前面的文章中我们聊到了：企业智能体，第一关是选对业务场景——不是“做知识助手”，而是“解决哪个具体业务问题”；第二关是嵌入流程节点——不是“有个聊天入口”，而是“在工单分派、合同审核、经营分析等具体动作里接住输入、输出结果、有人确认”。

这两关过了，项目才算真正起步。

但接下来，一线项目经理常问一句：“智能体进流程了，可业务部门还是不敢用——它生成的建议，业务上的可信度有多高？”

问题不在AI有没有输出。而在它输出的时候，依据清不清楚。

这才是知识与数据层真正的战场——它不是建知识库、接数据源的技术活，而是给智能体在业务流程中每一步动作，配上“可信脚手架”。

一、企业不怕AI无输出，怕的是输出的决策没依据

我们陪跑过一个制造企业的合同智能体项目：功能很全——能识别合同类型、抽取条款、比对风险、生成修改建议。Demo时法务点头：“这比人工快80%。”

上线三个月后，法务反馈：“它提示的风险，我得自己再核一遍; 生成的合同，我得去核实依赖哪些模版；修改意见，还得确认是否有价值。”

问题出在哪？不是模型不行，是依据断层：

·  风险提示没关联企业最新《合同审批规则V3.2》；

·  条款比对用的是2023年旧版模板，而2025年已更新“供应商责任豁免”条款；

·  生成的修改建议未标注“依据来源”，法务无法快速判断该采纳还是驳回。

结果？智能体成了“高级草稿机”——它动了，但动得没依据；它快了，但快得不敢用

企业要的从来不是“AI多能干”，而是“它干的每一步，我都能说清凭什么”。

二、知识与数据层，本质是三层依据体系

别被“知识库”“向量检索”这些技术词带偏。真正要理清的，就三层：

1. 知识依据：哪些内容能当“正式口径”用？

不是“有没有知识”，而是“哪些能直接支撑业务决策动作”。比如客服智能体推荐回复话术：

·  可参考优秀销售的沟通经验（参考材料）；

·  但涉及补偿政策、服务承诺、升级规则，必须引用《2025客户服务手册》第5章（正式依据）。

我们见过太多项目：把历史会议纪要、内部讨论稿、离职员工笔记全塞进知识库。AI一检索，给出“看似合理”的建议——结果业务一用，发现输出的内容会有多个版本，而其依据也是多种来源。

关键问题：这份知识，谁签发？何时生效？适用哪些客户/产品/区域？冲突时以谁为准？

2. 数据依据：哪些数据能当“判断基础”用？

数据接入≠数据可用.某零售企业经营分析智能体曾出过问题：它标记“Q2客户流失率异常上升”，并建议“加强客户回访”。但业务一查：流失率用的是CRM里的“注册客户数”，而实际考核用的是“付费活跃客户数”——口径差了37%。

数据依据的核心就两点：

·  主数据源是谁？（CRM？ERP？还是周报？）

·  口径是否被业务确认？（财务认的收入，和销售报的“签约额”，能混用吗？）

智能体不怕数据少，怕的是数据“看起来是那样，细究下来就存在诸多矛盾”。

3. 规则与上下文依据：同一条知识，在不同场景里用法不同

这才是最容易被忽略的“隐性依据”。

比如“客户延期付款”：

·  销售看到的是客户关系与跟进节奏；

·  财务看到的是账期与坏账风险；

·  法务看到的是合同违约条款；

·  管理者看到的是现金流预警。

如果智能体不识别当前角色、流程节点、业务对象，它可能把法务该处理的风险，直接推给销售去“安抚客户”——动作没错，依据错位。

真正的依据体系，必须回答：此刻是谁在用？在哪个流程步骤？要达成什么业务结果？哪些动作可自动，哪些必须人工确认？

三、依据不清的后果：不是“没效果”，是“有反效果”

我们总结过三类典型风险，都源于依据模糊：

·  客服场景：依据过期政策生成承诺→ 客户拿截图维权，企业被动赔偿；

·  合同场景：未识别“必须法务终审”规则 → 业务擅自采纳AI建议，导致条款漏洞；

·  经营分析场景：用暂估数据生成结论→ 管理层据此调整策略，实际执行时发现数据未确认。

这些不是AI能力问题。是依据的治理与业务脱节，甚至是缺乏治理。

企业愿意为“慢但稳”的智能体买单，但不会为“快但悬”的智能体担责。

四、第一个项目，别想建大平台，先打牢一个动作的依据

很多团队一上来就想搞“企业级知识中枢”。我们建议：先选一个高频、低风险、有明确输入输出的流程节点，把依据打透。

比如：

·  客服工单的“首次响应建议”环节：只管3件事——服务政策（最新版）、客户等级规则（CRM）、高频问题库（已审核）；

·  合同发起的“材料完整性检查”环节：只核对——客户信息（CRM主数据）、项目编号（ERP）、金额阈值（财务确认口径）；

·  经营月报的“异常指标初筛”环节：只用——确认收入（财务系统）、客户数（主数据）、目标达成率（已签OKR）。

小范围打透，比大而全却漏洞百出，更能让业务敢用、愿用、持续用。

五、自查清单：8个问题，5分钟过一遍你的依据层

如果你正在推进智能体项目，不妨用这8个问题快速诊断知识与数据层：

答不出3条以上，建议暂停功能开发，先做业务知识梳理。技术可以迭代，知识依据错了，重做成本更高。

结语：智能体的可信度，藏在它“停手”的勇气里

最后说句实在话：企业不拒绝AI，但拒绝“依据模糊的AI动作”。

一个成熟的智能体，不该是永远往前冲的“永动机”。它应该知道——哪些动作有依据，就全力推进；哪些依据不清晰，就主动停手，把问题交还给人。

知识与数据层的价值，不是让智能体更“能干”，而是让它在业务流程里，动得清楚、停得坦然、结果可溯。

下来可做的1件小事：挑一个你正在推进的智能体流程节点，可以用上面8个问题过一遍。不用考虑大改系统，至少先理清“它这一步，核心的依据什么”。

这才是企业智能体，从Demo走向生产的真正起点。

本文为“企业AI智能体五层架构”系列第三篇。前两篇：《第一层：为什么必须先看业务场景》《第二层：任务切开后，还要放回流程里》如需PDF自查清单模板，欢迎留言“依据清单”，我发你一版可直接用的表格。