读懂回答

先看出处

企业里的数字员工，回答要附出处：结论来自哪份制度、哪一条款、哪张单据。出处可以是一份文件的名字和条款，也可以是系统里的一条记录。它不是装饰，是留给你核对用的。

核对不等于从头再做一遍。挑出回答里最关键的一两个结论，打开出处看原文：条款说的是不是这个意思，数字和单据对不对得上。花一两分钟，就比盲信稳妥得多。

出处本身也要看一眼：是不是现行的版本，是不是适用于你这个部门、这类业务的那一份。制度改过版、各部门各有一份的时候，最容易在这里出错。

再看口径

口径，就是「这个数按什么算」。同样叫毛利，不同部门可能有不同算法；同样叫订单数，有的按下单算，有的按发货算。数字本身没算错，口径不同，结论也会不同。

企业 AI 的目标是全公司一个口径：谁来问都是同一个数。口径由公司定下、写进资料，数字员工照着回答；你发现哪里对不上，就是在帮公司把账对齐。读带数字的回答时，看三件事：

1. 按什么算

   用的是哪个定义：按下单还是按发货，含不含退货。

2. 哪段时间

   统计的起止日期，是不是你要的那一段。

3. 来自哪里

   取自哪个业务系统或哪份报表，和系统里查到的对不对得上。

哪一件说不清，就追问它。追问之后还是说不清，就反馈给它的负责人，这往往说明这个口径公司还没统一。

「不知道」是一个好回答

数字员工也会遇到答不上来的问题：资料没有覆盖到的地方，换谁来都答不上来。这时它有两种表现，意义完全不同。

所以它说「不知道」时不必失望：它没有硬编，还告诉了你缺口在哪里。真正要警惕的，是流畅却没有出处的回答。

还有一个信号：同一个问题问两次，答案不一样。这通常不是偶然，而是公司里的几份文件互相矛盾，需要有人定下以哪份为准。

核对，比盲信更快

拿到一份回答，有三种对待方式。只有一种既快又稳。

要发给别人、要写进系统的结论，核对得更仔细一些；随手查的小事，看一眼出处就够了。

核对一条出处，比重做一遍快得多。