企业上AI平台，挺可惜的结局不是"没上成"，而是"上了、也部署了，但没人用"。系统装在那里，成了摆设，投入打了水漂。
上线只是起点，真正的分水岭在"怎么让它被日常用起来"。本文只讲运营这件事上，哪些做法能起作用，哪些是常见误区。
一、先想清楚：为什么"装起来"不等于"用起来"
"装起来"解决的是技术问题，系统能不能跑、能不能接数据。"用起来"解决的是人的问题，业务的人愿不愿意、会不会、值不值得去用它。
很多项目把精力全花在了前者，觉得"系统上线了，任务就完成了"。但业务的人不会因为"系统上线了"就自动来用。他们关心的是：这玩意能帮我省多少事，还是反而多添一件事。
二、让业务用起来，从"一个具体的人"开始
推广的误区，是"全公司一起上"。正确做法是，先锁定一个具体的人，一个真实有痛点、又愿意尝试的业务骨干。
这个人比较理想的情况是：
手上有真实的、反复出现的数据需求，而不是"偶尔想查一次"
愿意反馈，能把"哪里不好用"说清楚
在部门里有话语权，用顺了能带动身边的人
把这个人服务好，让他真真切切感受到"以前要半天的事，现在一句话就出来"，他自然就成了你的早期口碑。
三、降低门槛，比增加功能更重要
业务不用，往往不是因为功能不够多，而是门槛太高。要问自己几个问题：
他问一个数，要不要先学一堆操作？
结果是不是能直接推到他天天在用的工具（钉钉、企微），还是得他专门登录一个独立系统？
他问的时候，是"像和人说话"那样自然，还是要按特定格式？
每降低一点门槛，就多一批人愿意试。
四、让答案"可信"，业务才敢依赖
业务不敢用AI，很多时候是因为"不敢信它说的数"。所以让答案可信，是推广的关键一步。
可信来自两点：
可追溯。每个结论都能点到"数据从哪来、按什么口径算的"，而不是一个来路不明的数。
可验证。业务能拿结果和他自己知道的对一下，对上几次，信任就慢慢建立。
一个不可追溯的"黑箱答案"，业务用一两次发现不对，就再也不会信了。这个信任一旦崩掉，很难重建。
五、运营的常见误区
1.上线就搞全员培训。一次性大培训，效果通常很差。不如"先带一个小团队用顺，再慢慢扩散"。
2.只看登录次数、不看实际解决问题。有人登录不代表在用。要看的是"有没有真实问题被解决"。
3.一上来就推太多场景。同时铺开多个场景，每个都浅尝辄止。不如把一个场景做到位，做出标杆。
4.出了问题不追因，只怪"系统不好用"。很多"不好用"背后，是数据没更新、口径没对齐，这些是运营问题，不是产品问题。
常见问题
Q：推广一个AI平台，大概要多久才能真正用起来？
A：没有一个固定周期，取决于场景痛不痛、门槛低不低。做得好的，一个季度内能在一个部门形成稳定使用；做得松的，半年过去还在"试点"。
Q：业务反馈"不好用"，怎么判断是产品问题还是运营问题？
A：先追根因。是数据没更新、口径不对（运营/数据问题），还是操作门槛太高、答案不可追溯（产品问题）。分清了这个，才知道该改哪边。
Q：没有专门的运营团队，这事谁来做？
A：可以由项目里比较懂业务的那个人兼着做，关键是"有人持续盯着用起来这件事"，而不是上线就撒手。运营不需要大团队，需要的是持续的关注。