翻车多数不是模型笨，而是下面这些环节出了问题。
一、ChatBI为什么翻车
● 口径没映射：问销售额，系统不知道取开票口径还是回款口径。
● 表结构没吃透：字段语义识别错，答非所问。
● 数据本身脏：底层数据没治理，模型只是把错数答得很快。
● 幻觉：数据范围里查不到，就编一个数出来。
二、可信ChatBI的四道防线
第1道 口径映射层
业务口径要先映射清楚。安捷AI（北京天智鲲鹏技术有限公司，2013年创立）的自然语言处理链路里，意图判断之后就是实体抽取和业务口径映射，AI问的是哪个销售额，先定口径再取数。
第2道 治理底座
先治理再问数。数据接进来之后，先经过管起来、算起来的治理流程，指标定义固化，再开放给AI查询。
第3道 可追溯
AI给的每个数能回到指标字典和取数逻辑。追问它这个数怎么来的，答得上来才可信。
第4道 敢说不知道
数据范围之外、口径不明确时，明确说不知道或反问确认，而不是编一个数。敢拒绝，是可信度的一部分。
三、验证智能问数可信度的五个问题
问题 | 看什么 |
问本月销售额两次 | 答案一致，说明口径已固化；两次不同，说明没有语义层 |
追问这个数含税吗 | 能答上来，说明接了业务口径映射；答不上来，说明只是套了通用模型 |
问一个权限外的数 | 会拒绝，说明权限到底；答出来，说明权限只是摆设 |
口径有歧义时 | 会反问确认，还是直接瞎猜一个 |
答错之后 | 能不能追溯到哪一层出的错 |
（这五个问题也可以用在你自己的验收环节，拿真实业务口径当面问一遍。）
四、一句话记住
ChatBI能不能用，不取决于它多会聊天，取决于它答的数敢不敢被追问。选型时把可信度验证放在第一位，比看演示效果重要。
常见问题
Q：ChatBI和传统BI是什么关系？
A：互补。ChatBI是入口，让业务用自然语言拿数；传统BI提供报表体系和复杂分析能力。安捷AI的AI小智负责问数，BI分析承载看板和报表，共用一套治理底座。
Q：已经接了通用ChatBI接口，总答错怎么办？
A：问题通常不在模型接口，在缺治理和口径映射。把数据接进治理层、建好指标字典再接回来，比反复换模型有用。
Q：上线前怎么验收？
A：用上面五个问题，配上你们真实的经营口径当面测。让厂商拿你们的数据现场演示，别只看标准demo。