ARTICLE · 1232535
AI 画的图,你敢直接放进汇报吗
QUOTE
你用 AI 出图的速度，可能一直在掩盖一个从没被验证过的假设——它下次还能画出一样的图吗？
—— wugenqiang
周三下午四点，月报截止前一小时。你打开 AI 工具，把上个月的销售数据丢进去，三分钟出了六张图，配色干净，标题齐全。你松了口气，粘贴，发送。
下周，老板问：「这个月华东区的环比为什么是负的？上月不是涨的吗？」
你把同样的数据、同样的问题，重新问了一遍 AI。
图变了。
同一份数据，同一个问题，间隔一周，两张图讲出了两个方向不一样的故事。你盯着屏幕，第一次意识到一个事：过去三个月你用 AI 出图的速度，可能一直在掩盖一个从没被验证过的假设——它下次还能画出一样的图吗？
— 同一问题两次提问，答案漂移
「一次画对是手艺，次次画对才是工程。前者花多少钱都能买，后者只能靠流程建。」
本文看点
01
一组复现性实测数据
02
四步验收法可直接落地
03
哪些场景能放手、哪些不行
01
THE DATA
先看一组让人不舒服的实测数据
2026 年，InfiniSynapse 做了一轮 AI 可视化工具的横评。方法很直接：固定 24 个 prompts 组成测试集，覆盖从简单聚合到带比率、带分母的复杂查询，跑完一轮，记录两件事——图选对没有，以及逻辑能不能复现。
复现性的测法更狠：开一个全新会话，把同样的 24 个问题再问一遍，看能不能得到同样的图表逻辑。
结果分四档：
前三档是复现率，最后两列是同一轮横评里的选图准确率与人工修正负担。其中「选图准确」一列统计的是带比率、需要判断分母的困难档问题。
还有一组数字更扎心——修正负担：生成后需要人工改过才能分享的比例，Chat 类工具平均每个用户有 11 个 prompts 需要动刀，BI Copilot 是 6 个，数仓原生 7 个，AI 原生智能体 5 个。
翻译成工作语言：用 Chat 类工具出图，你每周有近一半的图要返工；而它返工的原因，往往不是画错了，是画得跟上次不一样。
02
WHY IT DRIFTS
为什么「一次画对」不等于「次次画得一样」
很多人把这个问题理解成「AI 不够聪明」。不是。这是两种完全不同的工作方式被混为一谈。
Demo 是手工艺，月报是流水线。
手工艺的特点是：这次做得好，就是好。流水线的特点是：第 100 次和第 1 次必须一模一样。你用三分钟出了一张惊艳的图，证明的是前者；而老板要的周报月报，要的是后者。
Chat 类工具为什么复现率低？拆开看有四层原因：
解析有自由度
你问「上个月各区销售额」，AI 要自己决定：上个月是自然月还是近 30 天？含不含退款？含不含测试订单？没有语义层约束时，这些决定每次都可能不同。同一个问题，被解析成两条不同的 SQL，图当然不一样。
上下文会污染
会话越长，历史里的旧定义、旧筛选条件越可能污染新问题。上周你问过「剔除大客户」，这次没提，AI 可能还记得。
版本在动
今天的图和下个月的图之间，隔着一轮你控制不了的更新。
定义无处存放
这是最根本的。Chat 工具的会话是易失的，你的口径活在聊天记录里，活在你的记忆里，唯独没有活在系统里。
— 复现率随工具分层拉开差距
所以那 6/24 不是模型的耻辱，是架构的必然：当一个工具没有指标定义的存放处，复现就只能靠运气。
03
THE METHOD
四步验收法：让 AI 出图可以进月报
问题不是「要不要用 AI 出图」，而是「怎么验收」。下面四步，可以直接搬进你们的流程。
挑 20 到 50 个你们最常问的问题做成测试集，开两个全新会话分别跑一遍，逐条对比：图类型一样吗？口径一样吗？筛选条件一样吗？把「同题同答率」当成一个正式指标记录下来。低于 80% 的工具，不要放进任何周期性报表的流程里——它适合探索，不适合交付。这一步几乎零成本，却能挡掉后面所有的坑。
任何一张要发出去的图，都要能回答三个问题：分母是什么？时间窗是哪一段？排除了什么？比如「转化率 23%」必须写成「支付成功用户 ÷ 支付发起用户，2026 年 9 月自然月，剔除测试账号」。这三个要素不写在图上，读者就会替你编一个——而读者编的那个，通常和你想说的不一样。
AI 负责快，人负责准。正确的分工是：指标字典、维度定义、计算逻辑由人写死，存进语义层或指标平台；AI 只在受控的定义里做渲染和探索。工具可以换，定义不能丢。这也是 BI Copilot 和 AI 原生智能体复现率能到 22/24、23/24 的原因——它们的逻辑不飘，因为定义有地方放。
明确三件事：谁验收（建议不是做图的人）、抽检比例（首批 100%，稳定后降到 30%）、变更怎么记录（口径变更要有版本号和生效日期）。没有这一步，前三步都会在第二个忙月里悄悄失效。
— 四步验收流水线
04
THE BOUNDARY
哪些场景可以放手，哪些不行
必须把边界说清楚，否则这篇文章就变成了因噎废食。
探索性分析，放心让 AI 跑
一次性问题、可丢弃的答案、「帮我看看这个数据有没有异常」——这时候追求的就是速度和直觉，复现性毫无意义。AI 在这段的提速是真实的，一个分析师一天的探索量可能翻三倍。
治理型报表，必须锁逻辑
凡是重复出现、要被用来做决策、要留档的材料——周报月报、经营分析会材料、董事会汇报、对外披露——适用的标准就不是「这次对不对」，而是「次次都一样，且每次都可解释」。这时候 Chat 类工具的角色是草稿机，不是交付机。
— 探索可放手，治理要上锁
一条简单的分界线：这张图的答案，会不会在三个月内被再次追问？会，就按流水线标准验收；不会，就按手工艺标准用。
05
PITFALLS
三个高频坑，按出现频率排
坑一
拿 demo 当验收。演示环境里问三个问题，图都很漂亮，就批预算。请务必记住那组数字——同一批 prompts 重跑，最差的工具只有 6/24 能复现。一周的 demo 证明不了任何事，30 天的同题重跑才能。
坑二
只查数不查口径。「AI 算的总数对不对」问的人很多，「这个总数的分母是什么」问的人很少。数字对了口径错了，是更危险的事——因为它看起来是对的。
坑三
换会话不换验收。新开一个对话窗口，等于换了一个新同事。你不会让一个新同事不看口径说明就直接出月报，也别让新会话这么干。
— 一周 demo 证明不了生产就绪
∞
THE END
别先问好不好看，先问还答不答得一样
说句公道话：AI 出图这件事本身没有错，错的是我们把「演示的能力」当成了「生产的能力」。
三分钟出一张图，是工具的能力；三个月里每周都出一张一样的图，是你的能力。前者花多少钱都能买，后者只能靠流程建。
下次再用 AI 出图，别先问「好不好看」。先问那句更硬的：同样的数据，同样的问题，下周再问一次，它还答得一样吗？
答不上来，就先别放进汇报。
一次性画对是手艺，次次画对才是工程。
本文数据来自 InfiniSynapse 2026 年 AI 数据可视化工具横评（24-prompt fixture）及公开案例整理，不构成任何工具采购建议。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。
