四木專訪|ABC數字化創(chuàng)造營:國內最大公益咨詢機構，如何0研發(fā)做AI

2024年，很難遇到不談AI的公司。但你同樣很難遇到，一家0研發(fā)基礎，卻要自己動手接入AI的公司。

這種即便在AI時代也罕見的故事，來自于一家名為ABC的公益咨詢機構。

ABC——美好社會咨詢社（以下簡稱「ABC」）成立于2008年，是國內最具影響力的、服務于公益組織的咨詢機構之一。

過去16年里，它的全職團隊維持在個位數，主要通過招募志愿者的方式，為300+社會公益組織提供管理咨詢和研究服務。

顯而易見，代碼能力并不是ABC的擅長之處——它的長期志愿者們，幾乎都沒有研發(fā)背景。

但就是這樣一家機構，開始在2024年嘗試通過自己的力量，接入AI。

*數字化公益創(chuàng)造營的一次深圳線下工作坊合影

不僅僅是單個企業(yè)，整個公益行業(yè)的數字化水平，都不在千行百業(yè)之前。

騰訊基金會去年調研1212家公益機構的結果顯示，有近半數的組織，在三年內才開始使用在線會議等數字化產品。

還有2%的組織，沒有使用任何常見的數字化工具/服務。

但ABC在這兩年的咨詢服務中發(fā)現，越來越多的機構開始希望了解數字化。同時，它們也想找到適合自己的工具，幫助管理企業(yè)知識、招募志愿者等。

ABC自己也存在類似痛點。

經過16年，它服務了超過300多個公益機構，積累超6000個志愿者，并設有總部和北京、上海、成都、深圳、廣州、杭州六個分社，及數字化創(chuàng)造營、公益創(chuàng)投兩個線上分社。

但六個不同城市的地域間隔，讓總社和分社間的協作和信息流轉變得困難。

再加上，ABC約每三個月招募一次項目志愿者。成員流轉率非常高，帶來信息難以沉淀、知識難以傳遞的壓力。

于是在2023年底，ABC的數字化創(chuàng)造營決定打造一個能夠精確、迅速回答志愿者問題的對話機器人（Bot）。

（ABC的機器人Bot）

基于大模型做一個Bot，在被AI信息狂轟濫炸圈內人看來，肯定不算"新銳"。

但ABC數字化創(chuàng)造營的挑戰(zhàn)在于，它不僅沒有全職的研發(fā)人員，業(yè)務也強依靠缺乏開發(fā)能力的志愿者。

要自己動手，他們只能選擇基于大模型的0代碼開發(fā)平臺。

ABC數字化創(chuàng)造營的5位志愿者負責了這次的"開發(fā)"工作。

這些非開發(fā)背景的志愿者調研后，選擇「扣子」平臺作為開發(fā)平臺。

"ABC之前的文檔沉淀在飛書上，扣子理論上能最快打通飛書，又有大企業(yè)背書。"項目發(fā)起人、ABC數字化創(chuàng)造營志愿者Yvonne告訴我們。

和飛書一樣，「扣子」是字節(jié)旗下的產品，主打"無需代碼、輕松創(chuàng)建"，是目前國內最知名的AI應用開發(fā)平臺之一。

但這一Bot項目正式啟動于2024年初，當時的扣子也處于功能并不成熟的"雛形期"。

那個時間段，作為AI小白的項目成員們，不僅要在數百個層層嵌套的飛書文檔中清洗數據，還要處理扣子平臺中難以兼容飛書、Excel表格解析失敗等瑣碎問題。同時，他們還要掌握Prompt工程，盡量減少大模型的幻覺。

"僅僅篩選、調整、清洗各種文檔中的數據就花費了一個月。"Yvonne說。

到了2024年夏天——也就是項目啟動后的半年，這個小小的Bot伴隨著扣子平臺的迭代，經歷了數據處理、模型測評、精準度設定等等流程，終于在20個問題的測試集上，達成了90%的準確率。

（測試集中的部分問題示例）

但讓Bot基本準確地回答問題只是第一步。大家接下來的重點工作是，通過加入主動推送功能，讓更多ABC的志愿者們，能夠真的在日常習慣使用Bot。

當這一步走通，他們還希望把這套構建AI Bot+知識管理的方案，輸出給其他公益機構。

一個公益咨詢組織花費半年做出一個Bot，在動輒造神的AI時代，著實算不上fancy。

但可貴之處在于，這是個非常瑣碎又異常真實的案例。

它告訴我們，在AI圈討論"Scaling Law失效"、"打造世界模型"等尖端問題的同時，普通的企業(yè)和組織，是如何以"愚公移山"般地樸素模式，擁抱AI。

以下是「四木相對論」和「ABC數字化創(chuàng)造營」的對話：

當AI小白，遇到"雛形版"扣子

四木相對論：首先還是比較好奇，我們當時為什么要做一個基于大模型的Bot？

Yvonne：我們的業(yè)務和客戶的業(yè)務都需要這類產品。

ABC的“數字化創(chuàng)造營”，是一個通過志愿者，給公益機構提供數字化咨詢服務的組織。過往做項目的時候我們就像咨詢公司一樣，主要根據需求做咨詢。

但后來我們發(fā)現，很多公益機構不僅需要咨詢，還有很強的落地訴求。簡單來說，他們希望我們能直接給到一些切實可用的工具。

做AI Bot這個工具，也源于當時看到的這一類需求。

大部分來找ABC的機構，本身已經運行了三五年甚至10年了，有很多已經跑通了的項目。

但是機構里有價值的信息，比如項目是怎么運作的，這些信息可能都只是在機構負責人、或者關鍵的一兩個骨干手里。

每次當他要做一個同類項目的時候，都會面臨骨干可能離開了，這個知識就消失了，又或者機構負責人特別忙，根本就顧不過來的情況。新接手的人，往往沒辦法去承接這些知識，對組織的信息傳遞和知識積累都有很大影響。

ABC也面臨同樣的情況，所以我們去年底做了一個項目，就是梳理ABC自己的知識。

但梳理之后，我們發(fā)現大家在應用上還是有很大的困難。當時我們做出來的是一個基于飛書的大文檔。這些文檔層層嵌套，里面有一兩百個小文檔。對ABC每個咨詢季招募的新志愿者來說，直接提供這樣一個大的文檔，閱讀負擔很大。

而且這些文檔中的大部分知識，往往只有工作場景中才會用到。如果在培訓中提供這樣的文檔，很多人在需要時已經想不起來了。

這種情況下，他們通常會去詢問機構的老志愿者或全職人員。

一方面，必須找到準確的人。如果這個人之前沒有做過相關事情，或者太忙，新人可能得不到正確或完整的信息。以 ABC 為例，我們可能歷史上已經做過幾百個項目，有很多不同模塊的項目經驗，但幾乎沒有一個志愿者可以完全了解所有項目，也很難掌握機構的各個方面。

這種情況下，如果能有一個AI Bot有這些信息和知識，那么就可以幫助我們提效。

而且，ABC數字化創(chuàng)造營的定位是為外部機構提供解決方案。如果我們自己都能用起來這套方案，那么之后也可以提供給其他咨詢機構。

四木相對論: 這個需求是剛性的。但我們沒有AI的技術經驗，這件事又怎么解決？

Yvonne：首先，我們覺得 AI 可以解決這類知識流通的問題。

而且，剛好在我們要動手做知識管理這件事的時候，Coze的國內版——扣子剛好上線了。這個平臺理論上不需要寫代碼，所以我們就開始找一些內部的同學一起研究這件事。

四木相對論：AI應用開發(fā)平臺2023年初的時候就有一些。年底OpenAI 發(fā)了GPTs，又出現了幾家。為什么選擇了扣子？

Yvonne：我們在用扣子的時候，同時也調研了其他幾家。當時會覺得，如果是小公司的產品，可能收費會比較快。大廠可能會在卷到后面的時候收費。

另一個就是擔心小公司會倒閉。比如我們當時看到一款小公司的產品，已經商業(yè)化，一年收小幾萬塊，但是這個公司我們不太了解背景，也不知道它未來會怎么發(fā)展。最后就決定還是看大公司的產品。

在大公司的產品里也沒有太糾結。ABC很多文檔本身就在飛書上，當時天然覺得飛書和扣子打通的概率相對會高一些，用起來會比較順手。

四木相對論：剛開始用扣子的時候，你的感受怎么樣？

Yvonne：說實話，當時扣子還比較單薄，不能直接插入飛書文檔鏈接。我們需要將飛書文檔下載成 PDF 或轉換為 TXT，再導入到扣子中。

所以，我們第一個版本確實花了很多時間處理瑣碎的工作。比如飛書文檔里有大量的嵌套鏈接，需要一個一個打開整理，再轉成 Word 或其他格式，單獨導入扣子。

四木相對論：等于你們在自己做一個知識庫的梳理工作。這里大概會有多少文檔？怎樣圈定范圍？

Yvonne：圈定這個范圍非常重要，不僅影響我們的工作量，還關系到能否滿足用戶的預期。

ABC 已經有 16 年的歷史，積累的資料非常龐大。我們需要清晰定義Bot一開始能交付的內容，避免用戶頻繁提問卻得不到答案的問題。

我們設定了一些范圍，區(qū)分了Bot一期和Bot二期的目標。

一期主要解決總社和各地分社的協同問題，文檔范圍集中在機構的基礎信息和事務性內容，比如報銷流程、開志愿者證明的流程、成熟的咨詢流程和角色分工介紹等。這部分的內容非常關鍵，因為機構需要持續(xù)招募志愿者，大家需要了解這些。總社和分社之間的協同，也需要這些內容。

但一期并不包括具體項目的知識資產。比如，某個項目中的客戶問題和我們的解決方案，以及某些部門的業(yè)務經驗，比如 PMO 的項目管理指南，這些內容都沒有納入在一期里。

一期的目標，主要是讓更多分社和新加入的志愿者，快速了解 ABC 和總社的業(yè)務。

四木相對論: 當時整理這些文檔，需要細致到怎樣的顆粒度？

Yvonne：首先要了解這個場景的業(yè)務情況，所以我們找了ABC日常參與志愿者答疑較多的兩位全職同事，請她們幫忙篩選大家詢問頻率最高的問題，從中挑出最重要的問題，再找到相關文檔。

最后篩選了約 200 個文檔，保留了 10 來個核心文檔。這些文檔很長，總字數有好幾萬。

而且，文檔們是層層嵌套的。一級目錄是基礎介紹，二級是子項目，最多到三級。比如品牌宣傳部，一級目錄介紹品牌宣傳部的職責，二級目錄是年度規(guī)劃，三級可能是具體的物料，比如 Logo 和模板。

當時遇到的問題是，這種層層嵌套的文檔是否需要全部整理。有些文檔還嵌套了大量 PDF 文件，這些都需要額外處理。

還有一些圖片，當時因為平臺功能所限，我們還不能使用 OCR 。整體進行了兩輪處理。首先把首頁所有內容整理成 Word 文件，導入扣子的后臺。然后是二級頁面的文檔，我們篩選了一些最重要的，比如新人文檔和報銷流程，整理和導入。

四木相對論：聽起來不是一個很絲滑的體驗。

Yvonne：處理數據花費了較多時間，整體算下來得一個多月。后續(xù)扣子平臺在不斷迭代，但一開始我們用的時候，只能輸入 Word 格式。后來扣子剛剛能夠支持多種格式輸入的時候，效果也比較一般。

拿Excel舉例，理想狀態(tài)是，我們用的時候能夠像 Excel 一樣檢索表格中的任意內容。實際上，扣子當時只能檢索表格的一列，其他內容無法識別。

就等于說，一個表格中存儲了小明的姓名、性別、年齡信息，必須搜索"小明"的名字才能找到對應數據。如果搜索性別“男”，就找不到"小明"了。

最后我們沒辦法，就采用了一種簡單粗暴的辦法。就是把需要用的表格合并成一列，強制讓扣子索引。

而且，我們還花了一些時間研究鏈接如何被機器人讀取。鏈接只是其中一種格式，文檔中還可能包含圖像、表格、PDF、PPT等內容。

針對不同的格式，扣子的解析效果不太一樣，當時出現各種Bug，我們只能說摸索出一些使用規(guī)則，比如將鏈接統一用飛書文檔導入，圖像放入Word文檔中。

四木相對論：聽起來當時我們需要適應扣子平臺的地方不少。后來這些體驗有變好嗎？

Yvonne：其實我在這個項目中感受很深的一點是，雖然前期有點熬人，但扣子每個月的確都在快速迭代。比如最初，它的OCR功能對圖片識別很差，后來，我們可以上傳圖片并為圖片添加標簽。

特別是在4到6月這段時間，我們明顯感受到，每個月甚至每周扣子都會有一些迅速的迭代和升級。

四木相對論：有沒有哪次升級讓你印象特別深？

Yvonne：比較大的更新，說實話還是模型層提供更多選擇的那一次。當時我們嘗試了不同的模型，確實發(fā)現新的模型在某些問題上的效果更好。

這些感受不是純感性層面的。為了客觀測試機器人Bot的效果，我們制作了一個20道題的測試集，類似于考卷。這個考卷主要考察三點：知識庫的搭建方式、模型選用的內容、以及如何編寫Prompt。

我們創(chuàng)建了四個版本，交叉使用了不同的知識庫格式和模型類型。通過測試，我們最后選擇了其中的一個組合，但這個組合仍然有優(yōu)化空間。

四木相對論：這里的優(yōu)化空間指的是？

Yvonne：當時在20道測試問題中，機器人Bot能回答大約一半，也就是50分吧，還是沒有及格。

理想效果應該達到80%-90%的準確度。

四木相對論：接下來，做了什么提升效果？

Yvonne：50分的Bot經常會胡言亂語。比如我們問一個基本問題：ABC的總部在哪，它編了一個朝陽區(qū)的地址出來，但我們的地址其實在海淀。

當時我們覺得，底線是希望這個Bot不要騙人，就是希望它不知道答案的時候，就說不知道。基于這個目的，我們要求它認為置信度不高的東西，就不要再給出答案了，但是可以指引志愿者去找官方郵箱。

這樣做了之后，它確實不太會胡言亂語了，但它會經常告訴提問的人，這個問題建議聯系XXX。但有時候，這個XXX的聯系方式也會查不到，說明我們的資料庫存也要經常更新才行。

四木相對論：但我們最早的時候，已經和相關的內部員工一起篩選過資料庫，理論上應該是準確的。

Yvonne：我們的一期產品，當時做的時候還面臨一個比較大的困難點。就是當我們去了解什么方面的問題會被經常問到的時候，內部的員工也是很模糊的。

因為他平時收集問題的渠道也很零散，有的人在微信上問，有的人是在群里問，有的人可能是在郵箱里問他。如果直接去問，什么是你經常被問到的高頻問題，他也回答不出來。

后面，我們希望ABC的Bot可以自己統計過去半年或者一年大家問到哪些問題比較多。現在因為這個項目的人員比較少，還處于待啟動的狀態(tài)。

四木相對論：我們有用Workflow的功能嗎？

Yvonne：我們現在用的功能相對還比較簡單，主要是Prompt+知識庫+模型，沒有把工作流這件事情弄得很重。用workflow的話，功能會增加，出問題的概率也會增加。

我們之前嘗試了，中間插入幾個節(jié)點去記數據，模型出來的答案反而出了問題。現在試下來，要有好效果，還是要在文檔、數據層面下功夫，Prompt能做的事情也不是很多。

總體到了夏天的時候，我們覺得優(yōu)化下來可以達到80分的水平。

也就是10個問題中可以出8個準確可用的答案，剩下兩個問題會回答它不知道，或者給到的回答沒有那么實用，但整體是可用的。

讓普通人信任Bot，不是件容易的事

四木相對論：達到80分效果之后，我們在最近這三個月里做了什么？

Yvonne：到了七、八月份，首先我們想花心思在內部推廣一下，看大家用起來大概是什么樣的效果。

第二件事是，之前的志愿者到期了，我們做了新的招募，換了新的小伙伴繼續(xù)做Bot。整體這個項目組大概保持在5個人的范圍，也都是兼職。

四木相對論：二期的小組成員，會傾向多招募一些代碼開發(fā)背景的同學嗎？

Yvonne：其實大部分都不是。一期產品有一些社會學、計算機或者商科背景的學生，還有一些產品經理和咨詢從業(yè)者。

相比較一期，二期的同學對AI的了解會比較多。

這個事情可能也和階段有關，首先我們一期的產品做出來了一些東西，大家也會看明白這個事情到底在做什么。第二是這一年AI的變化還蠻大的，各個公司都在跟這件事。行業(yè)的熱度也讓我們招到更多對這件事感興趣的人。

四木相對論：內部推廣方面，我們是怎么做的？

Yvonne：我們聊了一些在一線做咨詢項目的志愿者。也是在這次訪談中發(fā)現，很多之前的知識文檔，存在一個問題，就是生產的人和使用的人是兩撥人。往往是生產的人生產了一大堆，但用的人感知很弱。

比如我們之前用的總社和分社協作文檔，其實會在新人培訓的時候告訴大家有這個文檔，日常更新的時候也會在群里說這件事。但在這次用戶訪談的時候，就會發(fā)現很多人因為漏過消息，或者人員變動不記得有這個文檔。所以，我們確實真的希望這個Agent或者說Bot能在機構里面用起來。

但產品被動地讓別人去想起來用，大家都可能想不起來。我們現在希望讓大家更容易地觸達機器人，或者反向說，機器人能不能主動觸達大家？

所以，我們還研究了推送的能力。也就是讓一個Bot產品，主動給志愿者推送內容。

這是我們二期的重點之一。

四木相對論：我們做了哪些主動推送的事？

Yvonne：ABC有一個年歷。現在是2024年底，年歷上會有2025年的全年規(guī)劃。也就是會列出1月10日這一周做志愿者招募，20日項目開啟之類的信息。

我們把這個信息放在Bot里面，它每天有個時間點會推送，告訴相關人員說這一周有某個事情。

ABC的一個特點就是，有一半的人基本是圍繞項目工作的，他的工作和項目是強關聯的。還有一半的人，比如品宣、研究部的同事，大家平時和項目的關聯沒有那么強，但他們也會很想知道這個機構發(fā)生了什么，看看有什么和自己相關的事情。

我們也是想利用這樣的一個機制，讓這個機器人Bot成為整個機構的一個節(jié)點。

四木相對論：這個功能現在的進度是？

Yvonne：我們已經做出來了。現在的推送結合了扣子的Workflow，但還沒有正式推廣。

目前微信推送有點難度，我們希望Bot先主動在飛書里推送，飛書的解決方案我們已經做完了。

整個看下來，我們一期時的調研比較多的是技術方案，包括怎么選模型，怎么去優(yōu)化。二期反過來做了業(yè)務的部分。

一期的時候，我們發(fā)現數據才是最大的瓶頸。如果一個Bot里面的數據是不充分的，大家是用不起來的。哪怕告訴他，你這個模型很牛，或者是測試集上已經拿到這么高的分數了，可用的時候覆蓋不了員工的真實工作場景，他還是會忘記，很難持續(xù)用起來。

我們想盡量把大家工作當中一些高頻的知識場景積累下來。

四木相對論：這件事情可能需要和ABC內部的業(yè)務部門溝通梳理知識。

Yvonne：對，如果能通過對內的合作，抽離出一套模版和方法論，就可以通過項目的方式對外輸出了。我們最終的目標還是希望它能夠在外部的公益機構用起來。

現在作為試水，我們找了ABC志愿者管理這個部門的同學，和他們一起把有價值的、和業(yè)務結合比較深的、適合放在Bot內的資料梳理出來。

目標是希望這個部門的同學以后做項目的時候，遇到一些不懂的資料，都可以優(yōu)先來問這個Bot，感受到這個Bot里有比較深入業(yè)務的內容。

四木相對論：為什么選這個部門？

Yvonne：因為它相對來說是一個比較成熟的部門，文檔建設得比較好。和這個部門合作，大家要額外做的知識沉淀工作相對少，更多需要看怎么把這些知識結構化地放到 Bot里面。這一步我們現在有經驗了。

第二，我們希望能通過這一次的交互過程，出一套解決方案。這個解決方案的目標是，希望以后對外部其他機構提供Bot服務的時候，能快速地把我們需要的資料都列出來。

現在假設的客戶畫像是：知識管理背景不強的機構。比如，這個機構本身沒什么知識沉淀，或者說沉淀了一些，但可能也是零散沉淀的。

所以這次我們希望通過和內部的業(yè)務部門去對接，了解他們的業(yè)務和知識沉淀細節(jié)。然后我們再設計一套SOP。在這之后，我們就可以做到，告訴客戶建一個知識庫有幾個大的步驟，比如第一個步驟叫做「了解業(yè)務」，得知道哪些知識是值得被沉淀的，因為可能知識超級多，但能夠復用的知識沒有那么多。

對每個機構來說，可能需要三、五個問題能夠幫自己快速定位，哪些東西是值得被沉淀的。

四木相對論：現在看下來，哪些知識會比較重要？

Yvonne：我們認為重要的東西，SOP是一種，關鍵步驟里面的關鍵資料（比如對接人、客戶文檔、核心數據）也是一種，還有復盤也很重要。

我們認為應該有一個結構化的問題list，能夠幫助到客戶。這個list是一個模板化的東西，以后客戶可能就對著list回答一些問題，就能很快地沉淀1個最基礎版本的知識庫了。

四木相對論：如果是外部的機構，它沉淀數據的方式不是飛書怎么辦？

Yvonne：不影響。只要文檔的結構模塊這些東西都在，它影響的無非是你上傳的格式。

關于他們是不是用飛書這個問題，想得還是有點多。大部分公益機構可能還在一個很早期的階段。現在大家并不是說已經選用了企業(yè)微信或者飛書，在上面寫了一大堆的文檔。往往是，這個機構就沒有"選用"這個步驟，或者它這個步驟是很去中心化的。

比如說小A用慣了騰訊文檔，就在騰訊文檔上記一點東西，小B用的是飛書，他就在飛書上記錄，小C用的是印象筆記，它是個離線的工具。還有很多人用的是word和Excel，隨機記一下。大家可能就用網盤管理。

也就是說，大部分機構的數據是孤立的，不存在組織的傾向。還沒有講過要把所有的資料放在哪個地方，怎么管理怎么用，其實沒有這樣的規(guī)劃。

四木相對論：這種數字化基礎，如果是一些大的公司去服務，會說太難做了，或者不值得做。

Yvonne：也有好的方面。公益機構和企業(yè)有點不一樣，企業(yè)是往往已經規(guī)劃好了，肯定有很多的歷史包袱在。公益機構做啥都是從0~1，包袱也比較小，不太存在說我從A平臺遷到B平臺工作量太大這種事。各有各的bug，但各有各的好處。

AI這件事情上，公益機構不太會有歷史依賴，我覺得這是一個優(yōu)勢。

第二個優(yōu)勢是可能大家在數據上會開放一些。對公益機構來說，一些受助者的數據可能是相對敏感的，但是大家對做項目的sop和經驗，不會心態(tài)很保守。他們不像很多公司，會覺得這些數據不應該被機器拿走學習，反而會覺得也是一種貢獻。

四木相對論：回到我們自己做的事。如果我們內部只用扣子，還會存在什么擔憂嗎？比如你提到費用，扣子現在也收費。

Yvonne：我們之前會有點擔憂收費這件事，但現階段是覺得，用量可能也要達到幾萬的或者幾十萬的級別，才會有一個很明顯的費用。這個數據目前還是有距離的。

現在最大的問題，還是沒有很多人在用這個產品。很多Bot和所謂的智能體都存在這個問題。就我們看到的活躍度來看，各種Bot都有很大的提升空間。

四木相對論：屬于整個行業(yè)的普及問題。

Yvonne：其實潛在用戶使用AI產品的心理成本很高。

我們做用戶訪談的時候，已經很明確地給了用戶場景。告訴他，他是一個機構的志愿者，如果有什么問題可以問。但其實，很多人在用的時候真的不知道要問些什么。首先他需要回想，另外他還是沒習慣，對這種工具的信任感還是弱的。

信任感弱指的是，他會覺得Bot回答不出來他的問題，得先試才能知道。但要做到試試看，很多人也要邁出很大一步。

四木相對論：現在這個Bot方案有進行對外推廣嗎？

Yvonne：對外推廣有聊一些，但是沒有大范圍的做。現在的潛在客戶有幾種不一樣的反饋。大多還是覺得這個東西很高端，但是自己的機構可能還連知識庫都沒有。或者說，他們的知識是分散的，Bot和機構當前的發(fā)展狀態(tài)有一點脫節(jié)。

其實ABC秋季有兩個項目在給客戶做知識庫，也就是做Bot的前續(xù)階段。因為我們也發(fā)現了其實機構可能需要AI Bot，但大家也不可能越過知識庫直接去做Bot應用。

第二類機構比較先進。我遇到過一個機構，他們的負責人本身是有咨詢背景的老前輩，說他已經在自己的機構推廣Bot，但在推廣中也遇到困難。就是產品做出來了，但用戶習慣還沒培養(yǎng)起來。他的感受是，要讓用戶習慣這件事，還是需要有更多人投入。

這件事也讓我們發(fā)現自己的問題是有共性的。很多普通一線的員工，你讓他學一個新工具，他還是有很高的心理門檻。比如用著覺得不好用了，你又讓他再去學怎么調試，這些事情都是很困難的。

大部分人的本職工作其實和IT沒有關系。使用數字化工具，對他們來說可能是一個額外的工作量。

再加上，這類產品早期的學習門檻也很高。我們覺得未來ABC再去提供這類咨詢服務的時候，重要的不僅是交付工具，也需要提供后面的培訓以及運維。

當然這件事對我們的人力來說，還是很有挑戰(zhàn)的，目前是想看后面能不能做到至少培訓或者運維一個月。

四木相對論：這種情況也超出了很多人，尤其是AI和互聯網從業(yè)者的日常認知。

Yvonne：這兩年經常看到很多人在說AI會取代自己，或者讓自己的工作沒有價值。但我覺得，可能有這種感覺的人大概率還是互聯網從業(yè)者。

走出這些行業(yè)，遇到更多的普通用戶就會發(fā)現，一個新技術驅動的工具，大家要用起來不僅有學習門檻，還有心理門檻，信任也是一個很大的關卡。

我們現在還是在探索讓大家初步用起來這件事。

如果有10個人用起來了，這10個人又怎么養(yǎng)成習慣？我們在想這樣的問題。