夜雨聆风
这几年和不同公司的数据团队接触下来，大家的主要精力已经从复杂的数据加工转向了智能问数，也希望用数据智能驾驶坐仓替代传统的 BI 大屏。从公司效率上讲，需求是实在的，因为以前要个数得提需求、排期、分析师写 SQL、跑数、核对、出报表，快则半天，慢则两天。现在对着屏幕打一行字，几秒钟数就出来了。
技术上这早能做到，所以让大家内心都有一个冲动，实现它，给公司提升效率。我想聊的是另一半：它给你的那个数，你敢信吗。 特别在无约束的环境下它大不了最后说这个数是它编的，你又能怎样，总不能给它断电吧。
先看一个数字：智能问数正确率 42%
有个公开基准叫 BIRD，专门测自然语言转 SQL 准不准。现在最好的系统，受控条件下能到 82% 左右。
但"受控"有前提：数据干净、schema 提前建好模、还得给模型喂不少提示。换成企业里那种没怎么整理过的数据，准确率就掉到 42% 上下了，这是 LiveSQLBench 测出来的。
42% 什么概念。问十个问题，将近六个数是错的，而且它不告诉你哪个对哪个错。就算是受控下最好的 82%，也还有近两成是错的。而业务要的，是接近 100%。
LLM 的胡说比较难克服
人算错了会心虚，会补一句"这个我不太确定你再核核"。AI 不会，会一本正经的胡说。
你问它华东区销售额，它可能 join 错表，可能把下单金额当成实付金额，也可能忘了过滤退款。然后甩给你一个格式工整、看着挺像回事的数字，眼都不眨。你就拿着它去开会了。
没数的时候，你知道自己不知道，会去查。错数最坑的地方是，你以为自己知道了。所以一个什么都敢答、还答得特别肯定的问数工具，我是真不敢往生产上放。最经典的案例是 2023 年美国的 Mata 诉 Avianca 航空案。原告律师图省事，用 ChatGPT 找判例支撑辩护，ChatGPT 一口气给了 6 个看着有名有姓的"历史判例"。律师追问"这些是真的吗"，ChatGPT 反复咬定是真的，还煞有介事地给出了判决全文。结果开庭时被对方和法官戳穿：6 个判例全是 ChatGPT 编的，压根不存在。两名律师被罚了 5000 美元。 LLM 乱说感觉也是通病了。
真实测试案例
近期我拿一张真实的用户购买记录的行为表测试，将近一亿行。两个测试用例也让我看到 AI 的真实能力。
第一件，让它自动给这张表建模。它扫一眼字段，痛快地把 user_id 定成了主键。名字带 id 嘛，看着是那么回事。可这张表 9891 万行，去重用户只有 98.8 万。一个用户上百条行为，user_id 怎么可能是主键。它就是照着字段名猜的，根本没去数据里数一下这列唯不唯一。我要真信了，后面凡是跟"用户数""按用户去重"沾边的口径，全得跟着错，还错得不吭声。
第二件更典型。我问它复购率，三秒给了个数，还配了句"复购健康"。可我根本没跟它说清"复购"算什么。买过两次算，还是一个月内买两次？退款那单扣不扣？它自己脑补了一套。更要命的是结构就算错了：复购率得先按用户汇总每人买几次，再看买两次以上的人占买过的人的比例，是两层。它上来想在明细表里一把梭。后来把口径一条条摊开、问清楚，固化成一条写死的指标，再跑，真实复购率是 65.81%。跟我绕开这套东西、自己手写 SQL 查的结果，一分不差。
数对不对，跟 AI 算得多快没关系。就看口径有没有人拍板，系统记没记住。指标和口径的统一非常重要。
做不好总抱怨模型不给力
有人会说，那是模型还不够强，再聪明几代就好了。我不这么看。这两年模型强了多少大家都看得见，可 BIRD 受控分一直涨、一碰真实数据就崩，光用智商解释不通。
还拿订单表说。里头有个字段 o_totalprice。模型看到它，怎么知道这是下单金额还是实付？含不含税，扣没扣退款，什么币种，能不能直接加起来当 GMV？
它不知道。因为这些压根不在表结构里，在财务脑子里，在一份没人维护的口径文档里，在老员工口口相传的约定里。模型能看见的只有字段名和类型，别的全靠猜。前面那两个坑，主键也好复购率也好，说到底是一回事：该人定的口径没人定，它就替你定了，它是没有上限的 LLM。 BIRD 42% 的错误可能就是这么来的。后来 dbt 2026 的 benchmark 也印证了这条路：裸问 SQL 对付轻度建模的 schema 大概 70%，一旦配上语义层，在它覆盖到的范围内准确率能冲到接近 100%，而且超出范围的问题它直接拒答，不硬编。这才是我想要的：答得准，或者老实说不知道。所以要补的不是把模型搞得更聪明，是得把那些只在人脑子里的业务口径，变成机器能读的东西喂给它。这东西业界叫语义层。
语义层业界现状及展望
让 AI 读懂数据，现在全行业都在做，但路子不一样，分歧还不小。后续我想通过一个小的系列和大家一起探索交流一下。
目前 Snowflake 和 Databricks 这两个巨头，是把语义层做进自家仓库里，Snowflake 因为今年 summit 宣扬 AI 的引入，也让股价大涨。刚拿了黑石领投的 1700 万美元 A 轮融资的 TextQL，直接掀桌，说语义层只是打补丁，本体（ontology）才是解药。还有老牌语义层王者 Cube 这类，做的是不绑任何仓、能到处搬的独立语义层。
谁对谁错，现在没定论，大家都在尝试， AI 这个路上，现在大家都是 Builder。但把这几条路捋明白，你大概能看清"让 AI 读懂数据"到底难在哪，也能想清楚一件事：什么样的 AI 问数，才是你敢信的。
这个系列我一家一家讲。下一篇先看家底最厚的两个巨头 Snowflake 和 Databricks，它俩几乎给了同一份答卷：把语义层焊进自家平台里。
你现在用的 AI 问数，敢信它给的数吗？评论区聊聊。
阿炳数记 · AI 读得懂你的数据吗 · 预热篇下期 Vol.1：《AI 问数，Snowflake 和 Databricks 是怎么做的？答案意外地一致》该系例大概 5-6 篇。如果对这个系列感兴趣，也欢迎添加作者 wx 入群交流，后续有 PDF 总版本提供。
参考来源
• BIRD-SQL 基准：https://bird-bench.github.io • LiveSQLBench（真实企业数据 42%）：https://livesqlbench.ai • dbt 2026 benchmark（语义层内近 100%、覆盖外 0%）：https://docs.getdbt.com/blog/semantic-layer-vs-text-to-sql-2026 • Mata v. Avianca 案（律师用 ChatGPT 编造 6 个判例被罚）：https://www.reuters.com/legal/new-york-lawyers-sanctioned-using-fake-chatgpt-cases-legal-brief-2023-06-22/ • TextQL 完成 1700 万美元 A 轮融资（Blackstone 领投）：https://www.textql.com/blog/textql-raises-17m-blackstone • TextQL 檄文《Semantic Layers Are a Patch. Ontologies Are the Fix.》：https://www.textql.com/blog/semantic-layers-are-a-patch