AI问数为何遇冷

AI 问数项目遇冷核心并非 AI 技术不足，七成以上核心工作在数据治理上。盲目追求全员使用、缺少分层分类策略设计与数据标准化基础建设，最终因数据口径混乱、查询可靠性不足打消了业务使用的热情和信任。

建议：

精准定位用户：优先面向数据分析师和IT人员做场景验证，不盲目铺开全员应用；采用兜底架构，80%高频固定的查询需求依托传统BI平台实现百分百可靠查询，用 Text to SQL 承接剩余 20% 长尾复杂多变的长尾查询，基于三高一低（见前文）原则，对IT人员来说自己的SQL会错需订正一样，对于产生的SQL有一定的包容度。

数据治理工作：完善元数据标注、完成跨系统编码与表关系对齐、搭建统一业务术语词典、落地标准化指标平台，从根源消除数据孤岛、口径歧义问题。同时必须依托组织协同保障治理落地，争取业务管理层统筹推动全公司多部门口径统一。