夜雨聆风学习资料网

ARTICLE · 1364098

答得不准,多半不是模型的问题——是文档没整理好

答得不准,多半不是模型的问题——是文档没整理好
企业 AI 办公 · 知识库质量 · 系列第六篇
私有知识库答得准不准,一半在文档进库之前就定了。平台能力可以买,文档质量只能自己治。这一篇讲治理的三步、一个最容易被漏算的成本,以及签约前就该问出口的几个问题。

这个系列前几篇停在签约和交付上:选型条件、签约前三坑、八步节奏、三张签字文件、验收之后。这一篇补一个一直没展开、却决定效果上限的环节——文档进库之前。

先说一件容易被忽略的事:同一套基座,甲企业问得准、乙企业问不准,差别很少在算法。员工说"AI 又胡说",第一反应都是怪模型,但真正高占比的原因,往往在资料本身。

一、先别怪模型,问题多在进库之前

把"答不准"的原因拆开看,四类最常见,而且全都不在模型这一侧:

  • 资料根本没进库。
    问的是某个部门的流程、某类报表口径,可那份文档从没被上传过。系统只能拒答,或者被诱导去猜。
  • 新旧版本混在一起。
    制度改版了、合同模板换了,旧版没作废,库里两份都在,检索谁命中都有可能。这种情况下 AI 会"一本正经地答错",比拒答更危险。
  • 切片粒度不合理。
    长文档整篇灌进去,检索命中的常常是无关那一段。切片策略直接影响问答准确度。
  • 扫描件从没做过处理。
    图片型 PDF、拍照的合同,不先识别就进库,等于没进。

这四件事有个共同点:平台不替你做,也做不了。它只对你已经进库、并且进对了的内容负责。这也是前面系列里反复出现的那句话的落点——文档质量差,平台再好也出不来效果。

二、治理只有三步,顺序不能反

1分类
制度、操作手册、合同、业务报表分开建,不要一锅煮。不同业务的提问,命中来源本就不同,混在一起只会互相干扰。判断标准:能不能按业务域分开管理,而不是一个库塞进所有文件。
2清洗
去重、作废旧版本、清掉无效文件。库里新旧混杂,检索就可能命中已经废止的条款。这一步的信条是宁缺毋滥:每个主题只保留一份有效版本,旧的明确作废。
3切片
长文档合理分段,按段落、按条款切,而不是按页或整篇导入。这一步决定了"能不能命中到对的那一段",是治理里最技术、也最容易被当成黑箱跳过的一环。

三步的顺序不能反:先分类、再去重作废、最后切片。跳过前两步直接导入,等于把一堆过期和重复的内容原样喂进去,效果一定打折。

三、最容易漏算的一处:扫描件

如果只能记住这一篇里的一件事,就记这件:扫描图片和图片型 PDF,是文档治理里最贵的一块,也是最常被漏算的一块。

很多项目延期,不是卡在技术上,而是卡在签约时一句没问清的话:"你有多少资料是扫描图片、是多少页?"默认资料都是可编辑 Word、PDF 的方案,拿到一堆扫描件之后才发现,这部分要先做 OCR 识别——是另一块工作量,处理不好工期成倍拉长。

签约前先自查:你的资料里,可编辑的 Word / PDF 占多少,扫描图片和图片型 PDF 占多少?比例越高,治理成本越高,越要提前算进去、提前谈明白。

四、把"文档治理"变成一个选型问题

治理这件事,不只是企业内部要做的功课,也是筛选供应商的试金石。谈方案时,这五个问题值得当场问出口:

  • 文档治理谁来做?
    要一个分工:哪些你自己整理,哪些供应商协助。
  • 去重和作废旧版本谁负责?
    定人、定规则,不能留成"上线后自己看着办"。
  • 扫描件 OCR 怎么算?
    是包含在内,还是单独评估、单独计,签约前就该问清。
  • 切片策略谁定、我能不能改?
    切片直接影响准确度,不该是个打不开的黑箱。
  • 效果受文档质量影响,责任怎么分?
    提前说清,别等上线后互相指。

愿意把治理分工、责任边界讲清楚的供应商,比拍胸脯保证"效果一定准"的可信。后者往往默认了你的文档是干净的、版本是对的、扫描件已经处理过——而这些恰恰是你自己最该先确认的前提。

这也和上线之后的事接得上:员工反馈"答不上来",要分清是库里根本没有(缺资料,责任在进库前)、有但没检索到(切片和召回,属治理调优)、还是检索到了答得绕(提示词和作答边界)。把这三类分清楚,才知道该找谁。这个归因方法在系列第五篇《验收通过之后,才刚开始》里展开过。

说明:本文为企业 AI 知识库文档治理的机制性梳理,不含具体报价、固定周期与工作量计费承诺;OCR、切片等工作的范围与计费,以双方合同及需求边界确认单约定为准。文中未引用任何客户实测数据或案例。系列回顾:第一篇 选型条件 · 第二篇 签约前三坑 · 第三篇 八步实施节奏 · 第四篇 三张签字文件 · 第五篇 验收之后 · 第六篇 文档治理。文中回链发布前请替换为对应文章真实链接。#人工智能、#AI办公、#企业数字化、#私有化部署

感谢阅读

南宁市千觅科技有限公司 | 让企业数字化一步到位

...

点击蓝字 关注我们

邮 箱|18177140642@163.com

点赞

收藏

分享

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料