你的企业数据，AI Agent真的能用吗？

你花三个月搭了个企业知识库，上线第一天就出事了。用户问了一句"上季度大客户续约情况"，AI把合同金额、客户联系人、甚至内部报价策略全吐出来了。隔壁工位的实习生都能看到。

问题根本不在AI模型，在于你的数据从原始文档到AI能用之间，有五道关没过。

01 数据源：你以为整齐，其实一团浆糊

企业数据长什么样？HR制度在飞书文档里，合同在PDF里，项目报告在Word里，客户信息在CRM里，会议纪要在企业微信群聊记录里。格式不同、位置不同、更新频率不同。

数据源这层的核心问题不是"怎么接入"，而是"接入什么"。接入之前先做一轮清理，把过时的、重复的、互相矛盾的文档剔掉。过时的制度和现行制度混在一起，AI回答出来的内容你根本不知道该信哪个。这一步枯燥，但决定了后面所有环节的质量上限。

02 连接层：格式是第一道坎

清理完了，接下来是接入。这层的技术含量不高，但坑不少。

PDF是最头疼的格式。扫描件需要OCR，识别出来的文字经常出错，“合同金额500万"可能变成"合同金额S00万”。带表格的PDF解析出来经常乱排版，多栏文档的阅读顺序搞不对。Word稍微好点，但飞书文档、Notion页面、Confluence wiki这些在线文档，API接口各不相同，导出格式五花八门。

现实情况是，你企业里80%的知识藏在"不太规矩"的文档格式里。如果连接层只处理得了整齐的Word和纯文本，那你的知识库从一开始就只覆盖了五分之一的企业知识。这不是AI的问题，是基础设施的问题。

03 权限层：切块之后，权限全乱了

前两层咬咬牙能过，权限层是真正让大多数企业翻车的地方。

企业文档天然有权限。一份合同，法务能看全文，销售只能看条款摘要，财务只看付款条件。一份HR制度，HR全量可见，普通员工只看跟自己相关的部分。这些权限在原始文档系统里是设好的，飞书有飞书的权限，SharePoint有SharePoint的权限，企业微信有企业微信的权限。

问题出在切块。知识库要把长文档切成小段落（chunk）喂给AI，但切块工具不认原始文档的权限。一份50页的合同切成200个chunk，每个chunk在向量数据库里就是一条独立记录，原来的访问控制全丢了。

更麻烦的是跨文档权限对齐。销售数据和财务数据在不同系统里，权限规则不一样。你想让AI同时参考两个系统的数据做分析，但它不知道哪些字段该对哪些人隐藏。你不可能让AI自己判断"这个信息张三能看李四不能看"，它没有这个能力。

这层没有一劳永逸的方案。能做的事情包括：接入文档系统时同步权限元数据、在知识库层面重建访问控制、对敏感文档做分级标记。但现实是，大多数团队在搭知识库的时候根本没考虑这一步，等出了事才补。

04 语义层：切块不是切豆腐

过了权限这一关，下一步是让AI真正"理解"你的数据。这层叫语义层，核心工作是把文档变成AI能检索、能推理的结构化知识。

最常见的问题是切块策略。机械地按500字一切，等于把一份完整的操作手册切成一堆碎片。AI检索到其中三个chunk，拼不出完整答案。你需要根据文档结构切，按章节、按条款、按流程步骤，让每个chunk自成一个完整的信息单元。

另一个问题是元数据。每个chunk应该带上来源文档、章节位置、更新时间、文档类型这些标签。没有元数据，AI检索到一个chunk的时候，不知道它来自哪份文档、是什么时候写的、是否还有效。你以为AI在回答问题，它其实在拼拼图，但拼图块上没有编号。

05 执行层：AI Agent能不能真的"做事"

前四层解决的是"AI能不能拿到正确数据"，执行层解决的是"AI拿到数据之后能不能真正帮你干活"。

简单的企业知识库是问答模式，你问它答。但真正的AI Agent应该能执行操作：帮你查合同到期时间、自动整理项目周报、根据客户需求匹配对应方案。这要求Agent不仅能检索知识，还能调用企业系统的接口。

举个例子，你问Agent"上季度签了几个新客户"，问答模式只能从文档里搜一段文字给你看。执行层的Agent会直接调CRM接口，拉出结构化数据，按时间筛选，给你一个汇总表。再比如"帮我把这周的项目进展整理成周报"，Agent需要从项目管理工具里拉任务状态，从会议纪要里提取关键决策，再按你公司的周报模板拼好。这不是简单的检索能解决的。

但大多数企业到不了这一层。因为执行层的门槛不在Agent本身，在前面四层的地基。数据源没清理干净，Agent检索到过时信息做错判断。权限没做好，Agent执行操作时访问了不该访问的数据。语义层没建好，Agent理解不了业务上下文，给出的方案不靠谱。前面每一层的问题，到这层都会被放大。

06 做企业AI之前，先盘这五件事

如果你正在考虑给企业搭AI知识库或者AI Agent，在动手之前花一周时间盘清楚这五层。

别急着选模型、选工具，先看你的数据源有多少是过时的、重复的、互相矛盾的。再看你的核心文档格式能不能被工具解析，覆盖率有多高。然后才是权限，你的文档权限规则是什么，切块之后怎么保持。大多数团队卡在这一层，因为权限问题在搭知识库的时候不暴露，等AI把不该展示的信息吐出来才发现。

前四层没想清楚就上Agent，等于在沙子上盖楼。AI模型再聪明，喂进去的数据是脏的、权限是乱的，出来的东西也不可能靠谱。企业AI落地不是技术项目，是数据治理项目。 搞反了这个顺序，花多少钱都是交学费。