AI 给出的两个客户统计结果不一致，先别急着换模型。一个系统可能把“客户”定义为注册账号，另一个按签约公司统计；同一家公司有多个账号，又会带来重复计算。
模型可以处理输入，却需要明确的数据含义和使用范围。企业准备 AI 项目时，先把当前场景依赖的数据查清，比一开始治理所有系统更容易推进。
可以从一张数据清单开始：这项任务需要哪些字段或资料，它们来自哪里，多久更新一次，谁确认业务含义，出现异常还能不能继续执行。
一、先统一任务真正用到的口径
“有效线索”“完成订单”“活跃客户”等词，看起来熟悉，具体定义却可能不同。把这些概念写成可执行规则，记录适用场景和责任人。
以假设的销售线索整理任务为例，需要确认：一行代表一个人、一家公司还是一次联系？重复提交如何合并？已经成交的客户再来咨询，算新线索还是历史客户的新需求？这些答案会影响分类、统计和后续跟进。
优先检查三类信息：
- 对象：每条记录代表什么，用什么标识关联不同系统
- 指标：统计范围、时间区间、分子分母和排除条件
- 状态：哪些条件算已完成、已关闭或需继续跟进
相同名称不一定必须只有一种定义。销售经营分析和财务核对可能确实使用不同口径，重要的是明确区分并说明用途，不能混用后让 AI 自行选择。
涉及关联时，抽查一条记录能否对应多条记录。例如一个订单关联多次发货，直接连接后汇总订单金额，可能把同一金额累计多次。让系统正确读取字段，还不够证明计算结果可信。
二、按业务后果检查质量
数据质量检查应围绕任务的必要条件，不用对每个字段一视同仁。
完整性看关键字段是否缺失；一致性看同一对象在不同来源是否冲突；时效性看资料是否还适合当前动作；准确性则需要与可靠原始记录或实际业务抽查比对。格式正确，并不等于内容真实。
还要关注重复记录、异常值和来源覆盖范围。假设只有成功成交的客户才有完整记录，用这批资料总结所有线索的特点，就需要明确样本存在缺口。
每项检查都应对应处理办法：
- 非关键字段缺失：标记缺失，允许有限处理
- 影响结论的资料缺失或冲突：转人工核实
- 关键来源超过允许更新时间：暂停依赖它的自动动作
- 接口故障或批量异常：通知负责人，并阻止错误继续传到下游
阈值由实际业务风险和已有表现确定。不要随意套一个缺失率或延迟时长，也不能因为总体比例很低，就忽略集中发生在关键客户或关键任务上的错误。
三、业务含义和技术链路分别有人负责
技术团队能检查接口是否返回数据、字段类型是否正确；“什么情况下算成交”“这个客户是否可以合并”仍需要业务确认。
每类关键数据可以分别指定业务负责人和技术维护人。前者负责定义、纠错规则与适用范围，后者负责采集、转换、传输和监控。一个人可以兼任，但职责不能含糊。
发现错误后，处理单要记录来源、影响范围、临时措施、修复人和验证结果。若问题来自上游录入，不能只在 AI 使用前反复清洗；要判断能否改表单校验、必填规则或录入流程，减少后续重复发生。
对已经输出的结果，也要判断是否受到影响。修好了源数据，并不代表此前生成的报告、分类或提醒自动正确。必要时重算、标记旧结果失效，或由业务负责人决定如何通知受影响的使用者。
四、先确认数据能去哪，再决定怎么接入
企业内部能访问某份资料，不代表可以把它发送给任何模型服务。接入前列清楚数据从哪里流向哪里，包括模型服务、日志、缓存、测试环境和导出文件。
对于客户、员工、合同等资料，逐项确认使用目的、访问人群、保存范围与期限，并核实服务设置和约定是否允许当前用途。有不确定之处，先用经过确认的测试资料或缩小字段范围，不要默认可以上传。
权限按完成任务的必要范围开放。查询任务不需要自动获得修改和批量导出能力；部门助手也不应因为用了统一接口，就访问全部公司的记录。
移除姓名不一定就消除了识别风险，订单号、联系方式或多项字段组合仍可能指向个人。处理方式应依据资料敏感程度和实际用途，由适当负责人确认。
权限测试至少覆盖不同身份、不同部门和无权限请求。检查的不仅是回答正文，还包括引用链接、下载地址和可见日志。
五、变更后重新验证，保留回退方法
数据会随着业务变化。字段改名、状态新增、更新时间改变，甚至只是一个指标定义调整，都可能影响下游结果。
变更记录至少说明改了什么、为什么改、何时生效、影响哪些任务，以及由谁确认。发布前，用固定样本复测依赖它的查询、统计和 AI 输出；上线后观察必要的质量检查。
历史数据是否重算也要明确。新旧口径并存时，应标注适用区间，避免直接比较造成误判。无法兼容的变化，先停用相关自动动作或保留旧接口，完成验证后再切换。
如果测试未通过，要能恢复上一版可用配置，或切回人工流程。回退不是只恢复一个文件，还应检查索引、缓存和已生成结果是否同步恢复或失效。
从一个场景完成第一轮检查
选定场景后，先列依赖，再抽样验证，最后补齐监控与处理人。暂时不影响该场景的数据可以后续处理，避免把试点扩大成没有结束时间的清理工程。
进入试运行的最低条件是：关键口径讲得清，必要数据能追溯，权限已确认，异常有人处理，重要变更会重新测试。任何一项缺失，都应对应一个具体补齐动作。
之后观察的重点，是这些工作有没有减少错误和人工返工，以及异常能否更早被发现。数据治理做到什么深度，由任务风险与实际效果决定，而不是由整理了多少字段决定。