你的 AI 产品不需要更好的 Onboarding，需要的是信任
/ 14 min read
Table of Contents
做 Lucius AI 的时候，我花了很长时间在 onboarding 流程上。
引导页、功能介绍、interactive demo、step-by-step tutorial… 该做的都做了。然后用户来了，用了五分钟，走了。
我的第一反应是：onboarding 还不够好。是不是引导不够清晰？是不是步骤太多？
后来我意识到，方向就是错的。
用户不只是不会用。更根本的问题是——不信。
SaaS Onboarding 的经验，在 AI 这里全部失效
传统 SaaS 的 onboarding 解决的是一个问题：功能发现。
Notion 教你怎么建 page。Figma 教你怎么画 frame。Slack 教你怎么建 channel。都是确定性的操作——你点这里，会发生那个。每次都一样。
所以 SaaS onboarding 的套路很成熟：tooltip、checklist、empty state、progressive disclosure。这些东西有用，因为底层假设成立——产品行为是可预测的。
AI 产品打破了这个假设。
同样的 prompt，不同时间可能给出不同结果。用户不知道 AI 的能力边界在哪。不知道它什么时候会犯错。不知道犯错的代价是什么。
这不是”怎么用”的问题。这是”能不能信”的问题。
用 SaaS 的 onboarding 思路去做 AI 产品，就像用教人开车的方式教人骑马——你可以解释所有操作，但马会自己做决定。
数据说了什么
信任问题不是我的直觉，数据也指向同一个方向。
Pendo 2025 报告显示，SaaS 产品的平均首月留存只有 39%。但更有意思的是 a16z 在 Retention Is All You Need 里的发现：AI 产品前三个月的流失，有很大一部分是「AI 游客」。他们花 $20 试一个月，觉得”就这？“然后走人。
a16z 2025 底的数据显示，ChatGPT 的 DAU/MAU 是 36%，M12 桌面留存 50%。同期 Gemini M12 只有 25%。但有意思的是，进入 2026 年后，Gemini 的口碑已经明显反超。产品能力在变，信任也在变——这恰恰证明了信任不是一次性的，而是动态的。
更值得关注的是 Sora。12M 下载，D30 留存不到 8%。优秀 consumer app 的基准是 30%。OpenAI 有最强的品牌信任，但 Sora 的实际体验和用户期望之间产生了巨大落差——品牌信任撑不住产品体验的落差。
真正有效的不是 Onboarding，是渐进式信任
看了一圈做得好的 AI 产品，我发现它们有一个共同模式：不急着让用户把方向盘交给 AI。
我把它叫做渐进式信任，分五级：
Level 1 — 展示：让用户看看 AI 能做什么，零风险。ChatGPT 的空白聊天框就是这一级。你随便问，它随便答。错了也无所谓，反正什么都没发生。
Level 2 — 建议：AI 给建议，用户做决定。Cursor 的 Tab 补全就是这个模式。AI 提示下一行代码，你按 Tab 接受，或者无视。主动权完全在你手里。
Level 3 — 确认：AI 准备好了完整方案，等你确认再执行。Devin 的模式——它做了一整套改动，你看了 diff 之后点 approve。
Level 4 — 委托：AI 自主执行，你事后审核。Intercom Fin 在这一级：自动回复客户问题，企业定期审核效果。
Level 5 — 信任：AI 全自动运行，只在异常时报告。很少有产品敢到这一级。
这不是严格的线性路径——有的用户会跳级，有的会在某一级停很久。关键不是让用户尽快到 Level 5。是让每一级的体验都足够好，让用户主动想要升级。
做得好的产品是怎么做的
有已有信任可以借的产品（Cursor fork VS Code、Notion 嵌入 AI、Copilot 嵌入 GitHub），onboarding 相对简单——在用户已有的工作流里加一层 AI 就行。
更值得研究的是那些没有已有信任可以借的 B2B AI 产品。它们必须从零建立信任，而且面对的是风险厌恶程度极高的企业客户。
Harvey AI：在最不信任 AI 的行业里拿下 42% 的顶级客户
法律行业可能是对 AI 容忍度最低的行业。一个幻觉可能导致法律事故，一个错误引用可能让律所丢掉客户。
Harvey 三年内拿下了 42% 的 Am Law 100（美国最大的 100 家律所），ARR 接近 $100M，估值 $50 亿。在一个”AI 幻觉 = 职业事故”的行业里，它是怎么做到的？
第一步：信任借力。 Harvey 跟 OpenAI 合作训练了专门的法律模型，跟 LexisNexis（法律界的”知网”）战略合作获取权威数据源，跟 PwC 合作进入企业法务市场。每一个合作伙伴都不只是渠道，是信任背书。“LexisNexis 信任 Harvey”这句话，比任何 demo 都管用。
第二步：把验证做成产品。 Harvey 不是简单的 RAG。它会把生成的回答拆成单个事实主张，逐一跟权威来源交叉验证，在有不确定性时主动标注。律师看到的不是”AI 说了什么”，而是”AI 说了什么，依据是什么，置信度多高”。这不是功能，是信任基础设施。
第三步：从最保守的客户开始。 Harvey 的联合创始人说过一句话：“Law firms trust Azure, and we want law firms to trust us.” 他们的策略不是铺量，而是先拿下最头部、最保守的律所。当 Allen & Overy（全球顶级律所）在用 Harvey 的时候，其他律所的采购决策就从”要不要信 AI”变成了”竞争对手都在用了，我还等什么”。
这是一个教科书级的 B2B 信任策略：借力权威 → 让验证可见 → 从最难的客户开始。
Devin：让用户当监工
Devin 的信任策略完全不同。它不借力权威，而是靠透明度。
配置 repo 的过程就是能力展示——安装依赖、跑 lint、跑测试，每一步都在证明”我懂你的代码库”。配置完成的那一刻，信任已经建立了。
更重要的是四个全可见面板：Shell、Browser、Editor、Planner。你随时知道 Devin 在做什么、为什么做、做到哪了。The Ground Truth 评价它是”最佳 AI 编码产品 onboarding 体验”。
人类不怕 AI 犯错，怕的是不知道 AI 在干什么。全透明消除的不是错误，是恐惧。
Intercom Fin：渐进式部署
Fin 需要建立两层信任：先让企业客户信任（“这个 AI 不会搞砸我的客户关系”），再让终端用户信任（“这个机器人真的能帮我”）。
Fin 2 发布时：51% 自动解决率，99.9% 准确率，$0.99/resolution。头部客户现在已做到 65%+。
它的部署策略就是渐进式信任的教科书：先处理简单问题（退换货查询），验证没问题，再扩展到复杂场景（账单争议）。企业客户不是一次性把所有客服流量交给 AI，而是一点一点加。
三个案例，三种信任策略：Harvey 借力权威，Devin 靠透明度，Fin 靠渐进部署。但底层逻辑一样——先证明自己值得信任，再要求更多权限。
“AI 游客”不是你的错
a16z 提了一个我很认同的观点：不要为 AI 游客优化 onboarding。
前三个月的高流失很大程度上是结构性的。AI 太新了，好奇的人太多了。他们花 $20 试一个月，这不是你的 onboarding 做得不好，是他们从一开始就不是你的用户。
ChatGPT 的数据里有一个更有意思的现象——「微笑曲线」。早期流失的用户，在产品能力提升之后，会回来。
所以真正该关注的指标不是 M1 留存，是 M3 之后的留存。a16z 建议用 M12/M3 作为评估 AI 产品质量的核心指标。如果这个比率健康，说明你留住了真正的用户。游客的流失不应该是你的核心焦虑。
AI Onboarding 永远不会”结束”
传统 SaaS 的 onboarding 有终点。用户完成了 checklist，进入了正常使用状态，onboarding 结束。
AI 产品没有这个终点。
模型会升级。上个月还不能生成图片的模型，这个月突然可以了。上周还是纯文本对话，这周变成了能操作电脑的 agent。能力边界在变，用户的预期也在变。
每一次能力变化都是一次新的信任考验。用户需要重新校准：它现在能做什么？边界在哪？我之前的信任还成立吗？
Notion 的做法是给每个新 AI 功能做专属引导。Devin 的做法是通过知识库持续学习用户偏好，让信任跟着用户的使用习惯一起进化。
这不是 onboarding 的问题了。这是产品和用户之间一段持续的信任关系。像人和人之间的信任一样——不是一次建立的，也不是一次就够的。
所以怎么办
如果你在做 AI 产品，三个建议：
停止优化”引导流程”，开始设计”信任路径”。 不要问”用户第一步应该点哪里”，问”用户第一次体验到 AI 的价值是在什么时候”。那个时刻才是真正的 aha moment。
让用户当监工，而不是乘客。 透明度不是 nice-to-have，是信任的前提。Devin 的四面板、Cursor 的 inline diff、Fin 的回答溯源——都是在说同一件事：让用户看到 AI 在做什么。
为核心用户设计，不为游客设计。 前三个月的流失数据会让你焦虑。别焦虑。看 M3 之后的留存。如果核心用户留下来了，游客走了就走了。
做 Lucius AI 教会我一件事：用户给 AI 产品的信任窗口极短。不是 14 天试用期，不是 7 天 onboarding 流程。可能就是前几次交互。
在那几次交互里，你不是在教用户怎么用你的产品。你是在回答一个问题：
我凭什么信你？
这个问题回答不好，再好的 onboarding 都没用。回答好了，onboarding 反而变得不那么重要。
信任这件事，没有 shortcut。