AI 能做舆情监测、分析、研判吗?

AI 到底能不能干舆情监测这件事？这是今年被企业问得最多的一个问题。想省掉服务费的是它，担心团队被替掉的也是它，两种问法底下是同一个分界：哪些活机器真的能顶，哪些活它顶不了。

想省服务费的老板，把 AI 当降本工具问；担心被替的团队，把它当裁员信号问。两边问的其实是同一件事——机器和人的边界，这条线到底画在哪。

先给结论的框架：舆情里的活分三段——监测、分析、研判。三段对人的要求不一样，对机器的要求也不一样，所以 AI 在三段里的地位完全不一样。后面四节就按这个框架走：监测段它凭什么强、强到哪为止；分析段它错在哪、错成什么样；研判段为什么替代不了人；企业自己该怎么配。

先说清楚一点：这个分法不是从技术原理推出来的，是从每天处理舆情线索的流程里长出来的。一条信息从“被看到”到“被看懂”再到“被处置”，正好对应这三段。三段分开看，AI 能顶什么、顶不了什么，一目了然。

监测是 AI 的主场。全天候抓取、跨平台并行、按关键词秒级匹配，这些能力人力根本比不了。一家企业想在十几个平台、几十个渠道上同时看着，靠人排班也做不到，机器可以。这一段的效率差距是数量级的，没什么可争的。

不过它也有上限：系统能覆盖的是公开可见的内容。需要登录、需要进群、需要权限的地方，能力就断在那里；抓取也不是实时的，不同系统的更新频率不一样，快的一小时跑一轮，慢的按天走。知道这些，才不会把系统交出来的结果当成网上信息的全部。

分析这一段，AI 帮得上忙，但短板很明显。它认的是关键词和情感标签，反讽、谐音、隐喻这些表达，它读不出真正的意思。结果就是双向出错：真有恶意的吐槽被判成中性放了过去，夸中带刺的评论被当场判成负面推上来。

像“这质量好得我三个月换了两台”这种句子，人一眼就知道是差评，机器按字面理解很可能当成好评。所以捞上来的东西，不少要人再过一遍筛子。

谐音梗和拼音缩写是另一类麻烦。有些平台为了绕开审核，会用同音字或者字母组合指代企业和产品，机器要认出这些变体，得先有人把规则教给它；反过来，正常的方言口语、行业里的黑话，也容易被判成异常表达。词表是活的，规则得有人一直喂。

研判是最容易高估 AI 的一段。研判要回答的不是“有没有负面”，而是风险有多大、会不会继续发酵、影响面可能铺到多广——这些都要结合发布者的背景、传播的渠道、信息出现的位置来判断。

同一条“用户说吃了你家产品拉肚子”，机器给出来的结论往往是高风险、建议尽快处理；做过这行的人会先看说话的人是谁。如果这个账号过去发过类似的帖子、找过好几家企业谈赔偿，那他写的这条更可能是职业索赔人的话术，处理方式跟真实消费者投诉完全是两码事。这个判断，AI 现在还做不了。

两种错的代价也不一样：虚警多一次，团队白跑一趟，丢的是效率；漏判一次，尤其是把有组织的批量攻击当成零星差评放过，等它做成话题，能用的处置窗口基本就过去了。这不是调一下阈值能解决的。

这些判断拿机器是算不出来的。分级分类、研判审核，官方要的就是有人做过研判、有人担这个责任。行业里的分工经验其实已经比较清楚：这两年政企类的采购要求里，也开始出现“系统预警加人工复核”这样的双机制条款，道理是一样的——机器把面铺开，人把关键的那一下判断做掉。

先说研判这一段的经验是从哪来的，很多企业没想清楚。它靠的不是聪明，是见过足够多的案子：知道职业索赔人的帖子通常长什么样，知道同一个话题在不同渠道的传播速度差多少，知道哪一类信息看着温和但底下可能有人在推。这些判断只能从实战和复盘里长出来，系统里长不出来。企业在配人的时候要留意这一点：不一定要专门设个岗，但得有一个对这个环节负责的人，他处理过事，或者身边有人带。

说到底，AI 是放大器，不是替代者。机器负责快，人负责准，做舆情监测的两边活都得有人认领，这套预警才算立得住。

下次再有人问“AI 能不能干舆情监测”，答案就一句话：AI 是放大器，不是替代者——把三段的边界分清楚，系统买得值，人也配得对。

特别说明：本文为基于公开规范与实务经验的整理，旨在提供能力边界判断与配置思路参考，不构成具体采购或法律意见；涉及监管规范适用的，请以主管部门发布的正式文本为准。