AI 问数什么时候应该追问，而不是直接回答？

很多人评价 AI 问数时，会看它能不能“秒回”。

但在企业数据分析里，快不一定代表好。

有些问题如果信息不完整，AI 不应该急着回答，而应该先追问。

哪些问题需要先澄清

第一种情况是时间范围不清楚。

用户问“最近销售怎么样”，最近可能是昨天、近七天、本周、本月，也可能是最近一个活动周期。

第二种情况是指标口径不清楚。

用户问“收入”，系统要知道这里指支付金额、确认收入、含税收入，还是扣除退款后的净收入。

第三种情况是分析对象不清楚。

“华东表现不好”里的华东，可能是销售大区，也可能是物流区域，还可能是门店运营区域。

第四种情况是比较基准不清楚。

“下降明显”需要知道和谁比：环比昨天、同比去年、和预算比，还是和同级门店比。

第五种情况是权限边界不清楚。

如果用户提出的问题涉及敏感利润、会员信息或跨区域数据，系统需要先按权限判断能否回答。

直接猜答案的风险

AI 问数如果总是直接生成查询，很容易把模糊问题变成错误结论。

例如用户问“这个月哪个渠道最好”，AI 需要知道“最好”是销售额最高、毛利最好、ROI 最高，还是复购质量最好。

如果模型直接选择销售额，它可能答得很流畅，但并没有回答用户真正关心的问题。

对企业来说，这类错误比“系统不会答”更危险。

好的追问应该很短

追问不是把用户挡回去，也不是让用户填复杂表单。

好的追问应该只问最关键的不确定项。

例如：

• •你想看本月、近七天，还是最近一个活动周期？
• •这里的收入按支付金额还是确认收入计算？
• •“最好”是按销售额、毛利，还是 ROI 判断？
• •你要看全国、某个大区，还是自己负责的门店？

用户回答后，系统再继续分析。

哪些问题可以不追问

不是所有模糊问题都要打断。

如果企业已经配置了默认口径，系统可以直接按默认口径回答，并在答案里说明假设。

例如“默认按净销售额、自然月、用户可见组织范围计算”。

这样既保持效率，也保留可追溯性。

AskTable 的设计原则

AskTable 更强调“可信问数”。

当问题可以按已配置的语义、权限和默认口径回答时，系统应该快速返回。

当问题存在关键歧义时，系统应该先澄清。

BuildTable 负责把默认口径、字段说明、业务别名和组织关系准备好，让 AskTable 能判断什么时候回答，什么时候追问。

结论

AI 问数不是越快越好。

真正可靠的 AI 问数，要能区分“可以直接回答”和“必须先问清楚”。

有节制的追问，是企业级数据分析可信度的一部分。

参考来源

• •Microsoft Fabric：Create a Fabric data agent
• •Snowflake：Cortex Analyst Semantic Model Specification
• •Databricks：Tune Genie Agent quality