集成障碍打通了，裁定接口设计好了，系统部署上线了。然后安排一场上线发布会，发一封全员邮件，告诉所有人新系统已经上线，欢迎使用。然后等用户来用。
这样等来的结果，通常让人沮丧。
系统的访问日志显示，头两周有一波流量，然后慢慢降下去。大多数人试用了一两次，发现有些地方不顺手，或者输出不够可靠，就回到了原来的工作方式。系统上线了，但没有人真正在用它。
这并不是个案。麦肯锡的数据显示，尽管企业AI部署已经全面铺开，但实际的效果普遍很小。系统部署上线了，不等于用户会用。
NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。
信任鸿沟，从数字开始理解
先看一个数字，它很能说明问题。
WalkMe对3750名企业员工的调研发现，在涉及复杂业务关键决策的场景里，只有9%的一线员工说他们信任AI的判断。同样的问题问高管，这个数字是61%。
这个差距很重要，因为它揭示了一个结构性问题：决定要不要部署AI系统的人，和真正要每天用这个系统工作的人，对AI的信任程度差了将近七倍。高管签字采购，觉得AI很可靠；一线员工打开系统，觉得它不可信赖。
这不是沟通问题，也不是培训问题。当AI只是辅助人工作得更快，问题还不明显。但当AI开始自主行动、代表用户做决策、和其他系统交互，人们自然开始担心：这个系统安全吗？出了问题谁负责？它替我做的决定，我能信任吗？
这些问题没有办法用一场培训课来回答。它们需要用户亲眼持续看到系统在真实场景里的稳定表现，在使用过程中逐渐积累对系统的信任判断，需要时间。
陪跑阶段做的，就是陪着用户经历这个过程。
信任是三层叠起来的
用户对AI系统的信任，分为三层，每一层的建立方式不同，每一层的脆弱程度也不同。
第一层，能力信任：相信系统能做到它声称能做到的事。
这一层建立起来相对容易——给用户看几个真实的成功案例，系统处理了一个过去需要花几个小时的任务，准确率达到了预期，能力信任就开始建立了。
但这一层也最脆弱。系统一旦在用户面前出现一次明显的错误，能力信任会迅速下滑，而且很难靠讲道理来修复——用户亲眼看到系统出错了，这个印象很难被后来的数据覆盖。
第二层，意图信任：相信系统是在帮我，不是在替代我或者监视我。
这一层和技术关系不大，和组织文化、沟通方式、系统被引入的方式关系很大。如果用户感觉AI系统是被强加进来的，或者觉得引入AI是为了减少人力，意图信任就很难建立，甚至会有主动抵制。
这一层的建立，需要从一开始就让用户参与进来，让他们感受到这个系统是在给他们用的，而不是用来替代或者管他们的。
第三层，依赖信任：愿意把真实的工作流程交给系统来支持。
这是最高层，也是采纳率背后真正在衡量的东西。不是用户偶尔查一下系统，而是用户在日常工作里真的开始依赖系统——系统如果突然不可用了，他们会觉得工作受阻。
陪跑阶段要建立的是第三层。前两层是基础，但光有前两层，系统也只是一个用户偶尔会打开的工具，不会真正衔接进自己的工作流程。 
陪跑阶段，FDE具体做什么
守在现场，不是远程支持
陪跑不是发培训手册，不是安排几场演示课，不是设一个反馈邮箱等用户来报问题。
是FDE真的坐在用户旁边，看他们怎么用。
这里有一个具体的观察非常有价值：用户绕过系统的行为。用户本来应该用系统处理某件事，但他们没有，他们用了原来的方式。这个动作，不是需要纠正的问题，是需要理解的信号。
绕过系统背后通常有两类原因：系统在这个场景下的输出不够可靠，用户不信任；或者系统的操作流程和用户的实际工作节奏不匹配，用它比不用它麻烦。这两类问题，坐在远程看日志发现不了，守在现场才能看到。
让用户参与改进，不只是接受系统
我们之前提过摩根士丹利的案例：FDE让财富顾问亲自标记数据、提供反馈，反复调整输出，直到顾问们真正信任系统，敢用它去服务高净值客户。这样最终采纳率达到了98%。
这个结果背后的逻辑不复杂。用户参与了系统的改进过程，他们理解这个系统是怎么工作的，知道它在哪些场景下可靠、哪些场景下需要人来复核。这种理解是通过亲手参与建立的，不是通过听课建立的。
参与改进还有另一个效果：用户会把系统的成功当成自己的一部分。他们帮助定义了什么叫"对的输出"，他们参与了让系统变好的过程，他们对系统有一种主人感，而不是被动接受者的感觉。
找到内部推动者
FDE守在现场能做很多事，但有一件事FDE做不了：替代组织内部的影响力网络。
Prosci的研究测量了领导层支持对AI推行结果的影响，顺利推行的组织得分+1.65，推行困难的组织得分-1.50，在四分制的量表上差了3.15分。这不是说领导支持是锦上添花，是它字面意义上决定了项目的走向。
陪跑阶段，FDE需要找两类人。
一类是早期使用者中用出效果的人。找到他们，让他们的使用方式变得可见——不是做成PPT在会议上汇报，而是让他们的同事看到他们怎么用，看到系统在真实工作里带来了什么变化。真实的使用场景，比任何培训材料都有说服力。
另一类是在组织里有影响力、对AI持开放态度的管理者。让他们成为内部的推动力量。FDE不可能永远守在这个客户这里，内部推动者是FDE撤出之后，采纳率能否继续增长的关键。
建立反馈循环，不靠感觉判断进展
用户用系统的过程里，会持续产生信号：哪些输出他们接受了，哪些他们修改了，哪些他们直接忽略了，哪些场景他们开始绕过系统。
这些信号是系统改进最有价值的输入，也是判断信任是否在建立的最直接指标。
陪跑阶段要设计一个正式的反馈收集机制，让这些信号能够被系统地捕捉和分析。不是靠FDE自己的感觉判断"用户好像开始信任系统了"，是靠行为数据说话。用户修改AI输出的比例在下降，说明能力信任在建立。用户主动用系统处理更多类型的任务，说明依赖信任在深化。
陪跑阶段结束的标志
不是系统稳定运行了多少天，不是用户没有来报问题，不是培训完成率达到了某个数字。
是三个行为信号同时出现：
用户开始主动向同事推荐这个系统。这是依赖信任建立最强的信号——一个不信任系统的人，不会去劝说别人用它。
系统暂时不可用的时候，用户会感到工作受阻，而不是无所谓地切回原来的方式。这说明系统已经真正接进了他们的工作流程，而不只是一个可用可不用的选项。
用户开始提出新的需求，想让系统帮他们做更多的事。从被动接受变成主动扩展，这是依赖信任最成熟的表现。
当这三个信号出现，陪跑阶段的核心任务就完成了。系统不再需要FDE守在旁边，它已经被接进了用户的日常工作。 
写在最后
部署阶段这三篇，集成墙讲的是怎么把系统接进真实环境，裁定接口讲的是怎么设计人类介入的机制，陪跑讲的是怎么让用户真正信任并用起来。三件事缺一件，部署都不完整。
技术能做到的，是让系统跑起来。信任能做到的，是让系统被用起来。后者比前者难，花的时间也更长，但它才是部署真正完成的标志。
