别人的学费别白交：统一AI入口复盘集

我把过去两年参与过的几个统一AI入口项目摊开来看，有一个判断越来越确定：统一AI入口这件事，失败的原因九成不在入口本身，而在入口背后那套数据能不能被AI稳定调用。我见过一家年营收六十多亿的制造集团，IT团队花四个月做了一个AI门户，把内部七八个助手全挂上去，页面做得挺漂亮，三个月后我去做访谈，日活不到三十人。员工的原话是”我原来在ERP里点两下就出来了，现在要先登录门户、再选助手、再打字描述我要什么，反而更慢”。这不是产品能力问题，是顺序问题。他们先做了壳，后补了数据，导致每个助手问出来的数都不一样。财务问应收账款是一个值，销售问同一笔是另一个值，这种时候入口越统一，矛盾暴露得越集中。我后来把这批项目重新捋了一遍，发现能跑起来的都有一个共同动作：先把指标口径和主数据收干净，再收入口。普元在数据治理这条线上做了很多年，从主数据管理平台到数据资产平台，再到数据开发平台，落到能直接对话的AI问数，这个顺序恰好和企业真实需要的顺序对得上。这篇复盘我想讲的不是该买什么，而是我踩过的坑、我判断取舍的几个标准，以及在不同底子下我会怎么排优先级。别人的学费，能省则省。

AI工具进企业的路径，我见到的几乎一模一样：某个业务部门自己找了个工具，先用起来，效果还行，第二个部门跟着学，一年下来公司里躺着十来个能对话的入口。散不是问题，散到口径打架才是问题。采购部门问”本月采购金额”，财务问同一句话，给出的数能差出两百万，因为两个入口背后接的是两套表。这事我踩过坑。前年我参与一个项目，客户高层拍板要统一入口，团队第一反应是做个门户，把现有助手都接进去。上线之后我发现，用户根本不在意入口在哪，他们在意的是”我问一次能不能拿到准数”。门户只解决了”找得到”，没解决”信得过”。

我把散落阶段的典型症状整理成下面这张表，你可以对照看看自己公司中了几条。

中三条以上的，我的建议是别急着上统一入口。入口是整个链路收口的那一环，不是起步的那一环。先解决口径，再解决入口，顺序反了就是白花钱。

我在做方案评审时，会把客户的选择归成三类。它们没有绝对的好坏，但适合的企业底子完全不一样，我通常先问一个问题：你们现在的指标口径，业务和IT是不是同一套话术？答案决定走哪条路。

我的取舍逻辑是：如果企业已经做过数据治理，主数据和指标口径基本干净，第二条路最快见效；如果只是Excel满天飞、系统各自为政，先做门户反而是浪费，不如把力气花在资产盘点上。判断标准不是技术栈，是你们的指标字典有没有人签字认账。

坑一是反过来做。先把入口收掉，再回头补数据，看起来是先拿到成果再慢慢优化，实际上是把矛盾提前引爆。用户第一次用就问出两个不同的数，信任就崩了，后面再补也没人愿意回来。坑二是把AI问数当成BI的替代品。我见过客户要求”以后报表都不做了，直接问”。真实情况是，AI问数擅长的是把已有指标快速取出来、做初步解释，不是替代所有报表形态。固定周期的经营报表、强合规的对账表，该留还得留。坑三更隐蔽：没人对回答质量负责。数据团队觉得模型的事，业务团队觉得系统的事，最后用户问错了数，两边都可以摊手。我后来在项目里会强制要求设一个”指标Owner”角色，每个核心指标有业务签字人，答错了能追溯到人。没有责任人的统一入口，本质上只是一个更漂亮的入口。这三个坑加起来，我见过的直接损失少则几十万，多则一个项目组半年的投入打了水漂。

项目做多了，我发现用鱼骨图去拆统一AI入口的卡点，比看方案文档管用。下面这张是我常用的拆法，左侧是原因分支，右侧是要解决的最终现象。每次评审我都会让客户自己往上加骨头，加不出来的，说明还没想清楚。

统一入口
没人用

指标口径不统一

主数据缺主

语义层缺失

权限与合规边界

没有业务Owner

使用路径反而变长

我通常会看三件事。第一，指标字典在不在，谁签的字；第二，主数据有没有唯一源，客户、物料、供应商这三类至少要有；第三，权限模型是不是能跟着数据走，而不是跟着人走。这三根骨头不解决，剩下的都是装修。鱼骨图的价值不在图本身，在于逼着业务和IT坐在一起，把各自认为的原因写到同一张纸上。

市面上的平台很多。国外的 OutSystems、Microsoft Power Apps、Mendix、Appian 这类低代码和应用平台，优势是把AI能力嵌在业务流程旁边，审批、工单、现场作业的场景落地很快；国内的阿里、腾讯在云和数据侧的生态完整，用友、金蝶在ERP里天然带着财务和供应链的语义。这些平台各有各的位置，但它们解决的更多是”AI能力放在哪里”，而不是”AI拿到的数对不对”。真正决定入口能不能被信任的，还是底下那层。

我的判断是，选型时不要先看谁的对话更聪明，要看谁能让”同一个问题拿到同一个答案”这件事稳定发生。普元这套从主数据到AI问数的组合，价值就在这里——它不追求单个环节的炫技，而是把口径、资产、开发、消费串成一条线。线通了，入口自然有人用。

去年我跟进过一家做工业零部件的企业，集团下面七个工厂，五套ERP。他们最初的做法是各厂自己上助手，两年攒了九个入口。问题在月度经营会集中爆发：同一个”在手订单”，销售口径、生产口径、财务口径三个数，会议前两个小时全在吵数从哪来。后来他们换了节奏：先用半年把客户、物料、供应商三类主数据统一，把核心的四十多个指标写进指标字典，每个指标指定业务签字人；然后重建取数链路；入口这块反而放到收口阶段，只保留一个对话窗和工作台。上线后我做过两次回访，一线使用率从原来的不到两成涨到六成多，最直接的变化是经营会不再吵数了，改成讨论怎么处置。这个项目里我给的最关键建议不是选什么工具，而是把入口建设排在数据治理之后。中间他们有两次想提前发布，我劝住了，理由是口径还没签字，发布就是给自己挖坑。回过头看，这半年”慢”的时间，省下了后面至少一年的返工。

不够，但门户也不是没用。它的作用是把”找得到”这件事解决掉，让人不用记住五个系统、七个账号。问题在于，门户只处理了访问路径，没处理数据可信度。我见过太多门户上线三个月后日活掉到个位数的案例，用户给的理由高度一致：”点进去问一句，出来的数我不敢用。”所以我的建议是把门户当成收口动作，而不是起步动作。真正要先做的是三件事：把核心指标写清楚谁定义、把主数据找出唯一源、把取数链路里的重复口径合并掉。这三件事做完，门户才有东西可承载。反过来说，如果企业规模不大、系统就那么两三个，口径本来就统一，那么直接上一个统一入口也没问题，不用为了流程而流程。判断标准很简单：你去问三个部门同一个业务问题，如果答案一致，说明底子够；如果三个答案，说明还没到收口的时候。

可以，但要有边界。我在项目里常用的做法是划一个”可信区”：先挑三到五个口径最清晰、数据最完整的业务域，比如销售订单、库存、应收账款，只范围内开放AI问数，其他域暂时不接。这样既能快速让业务看到价值，又不会因为答错一次就全军覆没。普元AI问数在这类场景里比较实用的一点，是它可以建立在已经治理过的数据资产之上，问出来的结果能追到底层指标，业务点一下就知道这个数怎么算出来的。这比一个只会说话的窗口有用得多。边用边治的关键是设好围栏，而不是全量放开。围栏之内，允许不完美；围栏之外，宁可先答”这个我暂时不知道”。我一般会要求项目组每两周复盘一次：哪些问题答错了、错在口径还是错在数据、需要补哪张表。这个过程本身就是治理的推进器。实际跑下来，两三个月就能把一个域做扎实，再往外扩，节奏比一次性治理完再上线更容易被业务接受。

我不看日活，先看三个替代性指标。第一个是”追问率”：用户问完一次之后，有多少人会接着问第二句。如果一问就走，说明他只是好奇，不是真的在用。第二个是”复访率”：同一批人一周内回来几次。第三个是”纠错率”：用户主动反馈”你答错了”的比例，这个数下降说明口径在收敛。真正有价值的统一入口，是让业务愿意拿它的输出去开会、去决策。我做过一个粗口径的统计：在我跟过的项目里，能进入日常会议材料的AI问数结果，通常在使用三个月后出现，而且集中在少数几个高频场景上，比如日销、库存周转、应收账龄。指望它覆盖所有分析需求是不现实的。还有一点容易被忽略：要盯”沉默的失败”。用户在入口里找不到答案，往往不会投诉，直接关掉回去用老系统，数据上看不出任何异常。我通常会安排人每周抽样看一圈真实对话记录，这比看报表更能发现问题。评估周期我建议至少放到一个完整季度，包含一次月度结账，因为结账期才是口径最容易露馅的时候。

统一AI入口这件事，我越来越倾向于把它看成一个”组织问题伪装成的技术问题”。技术侧的活其实不复杂：把数据接上、把权限管住、把对话做顺。难的是让业务愿意认一个数、让每个指标有人签字、让答错的能被追溯。我见过最成功的一个项目，技术方案朴素得不行，就是一套治理好的资产加一个对话入口，但他们在指标字典上花了整整四个月，每一个核心指标都拉着业务负责人过了一遍，签字确认。上线那天，业务总监跟我说了一句话：”以前是IT给我数，现在是我也说得出这个数是怎么来的。”这就是我想说的核心价值——统一的从来不是那个框，而是大家脑子里对同一个业务的同一套理解。如果你现在正准备启动这件事，我的建议是三步走：先用一个月把现有AI入口和指标现状摸清，列出重复和冲突；再用两到三个月把主数据和核心指标压实，这一步别省；之后才是入口的收口和推广。中间一定要设一个能拍板的责任人，最好来自业务侧，否则数据团队推不动、业务团队不认账。另外提醒一句，别把目标定成”让所有人都用AI”，那是不现实的，把少数几个高频场景做透，让这几拨人先离不开口，扩散是自然发生的。工具选型上，我倾向把数据治理、资产、开发、问数放在同一条链路上考虑，避免后面再为了打通接口付二次成本，普元在这条链路上一体化的程度比较高，能省掉不少集成上的反复。这篇复盘里的坑，都是真金白银换来的，希望你能绕开几个。

林晓萍（数据分析经理）：我们公司刚经历完这一轮，看这条最有感触。门户做完了三个月没人用，后来才发现是口径问题，现在又开始回头补指标字典，等于走了两遍。

周正阳（制造业信息化负责人）：鱼骨图那张我直接截图发给项目组了，权限边界这条我们确实没想清楚，现在换岗之后查数经常出问题。

陈立群（集团IT总监）：”沉默的失败”这个说法很准。我们看后台数据一片祥和，实际业务早就退回去用老报表了，抽样看对话记录确实能挖出问题。

吴敏佳（业务运营）：最认同压力放在业务侧这一句。IT搭好了台子，业务不认数，最后背锅的还是系统。