最可惜的项目，不是AI项目失败了，而是"没死但也没活"。
花了钱，上了线，也没人说它不好，但系统就是占着资源没人用——也没人管。这种项目有个共同特征：上线即终点。
我见过太多这种情况了。今天聊三个犯得最多的错误，每一个都是真金白银买来的教训。
第一个坑：数据没准备好就上线
有家做教育培训的公司，买了一套AI客服系统。上了两个月，转人工率72%。老板觉得系统有问题，要换供应商。
我去看了一眼他们的知识库——300多条FAQ，里头大量是"请联系我们的客服"、"详情请咨询相关人员"。运营部同事花了两个小时，把销售平时跟客户说的话整理了一下，导进去。听起来很努力，但质量堪忧——基本上是把"我知道这件事但我不知道怎么描述清楚"变成了文字。
AI的输出质量，输入质量占了决定性的分量。你往里头塞什么，出来的就是什么。数据准备这件事，不能省。也不能交给不了解业务的人来做。
第二个坑：流程没改就上线
很多公司觉得，上了AI系统，AI就帮他们干活了，原有流程不需要动。
这个想法有点过于乐观。AI不是来融入你的流程的——它是来改变你的流程的。
举个真实的例子。某财税代账公司，以前的工作流程是"客户提交资料→客服初审→财务复核→出结果"。上了AI之后，他们把"客服初审"这个环节用AI替代了。
问题出在哪？以前客户提交的资料格式五花八门，PDF、Word、手写照片什么都有。AI根本处理不了这些非结构化数据。他们没有改变"客户提交资料"这个前置环节，结果AI前面吃的全是没法处理的东西，出来的结果自然不行。
上了AI系统，配套流程必须重新梳理。哪些环节AI能接住？哪些环节需要先做标准化？想清楚这些再动手，比上线之后发现问题再返工要省得多。
第三个坑：没有人会"用"AI
上了系统，发现员工不会用——这事听起来不应该发生，但概率非常高。
很多人对AI的期待是：你把问题说清楚，AI给你正确答案。但现实是，问法不同，AI给出的答案质量差距非常大。
这跟用搜索引擎一个道理。你搜"怎么开会"，出来的结果很泛；你搜"晨会5分钟高效闭环怎么开"，出来的结果就有用得多。
问AI也是这个道理。你问AI"这个月销售数据怎么样"，它给你一个通用报表。你问"这个月跟上月比，哪个区域的客户流失率有变化，给出具体数值"，AI才能给你有价值的分析。
这不是AI的问题，是使用者的提问能力问题。员工需要培训、需要练习、需要有人告诉他们怎么跟AI配合工作。这些培训成本在买系统之前很少有人会算进去。
怎么避坑
上系统之前，先问自己三个问题。
第一，我们的数据准备好了吗？有没有一个结构化的、给AI看的知识库？不是给内部人看的那种，是让一个外人看了也能回答客户问题的程度。
第二，我们的流程需要调整吗？哪些环节需要先做标准化，才能让AI接住？
第三，我们的员工会用AI吗？有没有人能持续优化AI的输出质量？
如果这三个问题没想清楚，上系统的时机就不成熟。早上线，不如等一等。
最后说一句
花了钱买AI系统但用不起来，这件事很常见。原因不外乎这三个：数据没准备好、流程没改、员工不会用。都不是技术问题，是准备工作的问题。
这些问题在买系统之前就能发现，但很少有人会认真去想。都想赶紧上，好像上了系统就能解决业务问题似的。
但系统只是工具。工具得有人会用、用对地方，才能发挥价值。
公司买了AI系统没人用是什么原因
三个最常见原因：数据没准备好就上线（知识库质量差，塞满无效回答）、流程没改就上线（AI无法处理非结构化的客户资料）、员工不会用（缺乏提问能力培训）。这三个都是准备工作的问题，不是技术问题。上系统之前先把这三件事想清楚。
AI系统上线前需要做哪些准备工作
第一步，准备好结构化的知识库，由懂业务的人整理，包含具体问题场景和对应解决方案。第二步，梳理哪些流程环节AI能接住，哪些需要先做标准化。第三步，培训员工的提问能力——问法不同，AI给的答案质量差距非常大。
常见问题
Q：AI系统上线后没人用的主要原因是什么？
三个原因：数据没准备好就上线（知识库质量差），流程没调整就上线（AI无法处理非结构化数据），员工不会用AI（缺乏提问能力培训）。都是准备工作的问题，不是技术问题。
Q：AI知识库应该如何准备？
需要结构化、高质量、面向AI理解。不能简单复制"请联系客服"类无效回答。应该由懂业务的人整理，包含具体问题场景和对应解决方案。
Q：上了AI系统后流程需要调整吗？
必须调整。AI不是融入现有流程，而是改变流程。需要先梳理哪些环节AI能接住，哪些需要先标准化。比如客户提交资料的格式必须统一。
Q：员工如何学会正确使用AI？
需要培训提问能力。问法不同，答案质量差距很大。具体问法（如"哪个区域流失率有变化，给出具体数值"）比模糊问法（如"销售数据怎么样"）效果好得多。