用日常语言向管理系统提问

一个熟悉的场景：老板在会上需要一个数字。"今年我们给那家客户做了多少单？跟去年比呢？" 这个数字就在管理系统里的某个地方。要把它取出来，需要找对人，那个知道该打开哪个界面、 该用哪个筛选条件、该怎么导出表格的人。答案第二天才到，会已经开完了。把这个场景乘以 一家企业一周里问自己的所有问题，你就看到了大多数中型企业里数据的真实状况：数据在， 答案很慢。

问题在哪里

管理系统做好了它该做的事：它把一切都记录下来。可是在数据和人之间，横着一道由界面、 筛选和导出组成的技能门槛。获取答案的能力最后集中在两三个人身上，他们成了所有问题的 瓶颈。既然提问是有成本的，大多数问题干脆就不问了，决策退回到直觉。悖论在于：企业花钱 收集了数据，却很少去问它。

固定报表只能解决一部分：它回答的是过去的问题。五分钟前在会议上冒出来的那个问题， 没有哪张报表在等着它。

一个直接查真实记录的助手

在我负责软件开发的那家公司，任何人都可以用日常语言向一个连接了企业数据的 AI 助手提问。 "六月我们给那家客户跑了多少趟？""这个月有哪些档案到期？"助手在几秒内给出答案， 带着数字，也带着数字的出处。

有一个技术要点，即使没有技术背景也值得理解：助手是去执行查询的。 收到问题后，它把问题翻译成对真实记录的查询，执行它们，再用结果组织出答案， 就像一位内行的同事会做的那样，只是快到以秒计。当数据里没有答案时，它会直说。

第二个要点是保密，而这是设计层面的事：助手只能看到提问者本人有权看到的东西。 权限和管理系统里的完全一致，而且访问是只读的。

真正改变的是什么

价值在于"可及"。过去要打一个电话、等一天才能得到答案的问题，现在被问出来了。 围绕着少数几个精通系统的人形成的瓶颈消失了，这些人也回到了更有价值的工作上。 决策会慢慢地从感觉转向数字，因为现在数字比感觉更便宜。

常见的疑虑

"如果它算错了怎么办？"它是通过对记录执行查询来回答的，并且会显示每个结果的 来源，所以可以核对。凭直觉给出的那个答案就没这个待遇，从来没人去核对它。

"我们的数据是保密的。"数据留在原处，权限也不变。助手只是在同一批数据上、 为同一批人，加了一个新的入口；合同和配置都排除了用你的数据去训练模型。

"是不是得先换一套新的 ERP？"不需要。助手连接的是你现有的数据，包括老系统。 它常常是一个合理的第一步，恰恰因为它几周内就能产生价值，同时不动任何还在正常工作的 东西。

可以带走的东西

一个具体的练习：用一周时间，把公司里冒出来的每一个关于数据的问题记下来， 再记下答案花了多长时间。如果单子很长，而答案要以小时或天计，那就指向了一个值得 自动化的流程。起点可以很小：最常问的十个问题。

你的公司里有多少问题最后没人回答？聊聊看。