技术很强，产品很酷，就是没人用。因为我们做的是AI能力，而不是场景价值。
某教育平台做了一个"AI学情分析"功能。
技术团队花了三个月，用了最先进的模型，可以自动分析学生的学习数据、生成个性化报告、给出改进建议。
上线两个月后，拉了使用数据。
相比于平台庞大的注册教师基数，该功能的日活跃用户占比还不足1%。
这不是个案。在与多家教育科技公司交流中，我发现无数AI功能的死法都是一样的：技术很强，产品很酷，就是没人用。
为什么？
因为我们做的是"AI能力"，而不是"场景价值"。
用户不关心你的模型有多先进，技术有多复杂。他们只关心三件事：
如果这三个问题没有清晰的答案，功能做得再炫酷也是空中楼阁。
很多团队做AI功能时，习惯为每个场景单独开发一套系统。
刷题需要AI解析？做一个刷题解析模块。 作业需要AI批改？做一个作业批改模块。 视频需要AI摘要？做一个视频摘要模块。
这种做法的问题是：开发成本高，用户体验割裂。
真正高效的做法是：把AI能力做成通用组件，然后在不同场景中灵活调用。
以"AI解析"为例，最初只在考试模块使用。但很快发现，这个能力完全可以复用：
同一个AI能力，在不同场景下调用，应用次数从几万次提升到几十万次。
组件化的关键：
不要重复造轮子，要让一个轮子转得更快。
"AI学情分析"为什么没人用？
因为这是一个"大而全"的功能概念，不是一个具体的使用场景。
老师什么时候会打开一个叫"AI学情分析"的功能？ 周一备课时？考试结束后？学期末写报告时？
如果你回答不上来，用户也回答不上来。
正确的做法是：把大功能拆解成一个个具体的使用时刻。
老师刚改完一场考试，最关心什么？
针对这个场景，可以提供：
触发点：考试结束后，自动推送分析报告到老师端
老师在备一门新课，需要了解什么？
针对这个场景，可以提供：
触发点：进入备课界面时，自动展示"AI备课助手"
学生需要知道什么？
这里有一个重要洞察：对学生来说，知识图谱的炫酷可视化意义不大。
学生真正需要的是"怎么学"，而不是"看起来很牛的分析报告"。所以学生端的图谱分析，优先级应该放得很低。取而代之的是具体的行动建议："建议你先复习第3章的XX计算，这是你最薄弱的环节。"
不是所有炫酷的功能都有价值，要回归到用户真正的需求场景。
很多AI产品喜欢做长链路的复杂功能，认为这样才能体现技术含量。
但实际上，用户更喜欢轻量化的、即时可得的价值。
传统做法：
这个链路太长，老师的决策成本太高。
改进后的方案：
一道题一提交，调用量直接上来了。
用户的每次操作都能产生价值，不用等到完成整个流程才看到结果。
传统做法：学生答完题，需要点击"查看解析"按钮。
改进后的方案：
每次答题都能自然地产生2-3次AI调用，而不需要用户额外的操作成本。
这个设计的关键洞察：解析只要展示了，就算一次有效使用。 用户不需要做任何事情，价值就已经传递了。
做得特别复杂、链路比较长的功能，未必能发挥很大价值。有时候一个轻量化的场景，用户反而更喜欢。
功能再好，如果用户找不到，就等于不存在。
在教育平台上做一个"AI助教"板块，把所有AI能力集中展示：
这个设计的好处：
但仅靠主入口还不够，更重要的是在用户的实际使用场景中，在恰当的时机主动展示AI能力。
例如在备课场景：
例如在资源管理场景：
你之前需要人工去做的事情，现在AI自动帮你做了——这才是用户能感知到的价值。
一个小细节：AI生成内容时，采用流式输出而不是等全部生成完才展示。
好处：
体验设计的细节，往往决定了用户是否愿意持续使用。
做AI产品，很容易陷入"什么都想做"的陷阱。
与其做10个60分的功能，不如做1个90分的功能。
选择某个垂直领域的实操评分AI分析作为第一个深入场景，原因：
很多团队上来就想做"完全个性化"的AI分析，让用户随便问什么都能答。
这种想法很美好，但技术难度极大，成本也很高。
建议采用渐进式策略：
第一阶段：预制分析模型
第二阶段：有限个性化
第三阶段：完全个性化
这种渐进式策略的好处：
AI产品要做深，必须理解业务领域。
不同专业的评分报告结构完全不一样。有的关注构件的配筋分析，有的关注清单项目的工程量计算。
分析模型得跟着业务走，不能一套模型打天下。
这也是为什么建议选择"又细又窄又深"的策略——先在一个细分领域做到极致，再横向扩展。
最后说一个经常被忽视的问题：你真的了解你的用户吗？
老师没有那么强的AI应用能力。
实际上老师的创新能力是有限的。不要期望老师自己去设计复杂的prompt，不要期望老师会主动探索各种AI功能。
但老师的逻辑是通的。只要工具足够简单，他们就能用好。
这意味着：
回到开头那个提交了70次作业的学生。
他的问题不是不努力，而是没人告诉他怎么改。
我们提供的反馈，用户可能根本看不懂。
解决方案：
为什么很多AI产品做出来了，用户却不用？
根本原因是：我们做的是AI能力，而不是场景价值。
做AI产品，要时刻问自己三个问题：
我们最终追求的是真正的价值，不是统计数字。关起门来都能统计数字，没有意义。
只有想清楚这三个问题，AI能力才能真正转化为用户价值，产品才能实现从"能用"到"好用"再到"爱用"的跃迁。
作者：Vincent周博 | AI产品经理
专注教育AI产品设计，相信好的AI产品应该让用户感受不到AI的存在
免责声明：本文仅代表作者个人观点，与任职机构无关。文中所涉案例均为行业通用分析，数据已做脱敏处理，不代表特定产品或公司。