产品人人都是产品经理·我叫小米粒··AI 生成
AI助手上线后回答得不错，用户为什么还是不用？复盘一个课程咨询助手的三轮迭代
文章以课程咨询助手为例，揭示了AI助手从“能回答”到“能解决问题”的关键不在于模型能力，而在于产品定义和持续运营。核心发现是：用户不是来欣赏AI回答的，而是来解决具体事务的，因此产品目标应从“回答了多少问题”转向“解决了多少问题”。文章详细拆解了任务分类、知识库运营、系统连接权限和评估体系迭代的完整逻辑，适合正在进行智能体产品落地实践的产品经理、AI服务商和业务运营人员阅读。原文 ↗原文 ↗
核心观点
- ▍真正有效的智能体产品不是生成更多回答，而是不断发现未解决的问题，并将其转化为新的知识、技能、连接能力和流程改进，实现从“会聊天的功能”到“持续运营的服务产品”的转变。
- ▍产品目标应从“AI回答了多少问题”转向“用户的问题解决了多少”，按任务完成率而非对话量来衡量成功。
- 01用户真实需求包括查询报名状态、确认材料审核进度、上传截图咨询等，这些并非简单的“问答”任务，而是需要查询业务系统、处理文件和识别用户上下文的复合任务。
- 02团队将咨询需求拆解为四类：课程知识（查知识库）、实时状态（查业务系统）、材料处理（OCR/文件解析）、人工服务（退款/投诉/特殊安排），智能体作为任务路由器进行分流。
- 03知识库需分为“控制知识库”（稳定规则）和“证据知识库”（内容资料），并明确资料负责人、更新时间和版本状态，避免冲突过时信息导致更流畅的错误回答。
- 04接入业务系统时，应优先开放只读权限（如查询报名进度），修改权限（如修改手机号、取消报名）保留人工确认，并需事先定义好用户权限、工具调用失败后的降级策略以及结果的责任边界。
- 05评估体系从“回答质量”升级为“服务闭环”，包含任务理解、执行过程、业务结果和产品运营四个维度的指标，帮助团队决定下一轮迭代方向。
反方 / 局限
- — 文章虽未深入讨论，但隐含了“AI回答准确率”指标在特定场景下可能并非用户不用的关键因素，用户更关注“凭直觉能否快速解决我的问题”，这需要更严格的用户行为路径分析。
概念锚点
前置背景
平行视角
未来推演
延伸追问