AI 功能自相残杀：当你的智能功能悄悄杀死核心产品

你为文档编辑器推出了一个 AI 驱动的摘要功能。采用率很高——第一周就有 40% 的用户激活了它。你的产品经理在 Slack 上写了一条庆祝消息。两个月后，平均会话时长下降了 25%，协作编辑量减少，你的高价值用户正在悄悄流失。没有人将这些趋势与那个闪亮的新功能联系起来，因为跟踪摘要功能的仪表板显示的全是绿色指标。

这就是 AI 功能自相残杀：当 AI 快捷方式解决了用户的即时问题，同时摧毁了让你的产品值得付费的参与循环。这是当今产品开发中最隐蔽的失败模式之一，因为跟踪功能本身的每个指标看起来都很健康，即使产品级别的指标正在衰退。

机制：AI 快捷方式如何短路价值循环

每个有粘性的产品都有参与循环——一系列动作序列，做一件事会让用户想做下一件事。笔记应用的循环可能是：写一条笔记，将它链接到另一条笔记，发现一个关联，写更多。项目管理工具的循环：创建一个任务，与队友讨论，更新状态，查看看板。

自动化这些循环中间步骤的 AI 功能不仅仅是节省时间——它们移除了用户养成习惯、建立心智模型和形成产品依赖的时刻。当自动分类整理每一张工单时，客服人员永远不会学习你的分类体系。当自动摘要压缩每一篇文档时，读者不再打开它们。当自动补全完成每一个句子时，写作者不再思考用词选择。

这种模式是一致的：AI 功能解决了近端问题（这个任务花了太长时间），同时溶解了让用户明天还会回来的底层机制。

以 Google 引入 AI 概览搜索为例。该功能直接在搜索结果页面回答用户查询。从用户体验的角度来看，这是一个明显的改进——更少的点击就能获得答案。但数据讲述了一个更黑暗的故事：有 AI 概览的查询中，自然点击率下降了 61%，看到 AI 摘要的用户中有 26% 直接结束了浏览会话，而看到传统结果的用户这一比例仅为 16%。Google 的 AI 功能蚕食了驱动其广告收入模式和围绕搜索流量建立的整个网络生态系统的点击行为。

度量陷阱：为什么功能指标会说谎

检测蚕食效应的核心问题在于团队衡量的是功能，而不是系统。一个典型的 AI 功能仪表板跟踪：

• 采用率 — 有多少百分比的用户激活了该功能
• 使用频率 — 他们多频繁地使用它
• 任务完成时间 — 使用 AI 后完成速度提升了多少
• 满意度评分 — 他们对此有多满意

这四个指标都可以在产品走向死亡的同时持续上升。这些指标衡量的是 AI 功能对单个工作流的局部效应。它们无法捕捉用户因为 AI 快捷方式使其变得不必要而停止做的事情。

真正揭示蚕食效应的指标是产品级别的指标，大多数团队在不同的仪表板上、以不同的节奏、由不同的人来检查：

• 会话深度 — 每次会话中有多少个不同的操作（不仅仅是 AI 辅助的操作）
• 功能广度 — 每个用户每周接触多少个不同的产品功能
• 回访频率 — 用户多久回来一次，无论是否使用 AI
• 扩展收入 — 用户是否升级或购买更多席位
• 高级用户比率 — 达到"高级"使用模式的用户百分比

当你推出自动摘要功能后文档打开率下降了 30%，这不会出现在 AI 功能的指标中。它出现在另一个团队负责的内容参与指标中，他们可能将下降归因于季节性波动或竞争。

去技能化螺旋：当用户忘记为什么需要你

还有一种更微妙的蚕食形式，它在数月内逐渐显现：技能侵蚀。当 AI 处理工作流中的困难部分时，用户逐渐失去自己完成这些任务的能力——最终也失去了做这些任务的意愿。这创造了一个讽刺性的依赖循环：你的 AI 功能越有价值，你的用户对产品核心领域的理解就越少，他们就越难以说清为什么需要你的产品而不是一个更简单的替代品。

微软的"未来工作报告"直接指出了这一点：如果设计不当，生成式 AI 工具可能会使输出同质化并导致认知技能退化。航空业的类比很恰当——随着自动驾驶系统的改进，它们提升了常规情况下的表现，但让飞行员在出现问题时更加手足无措。

在产品层面，这意味着你的 AI 功能创造了这样的用户：

• 无法评估 AI 输出的质量，因为他们已经失去了领域背景知识
• 不会探索高级功能，因为 AI 处理了他们表层的需求
• 无法区分你的产品和竞品，因为他们与 AI 层交互，而非产品的独特能力
• 对价格更敏感，因为他们感知的价值是"做 X 的 AI"而不是"能实现 Y 的深度工具"

这就是悖论：你的 AI 功能同时增加了短期留存（用户依赖它）和降低了长期留存（用户变得肤浅且对价格敏感）。依赖性是对 AI 能力的依赖——任何竞争对手都可以复制，而不是对产品独特价值的依赖。

加载中…