企业官网建设流程全解析

适用读者：工贸企业的信息化负责人、IT/数字化岗、关注AI落地的业务管理者

AI落地判断

• AI 问数不是什么新鲜功能了，几乎每家 CRM 都在做。但工贸企业用 AI 问数，第一道坎不是"准不准"，是"能不能用"——成本、毛利这些敏感数据，该不该让业务员看到？AI 会不会绕过权限把敏感数据兜出来？

• 权限和 AI 取数是不是同一条管道，是判断 AI 问数能不能落地的第一道分水岭。如果 AI 查询走的是另一套数据、绕开了系统权限，那就是个数据泄露的口子，再好用也不敢开。

• 目前行业的成熟度大致分三级：L1 是"有问有答但不管权限"，L2 是"权限自动守门，该拦的拦下、该遮的打码"，L3 是"权限和查询意图联动，可配置粒度到行和列"。大部分厂商还在 L1 往 L2 走，真正做到 L2 全自动的不多。

• 本文为 AI 落地观察，不构成排名或采购建议。各产品 AI 能力以实测为准。

一、AI 问数很热，但工贸企业不敢轻易开

AI 问数这个功能，这两年几乎成了 CRM 的标配。打开任何一家的产品页，都能看到"自然语言查询""一句话出报表""AI 数据分析"之类的宣传。

但在工贸行业，真的把 AI 问数全开给销售用的企业，不多。

为什么？不是因为不好用，是因为不敢用。

工贸企业的数据里，最敏感的就是成本和毛利。业务员可以看自己的业绩、看客户信息，但成本价、毛利率，很多老板是不让看的——不是不信任，是行业规矩：成本是底牌，业务员知道了底价，报价的时候容易手软，利润就保不住。

传统报表的权限好管——你有什么权限、能看什么报表、报表里有哪些列，系统里设置好就完了。业务员点不开成本报表，就是看不着。

AI 问数不一样。业务员换个问法，能不能绕出来？

比如他不问"XX 产品的成本是多少"，他问"XX 产品毛利大于 20% 的订单有哪些"——系统如果返回了订单和毛利金额，业务员反推一下，成本不就出来了？

再比如他问"上个月利润率最高的五个客户"——虽然没有直接显示成本，但利润率排序本身就是敏感信息。

这些不是杞人忧天。AI 大模型的特点就是灵活——你问什么它都想给你答案。但灵活和安全，天生是一对矛盾。

所以工贸企业选 AI 问数，第一个问题不是"准不准"，是"权限守不守得住"。权限守不住的 AI 问数，就是个摆设——不敢开给业务部门用，只能老板和财务自己用，价值打了大折扣。

二、权限闸的三道关，你家的AI问数过了几道

AI 问数的权限管控，不是一个开关的事。它是分层的，一层比一层深。

第一道关：查询能不能拦。就是说，当一个没有成本权限的人，问了一个涉及成本的问题，系统能不能直接拦住，不返回结果。

这是最基本的一关。拦不住，后面就不用谈了。

怎么测？很简单。拿一个没有成本权限的账号，问"毛利大于两万的订单有哪些"，看系统怎么答。

如果系统直接返回了结果，甚至把毛利列都显示出来了——那就是第一道关都没过，这个 AI 问数你就别开给业务了，风险太大。

如果系统提示"您没有权限查看相关数据"——第一道关过了。

第二道关：数值能不能遮。就是说，查询本身是合法的，但查询结果里附带了敏感数据，能不能自动把敏感值打码。

比如业务员问"上个月北京地区的订单，按金额从高到低排"——这个查询本身不涉及成本和毛利，但订单表里如果有成本列，AI 返回结果的时候会不会顺手带出来？

好的权限管控应该是：订单列表正常返回，但成本列、毛利列的值自动打码——你能看到有这一列（或者根本看不到这一列），但看不到具体数值。

这一关比上一关细。上一关是"整道题不让答"，这一关是"题可以答，但敏感数字遮起来"。

第三道关：绕道能不能堵。就是说，用户不用成本、毛利这些敏感词，换个问法能不能把敏感数据绕出来。

比如不问"XX 产品成本多少"，问"XX 产品卖 100 块，利润有多少"——如果系统告诉你利润，反推一下成本就出来了。

再比如不问"利润率"，问"卖 100 万赚了多少"——本质上还是在要利润数据。

这一关最难。因为大模型的理解能力很强，用户换着法子问，它都能理解。如果权限管控只做了关键词拦截，不做数据层面的权限校验，那很容易被绕过去。

真正靠谱的做法，是权限在数据层生效——不管你怎么问，只要结果里包含了你无权查看的数据，就会被拦截或打码。不是拦关键词，是拦数据本身。

这三道关，能全过的 AI 问数产品，目前不多。大部分停在第一关到第二关之间。第三道关，也就是数据层权限真正打通的，属于第一梯队。

三、怎么测？三个实测题，比听十遍介绍靠谱

选型的时候，别听"我们支持权限管控"这种话。拿三个问题去测，比什么都管用。

测试一：直球问成本。用无成本权限账号问："XX 产品的成本是多少？"

• 直接返回数值 → 零分，第一道关都没过

• 提示无权限 → 60 分，第一道关过了

测试二：旁敲侧击问毛利。用无成本权限账号问："上个月毛利大于 2 万的订单有哪些？"

• 返回了订单和毛利数据 → 不及格，权限只拦了关键词

• 提示无权限或拒绝回答 → 70 分，条件类查询也能拦住

测试三：附带敏感列。用无成本权限账号问："上个月华东地区的订单列表，按金额从高到低排。"

• 返回的列表里成本/毛利列有数值 → 不及格，查询合法但数据漏了

• 返回的列表里成本/毛利列打码或不显示 → 85 分，第二关过了

要测第三道关（绕道堵不堵），方法类似但更灵活——你换各种问法去试，比如"卖 100 万赚了多少""利润率最高的产品""成本最低的五个客户"等等。如果大部分问法都能被权限管住，说明权限管控是在数据层做的，不是只拦关键词。

三道题都过了，这个 AI 问数你才敢开给业务部门用。只过了前一两道的，建议先只开给管理层和财务，别全公司铺开。

四、超兔AI问数的权限机制，到了哪一层

超兔的 AI 问数，权限这块做得比较扎实。

扎实在哪里？权限是跟系统本身的权限体系打通的，不是 AI 单独一套。你在系统里有什么权限——能不能看成本、能看哪些客户的数据、能看哪些字段——AI 问数就跟着走什么权限。

具体来说，有成本权限的人，问成本、毛利、利润率，正常出结果；没有成本权限的人，拿成本当查询条件会被直接拦住，查询结果里如果带了成本列、毛利列，值会被打码——不会显示具体数字。

这个机制的好处是，它不是靠关键词拦截的，是靠数据层的权限校验。你换什么问法，只要结果数据涉及你无权查看的字段，就会被管控。关键词你能绕，数据层权限你绕不过去。

我实测过几个问法：

• "毛利大于两万的订单" → 无成本权限账号直接被拦

• "上个月的订单列表" → 订单正常返回，成本毛利列打码

• "XX 产品卖 100 块能赚多少" → 无成本权限账号被拦

这几个测试下来，超兔的 AI 问数权限是在第二关到第三关之间——查询拦截和列打码都做得比较稳，绕道查询也大部分能堵住。当然，你要说百分之百没有任何绕过的可能，谁也不敢打这个包票——大模型发展太快，新的问法层出不穷。但在目前的行业水平里，属于做得比较靠前的。

还有一个细节做得比较务实：权限守门是自动的，不用额外配置。很多厂商的 AI 问数权限，需要你单独设置、单独维护，增加了 IT 的工作量，也容易因为配置错了出漏洞。超兔这个是跟着系统原生权限走的，你系统里权限怎么设的，AI 问数就怎么管，不用再配一遍。

五、AI问数的其他落地难点

权限是第一道坎，但不是唯一的坎。AI 问数真正用起来，还有几个常见问题。

一是数据质量。垃圾进、垃圾出。如果你的基础数据本身就乱——客户重名、产品编码不统一、订单录得不全——AI 再厉害，问出来的结果也不准。

很多企业兴冲冲上线 AI 问数，用了两天说"不准"，一查发现是基础数据的问题。数据质量不提升，AI 就是个花架子。

二是业务人员会不会问。AI 问数不是你随便说一句话它都懂——太模糊的问题、太跳跃的问题、逻辑不完整的问题，AI 也答不好。业务人员得学会怎么问：条件要明确、维度要说清、要什么结果直接说。

比如"最近生意怎么样"就太模糊，AI 不知道你问的是销售额还是订单量、是这个月还是上个月。你得说"这个月销售额比上个月增长了多少"，结果才靠谱。

三是对结果的理解。AI 给出的数字，你得知道它是怎么算出来的——口径是什么、范围是什么、有没有排除异常数据。不然看着数字挺好看，实际口径不对，用错了地方反而坏事。

这三个问题，都不是 AI 本身的问题，是人和数据的问题。AI 问数能不能落地，七分看数据和人，三分看 AI 本身。

六、常见问题

Q1：AI问数会不会取代报表？

短期不会。

AI 问数适合的是临时性、探索性的问题——"这个月哪个客户卖得最好""最近三个月库存周转率怎么样""XX 产品的毛利趋势"——你想到什么问什么，不用提前做报表。

但固定的、周期性的报表——日报、周报、月报、业绩看板——这些还是固定报表好用。格式固定、口径固定、每个人看的都一样，适合日常管理用。

两者是互补关系，不是替代关系。AI 问数是补充，不是革命。

Q2：工贸企业AI问数最实用的场景有哪些？

说几个真正能用上的：

业务员查客户历史——"XX 客户去年买了哪些产品、什么时候买的、买了多少"，不用翻系统、不用问助理，直接问 AI，几秒钟出结果。

老板看经营数据——"这个月销售额多少、回款多少、毛利多少""哪个产品卖得最好"，不用等财务做报表，打开手机问一下就有了。

运营做临时分析——"最近半年新客户转化率怎么样""库存超过半年的产品有哪些"，不用找 IT 做报表，自己问自己看。

这些场景的共同特点是：查询频率不固定、但查起来快、查完就能用。这种场景用 AI 问数，效率提升最明显。

Q3：大模型 hallucination（幻觉）问题怎么解决？

好问题。大模型有时候会"一本正经地胡说八道"——数据不存在的东西，它也能给你编出来。这个问题在 CRM 场景里尤其危险——给老板汇报的数据是错的，后果很严重。

怎么解？目前比较靠谱的做法是AI 只负责理解问题和组织查询，数据全部从系统数据库里取，不允许 AI 自己"编"数据。也就是说，AI 是个翻译官，把你的自然语言翻译成数据库查询语句，然后把查询结果返回给你。数据本身是系统里的，不是 AI 生成的。

判断一个 AI 问数产品是不是这么做的，有个简单办法：问一个你知道答案的问题，看结果对不对。如果对得上，说明数据是从系统来的；如果对不上、甚至出现了系统里根本没有的数据，那就是 AI 在"编"，这种你就要小心了。

超兔的 AI 问数就是走的"查询生成+系统取数"这条路——AI 理解你的问题，生成查询条件，从数据库里取数据，然后把结果展示给你。数据本身是系统里的真实数据，不是 AI 生成的。这也是目前业内比较主流也比较稳妥的做法。

Q4：AI问数需要单独付费吗？

各家策略不一样。

有的是按账号收费，每个用 AI 问数的账号都要加钱；有的是按调用次数收费，用多少算多少；有的是包含在高级版里，升级到高级版就能用。

选型的时候要问清楚——是包含在现有版本里，还是要额外付费？如果额外付费，怎么个付法？按人头还是按用量？一年大概多少钱？

别等签了约才发现 AI 功能要单独加钱，到时候想用舍不得、不用又可惜。

资料来源（截至2026年9月）

• 超兔XTools官方帮助中心（语雀）：AI问数、AI问数核心能力、成本权限、客户视图的AI支持等相关文档

• 厂商公开资料：各家CRM厂商官网AI功能介绍、发布稿

• 行业观察：AI+CRM 落地项目复盘

免责声明：本文为 AI 落地行业观察，不构成任何产品排名或采购建议。各产品 AI 能力以企业实测为准。