「我一看结果有错，就不想用了，立刻换下一家。」

—— 用户反馈的真实原声

过去一个月，我一直在一家大型国有集团做 FDE，帮他们把已经部署好的 AI 平台，用到各部门的实际工作中。

前一阵给一个管理职能部门开通了平台账号，这周约了上门回访，想看看他们实际用得怎么样。

刚坐下，对面的业务主任啥都没说，先给我们投了个屏。

演示自己是怎么在豆包、元宝、DeepSeek 和公司 AI 平台之间辗转腾挪的。

同一个任务，他会在几个 AI 工具里都输一遍，看哪个能按要求找到官方原文、给出来源链接，再根据他的筛选规则整理。好用就继续用哪个。

几个平台对比下来，我们推荐的企业 AI 平台，效果最差。

豆包→元宝→ DeepSeek →公司平台

业务主任的真实工具切换路径

用户很残酷。

他才懒得给你填反馈表，而是会直接跑路。

这场本来的产品回访，最后变成了产品推介会和真实需求挖掘会。

我是申悦，一名企业 AI 转型顾问。这是我在一线的又一次现场记录。

用户比你想象的更成熟

这位主任 AI 用得很溜。

比如最近有场重要会议，他想了解各地区、各单位是怎么学习和落实的。以前，他会在百度搜会议关键词，一页一页搜，再挑出来他想要的，拼在一起。

现在，他会先把同一段提示词复制给几个 AI 产品，对比看谁能找出更完整的官方材料。

只有广度还不够，他还会挨个打开原文，确认时间、来源和具体内容。通常找个五六份有代表性的，心里就大概有数了。

他用 AI，是为了扩大信息样本。最后什么信息可以写进报告，还是他来定。

他甚至已经形成了一套 AI 选型经验——哪个工具更听指令，哪个更会调整语言，他门儿清。免费额度用完了，就马上换下一个。

「东边不亮西边亮。」他一边切换，一边跟我们说。

这就是企业 AI 平台上线后，要面对的真实用户。他们很可能早就被各种公开的 AI 产品洗礼过了，还建立了自己的操作习惯和评判标准。

这时候企业内部再上线一个新平台，用户自然会拿它和已经用顺手的产品比较。

如果豆包搜的效果已经挺好了，

为什么他还要用你的平台？

演示到一半，我还发现了另一个产品使用问题。

我们的平台里，有一个主对话智能体，还配置了 N 个包含联网搜索、内部知识查询、智能写作能力的子智能体。这位主任一直把其中一个内部知识助手理解成整个系统的主入口，就会一直和它对话，让它执行复杂联网搜索指令。

结果不符合预期，他就转向了豆包或元宝。

于是我们现场重新演示了一遍：复杂任务可以直接从总入口发起，由系统理解问题并规划搜索过程。内部知识助手的核心任务，是查询企业自己的资料。

听完后他才反应过来——他一直以为自己对话的智能体就是总入口。

是用户错了么？当然不是。

产品团队肯定清楚每个入口背后的模型、知识库和工作方式。

但用户看到的，只是几个名字相近的按钮。他没有兴趣先学习一遍产品架构，再决定该去哪里提问。

入口越多，名字越抽象，用户越容易把一次错误选择，理解成整个平台能力不行。

企业 AI 推广中经常会出现类似问题：平台功能做了很多，使用手册也发了，员工还是不知道该从哪里开始。

单点需求背后，是整条工作流

把入口讲清楚后，我又回到他刚才演示的那项搜索任务。

我问他，找到这些公开资料后，还要做什么？

他说，" 要逐篇看原文，判断哪些值得参考，还要比较不同地区的做法，从中找到反复出现的共同点，再结合公司和行业的实际情况，形成自己的报告或工作建议。"

如果没有这句话，我们 AI 产品的迭代方向，还会在「增强搜索结果」上打转。

而真实情况是，搜索只占第一步。后面的筛选、阅读、比较、提炼和重新组织，才是这项工作的主体。

顺着他的操作过程，我现场给他还原了这背后的一整条工作流。

输入会议名称→搜索材料→提炼共性→输出初稿

一条可沉淀为「数字人」的工作流

先输入会议名称，智能体去搜索指定范围内的公开材料；拿到原文后，再按固定规则提炼各家的共性内容；最后结合企业背景，输出一份可继续修改的材料初稿。

听完我的描述，他瞬间理解了：

「那是不是相当于把我的工作方法提炼出来，形成一个数字人？」

对，就是这个意思。

输入的会议名称每次都可能不同，但后面的搜索范围、提炼方式和输出要求相对稳定。这些都可以沉淀为一个专属 AI 员工，或者做成一条可重复运行的工作流。

但这还只是初步判断，还要拿过去做过的真实任务做测试。

从一句「我需要 AI 帮我搜资料」，到一项可验证的 AI 场景，中间差的就是这层工作拆解。

真正的机会，藏在企业内部资料里

聊完公开信息搜索，他又打开了自己电脑里的一批 Word 和 Excel 文件。

其中一类，是历年内部讲话和工作材料。

以前为方便查找，他会把多份讲话手工串到一个 Word 里。临时收到任务，要梳理某位领导过去一段时间在相关会议上提出过哪些要求，他就靠自己翻材料、搜关键词，再一点点整理出来。

「我们现在已经在做了，只不过是人肉手做。」他说。

这不就是天然适合知识库的场景么？没必要费劲手工整理，只要把原始材料导入企业知识库，后续按人物、时间、主题和会议查找观点，又快又准。

有时候，连接知识库的，不只是问答智能体。

另一类，是会议纪要里的待办任务表。

纪要中凡是出现「请某部门完成什么」的内容，他目前还要手工复制到 Excel 里，再把责任部门、任务内容和后续进展补进去。

看起来不复杂，却是一串很典型的机械动作：识别会议指令词，抽取责任人和事项，按固定字段写表，再交给人确认。

这是AI 工作流能稳定承接的典型任务。

豆包擅长搜索外部资料

润色文字企业 AI 平台的优势了解企业内部如何表达工作要求

拿到历年讲话、纪要、督办表格

沉淀资深员工的处理规则

公开 AI 工具 vs 企业 AI 平台

这些内部资料，加上资深员工长期形成的处理规则，才是企业 AI 真正值得沉淀的东西。

企业知识库有价值的时刻，也不只发生在员工问出一个知识问题的时候。

更重要的是，过去积累的知识，能接到今天正在发生的任务上。

能实现 ≠ 值得做

现场还聊到了一个每天自动生成信息简报的想法。

技术上并不难。定时打开几个网站，抓最新内容，整理成一份简报，很多智能体平台都能做。

但聊到哪些文章应该进入简报时，这位主任给出了他的原则：网站里的内容五花八门，他通常要先看一遍，才能决定哪些值得放到简报里。

这其中最有价值的资产，是定义什么叫「值得看」的新闻。

否则 AI 只能把所有内容一起抓回来，最后很可能得到一份信息超多，但重点不明的无效报告。

当时我给出的判断是，不着急把整个过程自动化。

建议先让 AI 搜集、初步分类和整理信息，人先完成一轮筛选，再把确定有价值的材料交给 AI 继续提炼。等使用一段时间，积累了足够多的样本，再看能不能总结出更稳定的判断规则。

能实现和现在值得做，是两个需要分别回答的问题。

真正的需求，是「追」出来的

这场沟通持续了一个多小时，其中大部分时间，我都在看他怎么用 AI 搜东西、怎么在电脑上写材料、填表格。最后发现的几个场景，大多是沿着这样的动作一步步追出来的。

这让我总结了一套FDE 进场调研三步法。

1 看工具使用现在会用哪些 AI 工具？在哪步会放弃改用其他家？2 追人工操作 AI 给出结果后，还要继续完成哪些人工操作？3 找内部独占哪些资料、规则和判断，只有企业内部才具备？

FDE 进场调研三步法

这三个问题问完，就知道是该做通用问答、知识库、专属智能体，还是有人参与的自动化工作流了。

这也是为什么 FDE 得进场。平台使用日志可以告诉我用户问了什么，却不一定能告诉我他为什么问到一半去了豆包，以及拿到答案后又在 Word 和 Excel 里忙了多久。

这些藏在系统外的动作，才决定了一个 AI 场景有没有价值。

做企业 AI 项目久了就会发现，场景很少是坐在会议室里空想出来的。

你得走到员工旁边，看着他把一项工作从头到尾做一遍。他为什么打开这个工具，在哪一步切换到另一个工具，拿到结果后还要加工多久。

这些细节看清楚了，AI 场景才真正有机会成立。

平台上线只是起点，

走进办公室才是真正的开始。

最后，我把这次现场用到的方法整理成了《企业 AI 场景挖掘与落地判断清单》，给公众号发消息：「场景清单」可以领取。

你公司的 AI 平台，还在吃灰吗？评论区聊聊。

我是申悦，企业 AI 顾问，解决方案型 FDE。提供企业 AI 培训、AI 落地方案咨询、AI 智能体设计和运营陪跑服务。服务过东风集团、海亮集团等世界 500 强企业。如果你的公司正在AI 转型、知识库建设和智能体落地，点击文末左下 "阅读原文" 查看合作方式，加 V 详聊：s2dongman