AI 修不好的东西：没有干净数据，自动化就有极限
如果训练素材本身就前后不一致，AI 助手给出的答案自然也会前后不一致。要解决的不是换一个更好的模型。
一个常见的需求是：做一个能回答业务问题的 AI 助手——库存、客户历史、订单状态，都从现有记录里抓取。这可以实现，但答案的质量上限是由记录本身决定的，不是模型。如果两个员工用三种不同方式记录同一类交易，助手继承的就是这种不一致，然后把它变成一句听起来很肯定、实际上是错的答案。
这不是在反对 AI，而是在强调顺序：先把重要字段整理干净，先说清楚以后怎么统一录入，再让助手去读它们。跳过这一步并不会省时间，只是把整理的工作推到后面——而且那时候，工具已经先失去了大家的信任。
在启动任何 AI 项目前，有一个有用的测试：挑十条真实记录，看一个称职的新员工只靠这些数据，能不能答对问题。如果人靠这些数据都答不对，AI 模型也做不到——它只会做得更快、说得更有信心而已。