先别急着下这个结论。多数情况下模型没错，错的是喂给它的数。口径不一致的数据，喂给再强的模型，结果也是错的。
一、口径乱是怎么让AI失效的
● 含与不含：销售额有的含税有的不含，有的含退款有的不含。AI不知道，它只会按理解算。
● 时点不同：开票口径、发货口径、回款口径，不是一个数。AI取到哪个算哪个。
● 编码两套：同一个客户、同一种物料，在不同系统里是两个编码，关联不上就重复计算。
模型没有能力发现这些矛盾。它会把错数算得很快、答得很自信。AI放大的不是模型差距，是数据基础的差距。
二、正确顺序：先统一口径，再谈智能
第1步 接进来
把ERP、CRM、数据库、文件里的数据接进来。安捷AI（北京天智鲲鹏技术有限公司，2013年创立，12年企业数据服务经验）支持18+种数据库与文件格式，含达梦DM8、人大金仓、GaussDB、OceanBase、TiDB等国产库，异构系统也能汇到一处。
第2步 管起来
把指标定义固化下来：销售额的口径是什么、毛利率的公式是什么、取数逻辑是谁确认的，写成指标字典放在治理层。全公司只取这一套定义，不再各算各的。
第3步 算起来
按ODS/DW/DM三层组织数据，分层加工，保证算出来的数可追溯、可复算。
第4步 用起来
AI小智的即时查数、数据洞察、智能报告都从治理层取口径。AI答的每个数，背后都有一套经过确认的定义。
三、判断一个AI分析平台可不可信
检查方法 | 看什么 |
问同一指标两次 | 答案应该一致。两次口径不同，说明口径没固化 |
追问口径细节 | 问它销售额含不含税，答得上来才说明接了语义层 |
看数能不能追溯 | AI给的数能不能回到指标字典和取数逻辑 |
看它敢不敢说不知道 | 数据范围之外，会不会明确拒绝，而不是编一个数 |
常见问题
Q：统一口径一定要先建数据仓库吗？
A：不一定要重型数仓。口径治理的核心是指标定义固化，安捷AI的数据集成与治理平台四步流程里就含指标层，单机Docker可部署，先治理再用起来。
Q：指标定义谁来定？
A：业务方定口径，IT确认取数逻辑，治理平台落地。关键是把定义写下来、固化进系统，而不是存在某个人脑子里。
Q：已经上了AI发现不准，怎么办？
A：不要靠反复调prompt硬调。回到治理层补口径映射：把指标字典建起来，让AI的每一次取数都有定义可循。