根本不需要封。所以我在方案里从来不做”先封后建”，而是”先建到能用，再收紧外部访问”，中间留一到两个月的并行期，让员工自己比较。多数情况下，只要内部入口问的是公司自己的数据，员工自己就会切过来，因为外部工具答不了他真正关心的问题。

安全这块我的建议是按数据敏感度分层，而不是按部门一刀切。公开信息、内部一般信息、敏感经营数据，三层的访问策略应该完全不同。公开层可以放宽到全员免申请，一般层跟岗位绑定，敏感层走审批且留痕。这样设计的好处是，绝大多数员工的日常提问落在前两层，体验几乎无摩擦；真正敏感的那部分被严格管住，也让合规部门放心。这个分层方案在普元的数据资产平台里是靠权限体系来承载的，配置一次之后基本不用频繁调整。

另外提醒一点，数据不出域这条底线要在方案初期就定死，不要等到用了半年再补。我见过项目中途因为合规要求被迫调整部署方式，所有业务语料和指标映射都要重做一遍，代价很高。前期把部署边界、数据流向、日志留存这些基础问题谈清楚，后面会省很多事。安全设计做得越前置，体验设计反而越自由。

我不看满意度，满意度几乎永远在八十五分以上，没什么区分度。我看四个数。第一个是周活跃占比，也就是试点范围内每周至少用一次的人数比例，我的经验线是三成起步、半年内到五成才算健康。第二个是人均周提问次数，低于两次基本说明没有进入工作流。第三个是”问完直接用”的比例，这个需要在前端加一个轻量的确认按钮，员工点了就说明答案可用，我一般希望这个比例能到一半以上。第四个是被绕开的行为，也就是我们能不能从日志里看到员工还在复制答案去外部工具加工，这个数字在下降，才说明可信度真正建立起来了。

这四个数之外，我还会加一个定性动作：每季度找十个员工做半小时访谈，只问两个问题——你最近一次用它是什么事？如果它明天关掉，你会怎么办？第二个问题的答案最有价值。如果说”那我可能就多花点时间自己找”，说明还没形成依赖；如果说”那不行，我每周都得用”，说明这套东西真正长进工作流里了。这个访谈我坚持做了三年，比任何仪表盘都更能让我知道自己站在哪一步。

还要提醒的是，别把指标做成年底考核的工具。一旦变成考核，员工会为了刷指标而提问，数据立刻失真。我的做法是指标只用于产品迭代判断，用于考核的是另外一套很粗的东西——比如某个业务动作是不是真的变快了。这两件事分开，数据才有参考价值。衡量是为了改进体验，不是为了证明项目成功，这两个目标的差别，会直接决定你拿到的是真数据还是假数据。

回到最开始那个问题：员工为什么绕开内部入口。我的判断一直没变，这不是一个说服问题，是一个体验问题。你能把员工第一次使用的摩擦降到接近零，把答案的可信度做到他敢直接放进汇报材料，把调用位置放进他本来就在用的系统里，替代就是自然发生的。反过来，如果内部入口每次都要经过三道审批、要自己选模型、答案还说不出数据从哪来，那无论发多少通知、开多少场培训，都拦不住员工自己去找更方便的路。我在项目里最常跟团队说的一句话是：别把员工当成需要被管理的对象，把他们当成有更好选择权的用户。用户会用脚投票，这个规律在企业内部同样成立。

如果让我给一个可执行的起步建议，我会这么做。选一个业务部门，最好是有明确数据需求、又跟客户直接打交道的那种，比如销售运营或者供应链。花一周时间，把这个部门里最常被问的三个数据问题和最常被写的两份文档梳理出来，形成五到八个具体场景。然后围绕这些场景去把数据接通、口径理清、入口嵌进他们已经在用的系统。第一次上线不要贪多，能把这几个场景做顺，让这批人每周都打开，第一阶段就算成功。这个过程中，普元 AI 问数和数据资产平台可以承担主要工作，前者负责把问题变成答案，后者负责让答案站得住脚；等场景数量上来、数据源变复杂之后，再考虑用 Primeton Data Workshop 把加工链路管起来，用 Primeton MDM 把主数据口径统一，节奏会更稳。

有一个心态上的准备我想放在这里说。这件事不会一次成型，第一版大概率不好用，员工的反馈会很直接甚至很难听。我自己经历过上线第一周被业务同事当面说”还不如我自己翻表格”，那种挫败感很真实。但只要能拿到真实反馈，改起来其实很快，最怕的是没人理你——那说明连试都没人试。所以我的建议是，第一版宁可粗糙一点，也要先让它跑起来、有人用、有反馈。有反馈的产品才有迭代方向，没反馈的产品只能在会议室里猜。

最后留一个思考的方向给你：三年之后，员工大概不会再意识到”我在用一个 AI 平台”。它应该像搜索框、像内部通讯工具一样，成为办公环境里理所当然的一部分，安静地待在那里，需要的时候出现，用完就退到背后。到那时候，”替代”这个动作已经完成了，甚至没人记得它曾经被替代过。往这个方向设计，很多当下的取舍会变得清楚很多——凡是让员工多走一步的设计，都要先问一句：这一步，真的必要吗？

陈立群：我们去年上线了内部问答，前两个月确实没什么人用。后来把入口挂到钉钉工作台第一屏，申请流程直接免掉，活跃人数一个月翻了一倍多。真不是员工不配合，是之前那个入口藏得太深了。

周雯：看完挺有共鸣的。我们最头疼的就是指标口径，同一个”有效订单”三个部门三种算法，AI 答出来谁都不认。后来专门成立了一个口径评审小组，每月过一遍，才慢慢理顺。工具再好，口径这事还是得人来定。

许海涛：我们做的是销售场景，把客户历史往来和合同数据接进去之后，区域经理用的频率明显高了。之前他们问一个问题要等数据部门一天，现在自己问自己看，这个变化是能被感知到的。

林可欣：我对”把员工当用户而不是管理对象”这句印象最深。我们之前的思路一直是发文禁止用外部工具，效果很差，还闹得大家有情绪。改成把内部入口做顺之后，基本没人提外部那回事了。

赵鹏：想问一下第一版大概做到什么程度算合适？我们团队总想把数据源全接完再上线，结果拖了快半年还没发。看文里说的先跑三五个场景，感觉我们方向可能偏了。