企业 AI 数字化的数据准备：内部文档怎么整理成能用格式

AI 项目卡住的地方，经常不在模型，在资料。企业手里有一堆文件，却拿不出一份能被系统直接读取、内容还准确的知识底稿。数据准备这件事没有捷径，但有方法。

先盘清手里有什么

把内部资料按用途分三类：制度类（员工手册、审批流程、作业规范）、业务类（合同模板、报价单、工单记录、验收单）、知识类（产品说明、常见问题、培训材料）。

再按使用场景定优先级。做问答的，重点是知识类；做检索的，重点是制度类和业务类；做数据分析的，需要的是结构化台账而不是文档。试点阶段不必求大，一个业务场景通常准备两三百份文档就能跑通验证（估算，视场景复杂度而定）。

盘点时顺手记两列：文件是否现行有效、有没有电子版。扫描件单列出来，需要先做文字识别再人工校对，这部分工作量经常被低估。

清洗比收集更费时间

同一份制度改过五版，五版都在共享盘里，AI 检索到旧版就会给出过期答案。清洗要做的事包括：去重、确认最新版本、作废文件明确标注失效、统一文件格式（docx、pdf、md 都可，但要统一）。

涉及客户信息的资料要单独处理。按《个人信息保护法》的要求，客户手机号、身份证号这类信息在进入 AI 系统前应做脱敏，或者通过权限隔离只让必要人员访问。委托外部服务商处理的，需签订委托处理协议，约定处理目的、期限和方式。

命名规范也值得花半天定下来，比如"部门-文件类型-版本号-生效日期"，后续维护成本会低很多。

谁负责、怎么持续

数据准备不是上线前的一次性动作。建议指定一名资料责任人，通常由业务口的人担任，按季度做一次更新，把新制度、新模板补进去，把失效文件移出。更新频率不必追求高频，季度一次足够，关键是有具体的人认这件事，不靠临时补。

权限设计要分场景：不是所有人都能查到全部资料。销售看到的报价资料和财务看到的成本资料，边界应当清楚。每次资料更新留一条记录，谁改的、改了什么、什么时候生效，出了问题能回溯。

这套机制建起来之后，换系统、加场景都只是往底座上接，不用每次从零整理文件。文档少的业务先把格式定下来，文档多的业务先把权限分清楚，比一次性铺开更稳。