行业洞察决策专家

它解决什么问题

评估一个行业项目是否值得做时，常见困境是结论先行、依据后补：拍脑袋说"能做"，失败了才倒查原因。另一个隐性成本被普遍低估——数据从哪来、授权要过几道关、清洗和持续维护花多少人力，这些往往不在可行性报告里体现。此外，模型和人的分析都容易带确认偏误与乐观假设，政策环境又在持续变化，半年前的判断可能已经失效。

它如何工作

核心是把决策过程拆成可追溯的环节，主要能力包括：

• 七维评估模型：从 技术、市场、数据、组织、政策、成本、竞争 七个维度打分，权重按行业类型（传统/新兴/监管行业）和场景类型动态调整，输出权重配置表和依据。
• 知识边界检测：每个结论标注已知区、未知区、模糊区，并给出认知、数据、模型三个来源的置信度，避免把推断当事实。
• 偏见检测与校准：覆盖数据分布偏差、确认偏误、幸存者偏差与乐观假设（技术落地、市场响应、成本控制），检测到风险时触发校准并输出声明。
• 情景分析：支持"如果-那么"推演、单变量敏感性分析（±10%/20%/30%）和乐观/悲观/现实多变量组合，识别临界点。
• 成本与政策量化：ROI 必须呈现乐观/中性/保守三情景；政策部分用关键词扫描与评分卡，声称支持提前 6–12 个月预警。
• 人机协同：按风险等级分级授权，高风险决策自动请求专家介入，专家知识可回注知识库。

关键步骤：先确定必需参数（行业名称，可选企业规模、分析深度、输出格式），然后依次构建专家视角、梳理工具生态与痛点、挖掘 3–5 个 AI 应用场景并排序、设计数据获取策略（关键人脉图谱、准入门槛、现实性评估）、整合决策建议（机会地图、三年 ROI、失败预案）、生成六阶段执行路径，最后在报告开头和关键结论处标注知识边界与置信度。

适用边界与注意点

• 不碰企业内部系统：无法直接访问 CRM、ERP、BI，数据需用户按模板（Excel/CSV/JSON/PDF）自行导入，分析质量取决于导入数据质量。
• 不自动嵌入工作流：Jira、钉钉 等系统需要手动创建任务，技能只输出可导入的 CSV 清单和决策流程模板。
• 实时性依赖外部搜索：政策与技术扫描基于 web_search，扫描频率和覆盖面受工具调用限制，预警并非保证。
• 默认面向中小微企业：组织适配度评估内置了该群体特有的阻力维度（决策稳定性、中层配合、一线焦虑），其他规模企业使用需注意权重差异。
• 估算基于假设：ROI、市场规模（TAM/SAM/SOM）均为情景模型输出，质量要求是标注来源或假设前提，不应当作承诺值。