AI 产品落地的三个常见陷阱

一、陷阱一：没解决真问题

演示会上所有人都说"有用"，上线后没人用。复盘时十次有八次能对上同一个原因：需求是从"AI 能做什么"推出来的，不是从"谁每天在重复做什么"推出来的。

检验方法很朴素：找到这个功能对应的旧流程，问三个问题——旧流程谁在用、用得多频繁、不用会怎样。如果答不出"不用会怎样"，说明它不是刚需，AI 只是给一个本来就不做的事换了个更时髦的做法。

二、陷阱二：交互太复杂

模型能力再强，用户不学就是零。最常见的错误是把模型的中间过程原样端给用户：让用户写复杂的提示词、让用户理解"置信度 0.73"是什么意思、让用户在十个选项里挑一个。

好的 AI 交互是把复杂度吃掉：用户点一下"整理这批合同"，背后的拆解、检索、校验全是系统的事。判断标准是数一数用户为了得到结果要做几个决策——超过两个，就要想想能不能替他做。

三、陷阱三：效果不稳定

AI 产品最伤信任的不是"不行"，而是"时行时不行"。上周答得漂亮的同类问题，这周开始胡说，用户立刻流失，而且不再回来。

稳定性靠三件事兜底：输入侧做校验和归一化，别指望模型处理脏数据；输出侧加校验层，格式、事实、边界条件逐项过；版本侧固定模型和提示词的变更流程，每次变更跑回归用例——就像传统软件回归测试一样，AI 产品也需要自己的回归集，很多团队恰恰没有这一层。

四、三个陷阱的共同点

它们都不是模型问题，是工程和产品基本功问题。这也是为什么我们做 AI 项目坚持先进场看旧流程、先做最小原型验证"有人用"，再谈完整开发。方向错了，模型越好，跑得越贵。

撰稿：邓湘雷