问AI该选哪个人当女朋友，它居然说全都要

AI正在闯入人类最后的决策领地

"AI能算出七个女生的性格分析和相处建议，但猜出对方已经有女朋友这件事，靠的还是人。"

DataSpace AI的李振彬了一个客户的故事。这个客户手里同时处着七个女生，纠结该选谁，就把七个人的信息喂给AI，问哪个更合适。AI综合分析了一圈，给出的建议大概是"成年人当然要全都要"这种正确但没用的车轱辘话，根本没法帮他下决心。

后来这人找到李振彬。李振彬没看那七份资料，只问了一句：你是不是已经有女朋友了？对方当场愣住，反问他是怎么猜到的。

在上海非凡大赏中的一场圆桌讨论上，有四个人都在干同一件事。用AI去接手过去只能靠一群专业人碰撞出来的判断，比如用户调研、投资决策、消费者洞察。李振彬以前是道士，现在做的是命理预测，宏原数智的肖建做消费者洞察起家，觅深科技（Mizzen AI）的孙克强在做用户访谈平台，贝塔数据的李守国给银行券商做销售培训工具。四个赛道离得很远，但今天要回答的是同一个问题：AI给出的判断，到底能不能信。

肖建2014年就在上海做消费者洞察，算是国内最早一批做这件事的公司，去年拿到A轮以后把公司搬去了合肥。他现在做的是"开源商业情报"，思路是从全网抓数据，先降噪去重去水，再把KOL粉丝过去180天的真实足迹拉出来做交叉验证，防止被带节奏的账号误导。这一轮筛下来，他说能留下来的有效数据大概只有20%，剩下的都是噪音。

孙克强走的是另一条路。Mizzen AI靠AI主持人去找真实受访者做一手访谈，现在覆盖了全球接近两亿人。以前这种深度访谈只能靠真人主持人，一个月顶多访三十个人，现在AI一晚上八小时能访两三百个，效率提了六百多倍。为了确保受访者不是编的，平台还会同步分析对方的表情、语气、动作，打上置信度标签。

李守国的贝塔数据服务的基本都是银行、券商、保险这类国央企，容错率最低。他的办法是把数据分层分级：省部级以上的官方媒体天然高可信，自媒体内容要单独质检；遇到"超纲"问题AI必须回答时，会给数据打上可信度标注，甚至预警提示用户自己判断，最后再加一道人工审核兜底。

李振彬的"吉吉师父"很有意思，概念是"滴滴算命"，用户发单，真人师傅接单视频解答，AI在后台调古籍和生辰信息辅助分析。他管这套逻辑叫"生物直觉"：机器管逻辑，人管直觉，两边拼在一起用，数据是不是100%精确反而没那么重要了。

四个人的产品形态差别很大，但说到底权责边界，答案出奇一致。

肖建把这个总结成"场景驱动"：过去品牌调研靠Brief和文件在部门间传递，研发、市场、销售各说各话，信息传着传着就走样了；现在他们让整条决策链——从研发到包装到销售话术——都用同一套底层数据，人的判断加在这个数据基石之上，形成一条"证据链"。

孙克强的说法更直白："每个人都有一个AI军团，但每个人都是这个军团的CEO。"AI不做决策，只是把企业内部信息和一手访谈数据沉淀成一个中台，帮产品部门写需求文档、帮营销部门想品牌故事，最后拍板的还是人。

李振彬给AI的定位是"裁判"：AI懂子平八字、紫微斗数这些书面逻辑，但用户不直接跟AI聊，而是由真人师傅接单，AI在后台把古籍知识、生辰信息和真人师傅的直觉判断融合成一套三层建议，用户自己挑一层能打动自己的。

肖建的解释挺直接：AI不会犯错，人有情绪和认知偏差，甲方的水平又参差不齐，数字总归比人的语义表达更客观。品牌真正的资产现在分布在每个消费者的社交媒体账号里，是一本真实的分布式账本，用客观数据判断，业务动作和KPI反馈才能对得上。

孙克强靠两招取信客户：稀有受访者，比如做3D打印的用户、40岁以上的孕妇，必须打开摄像头做多模态核验，展示实物；同时把定性访谈直接转成定量分析，每一条结论都能索引回真实受访者的原声，客户看到这种可追溯性就服了。

李守国说得更坦白："今天客户肯定是不信AI结论的，他信的是高质量数据库、受控的规则、可追溯的来源。"但他也提到一个数字：在金融销售这个领域，AI对客户需求的理解能力已经超过90%的真人销售，这是没办法的事，人脑一次只能处理三四个维度的变量，AI能同时算六到八个。他估计这种信任的建立大概还需要三年。

李振彬给的答案回到了"人加机器"：AI提供逻辑分析，真人师傅提供直觉反馈，两边比对历史数据生成融合建议，总有一层能说到用户心里去。

肖建举了个例子：以前调研15万以内的车，只能按5万一档来问，现在客户要求一万一档地测。问卷问不出这么细的东西，但通过消费者在汽车报价网站上的真实浏览行为可以看到，定价13万时有38%的人会考虑，涨到14万这个数字就掉到4%。他把这叫"科学决策"——未来AI包揽数据和判断这类中层执行工作，人负责审美、直觉，以及需要情感温度的交付环节，高情商的人反而更有优势。

孙克强觉得往后走，倾听用户声音这件事会被自动化到极致：AI辅助真人提问，从海量数据里提炼虚拟画像。等每个人身边都有了自己的Personal Agent，访谈这件事可能会进入agent对agent的时代，效率会再上一个台阶。

李守国的判断更收敛："在数字领域，可能最后只剩下责任和体验是人的，其他真的是人不如机。"

李振彬的说法比较激进。他说一旦AI能模拟出"生物直觉"，很可能会替代掉99%的人类预测工作，甚至举了个让人不太舒服的场景：如果AI眼镜提示你对面的人有99%的概率要打你，你可能会选择先动手。他在新加坡开了一间"哲学院"，专门训练放大人的生物直觉和超感力，但他自己也承认，长期看AI大概率会全面接管这类判断。

Speakers｜嘉宾

宏原数智科技 合伙人 肖建

觅深科技&Mizzen AI 创始人&CEO 孙克强

贝塔数据 创始人&CEO 李守国

DataSpace AI CEO 李振彬

Host | 主持人

非凡资本 合伙人 王朝超CC

王朝超：这场圆桌的主题是洞察、决策和高信任。AI 正在以前所未有的方式进入以前需要一波人来做专业碰撞的领域，例如用户调研、投资决策、消费者洞察与预测服务等，这些事情现在都在用 AI 重新做一遍。今天我们请到了四位正在一线重新做这些事情的创始人，请各位简单介绍一下自己和所做的事情。

肖建：大家好，我们宏原数智最早在上海是做消费者洞察的，应该从 14 年开始，是国内第一家也是唯一一家基于用户洞察的营销公司。现在我们已经完成了两次转型进化：第一，转型到做基于商业的开源情报；第二，在去年我们进行了 A 轮融资，已经搬到了合肥，因为合肥是 AI 的智能科创高地。所以现在我们致力于做 AI native 的增长智能体工作法，通过 AI 智能体推动高质量的数据变成商业决策，带动业务增长。

孙克强：大家好，我是 Mizzen AI（觅深科技）的孙克强。我们是一个全链路的 AI 用户洞察平台，希望帮助企业用最真实的用户声音去支撑企业做出更好的商业决策。

李守国：大家好，我是贝塔数据的李守国，我们主要在做一些销售工具，还有销售辅助沟通的 Copilot，现在卖得比较好的是一款 AI 陪练工具。因为在复杂销售当中，沟通技能这件事情非常重要，而它像游泳、骑车一样，必须反复练才行。所以通过 AI 来模拟虚拟的客户，帮助销售成长。我们目前主要服务银行、券商、保险这类的金融机构，基本全是国央企，To B 大概有接近 1000 家客户。

李振彬：大家好，我是 DataSpace AI 的创始人李振彬，我们是一家新加坡企业。我们主要做的是旗下的一款产品叫"吉吉师父"。概括一点说，它就像滴滴一样，我们在做"滴滴算命"的命理预测，大概是这样一种人加上机器 AI 的整合服务。

王朝超：咱们进入第一个问题：在做洞察、决策或高信任时，最基础也最重要的是数据。AI 的高信任取决于数据的质量。在你们所在的领域，数据是怎么获得的，什么才叫可信任？如果数据存在噪音、偏差或者错误的时候，咱们在技术上是怎么应对的？

肖建：这是一个牛鼻子的问题，我们经常有句话叫"没有输入就没有输出"。其实很多人用大模型会出现幻觉，最重要的是你的输入和约束条件不够。大模型为了自圆其说、让你满意，它就会自然地拟合。我们是做商业级的决策和开源商业情报，所以数据对我们最重要。我们的数据清洗分为两步：

第一步是从全网所有的数据里进行降噪、去重、去水。为了保证不被商业 KOL 带偏，我们还需要对 KOL 的粉丝进行过去 180 天的真实用户足迹追踪，这样才能保证我们的数据靠谱。降噪下来，可能只有 20% 的数据才是真实有效的。

第二步是把数据形成行业知识图谱，解析出对象彼此之间的关系来演绎，回到意图和人的本体里去看。此外，数据从声量到流量再到销量，中间需要和客户在真实的生意系统里印证。最后我们看市场大不大、快不快、打不打得过，这才是一个商业闭环。

孙克强：前面肖总介绍的更多是从现成的互联网大数据去进行清洗，和我们形成了一个互补。我们 Mizzen AI 在做的是一个全链路的 AI 洞察平台，核心是获取一手信源（Primary Research）。我们用 AI 来做主持人，找到各行各业真实的受访者，目前覆盖了全球将近两亿受访者，可能是你的用户，也可能是竞品用户。这件事情以前只能靠真人，价值高但效率低。现在靠 AI，效率最高可提升 600 多倍，以前一个月只能访谈 30 个受访者，现在一晚上八个小时就可以访谈两三百个。

关于确保数据真实性，对我们来说就是确保这句话来自真实的一线用户。在平台上，我们复合了多模态的用户理解，观察五官神态、语气和动作，结合起来分析情绪态度，并打上置信度标签。通过这种复合方式确保沉淀的数据是真实可靠的，从而为下游的商业决策起到有效支撑。

王朝超：肖总是全网数据，孙总是第一手数据。李总您这边是怎么实现数据来源合规的？这是金融行业的底线，特别是面对国央企，不能做错。

李守国：我们的做事方式会有一些不一样：

一方面，在 AI 出现之前，我们就一直在做金融机构的数字化，积累了庞大的数据库，包括基金、保险、理财、宏观市场等几百万支产品的数据，今天依然在保持高精度更新。

第二方面，对数据进行分层分级和标注。比如省部级以上的官方媒体本身就是高可信的；而自媒体内容就需要做好分层分级，甚至质检，谨慎分类使用。

第三方面，用户今天的问答经常会"超纲"，你必须回答，所以要标注数据可信度，甚至给出预警让用户自行判断。因为我们做的是面向内部员工的销售 Copilot，并不是直接对客，所以会经过销售的最后一道判断再使用，通过这样的机制来保障数据准确度和合规底线。虽然真人判断的比例非常低，但有时候不可避免需要这一关。

李振彬：大家以前有没有使用过 AI 去进行预测或算命？我之前在山上修道，研究命理和命运走向，发现这些数据其实来源于现实中的各种案例，并在网上源源不断地储存，这就是我们产品的一个数据来源。

其次，AI 直出回答会有一种幻觉或趋同性，所以我们加了一个"配件"：像滴滴一样发单，由真人师傅接单，通过视频形式实时提供建议。

我们将这定义为"生物直觉"，把机器逻辑和真人直觉统合在一起，结合现实情况，就不存在数据会不会有问题的事了。

王朝超：数据只是基础，各位本质上都是在把原始数据转化成可供决策的洞察或判断。在这个过程中，AI 的专业判断力是如何获得的？是规则驱动、数据驱动还是人机协作？

肖建：AI 本身就是一套算法，既是数据驱动、规则驱动，也是人机互动的。

在我们的决策体系里，高质量数据是前提，以此形成针对不同行业和品类的知识图谱，进行结构化分析。现在是存量竞争时代，我们从过去的品牌驱动转向了"场景驱动"。过去大品牌是大象，转不过来，现在小品牌反而有机会。

过去企业内部交互全靠 Brief 和文件，调研、研发、市场、销售各说各的，导致信息失真。我们做的是让底层数据必须一致，保证端到端的决策链是一样的，研发、包装、销售话术都用同一套数据底层逻辑。在数据基石上，加上人工判断形成证据链，这就是我们用证据链证明增长，不断形成业务小循环的逻辑。

孙克强：这很有启发，我们最终导向的结论是类似的，但在产品形态上选择帮企业去构建他们的一个"中台"。企业想在内部拉通、做出一致决策的前提是，不同部门之间共享的上下文是一致的。我们把企业内部信息和一手信源沉淀在平台上，赋能下游业务部门。

这里很重要的一点是：AI 不做决策。现阶段及未来三五年，人的核心价值是在充分上下文和 AI 建议的前提下去拍板。每个人都有一个 AI 军团，但每个人都是这个军团的 CEO。我们的第二款产品 M analysis 类似于资讯公司，基于数据层给建议，帮助产品部门做需求文档，帮营销部门写品牌故事或做视频剪辑等。

李守国：我回应一下孙总，我也认为参谋和建议可以交给 AI，但最终决策要交给人类。我们在产品中会列出上中下三种策略并给出概率判断，但不干涉你最终用哪个。

在强监管的金融领域，给出建议必须高度依赖数据库；在规则层面，人类专家在最后的 90 分到 100 分依然有价值；最后加上解决合规问题的人工校验控制。所以把决策分成两层，对于参谋和建议这一层，今天 AI 已经做得非常好了，只需补充边界和工程规则即可，最终要由人来负责任。

李振彬：我分享一个真实的案例：一个客户想找女朋友，把信息输入给 AI，问七个女孩哪个更适合他。AI 综合评估后，给出的建议是"成年人全都要"这种比较泛的回答，没法让他做最终决定。后来他找我，我跟他说你应该和现女友好好在一起，这让他很疑惑我是怎么知道他有现女友的。

这就是人的判断跟 AI 判断的区别。AI 能给出很好的性格分析和相处建议，但最终决策必须有人的参与。未来五到十年，人可能会变成 AI 的"配件"，用来提供 AI 目前不具备的"生物直觉"。

生物直觉就像"似曾相识"的感觉，或者走路时忽然本能地觉得背后有人盯着你。它是配合 AI 共同使用的，能提供 AI 逻辑给不到的直觉反馈。

王朝超：客户凭什么要相信 AI 给的结论？在座的业务决策代价都很大，你们做了哪些机制让客户信任你们给出的东西？

肖建：其实 AI 最重要的一点是不会犯错，而人有情绪、喜好和认知缺陷，很多甲方的水平也是参差不齐的。人因为是用思想和语义表达的，很难达成共识，但数字是客观的。

如今已经不是大权威媒体通吃的时代，品牌真正的资产存在于每个消费者的社交媒体里，那是真实的分布式账本。我们基于客观数据做判断，让业务动作一致，KPI 反馈也一致，以此实现快速循环。在当前的存量竞争里，小的场景里大家依然有几个亿的机会。

孙克强：AI 核心在做两件事让客户相信：

第一，确保信源来自最真实的一线用户。为了确保稀有受访者（如 3D 打印用户、40岁以上孕妇）是真实的，我们要求打开摄像头进行多模态视频核验，让他们展示物理物品和动作。AI 只是个钩子负责提问，所有信息都以视频形式留存作为依据。

第二，打破定量和定性的边界。因为 AI 效率高、底层数据量大，我们可以基于定性访谈给出定量分析，说服力大增。同时，每个结论都能索引回真实的受访者原声，这种震撼力和确定性让很多客户在反复使用我们的平台。

李守国：结论是：今天客户肯定是不相信 AI 的结论的。他相信的是高质量数据库、受控的规则、可追溯的来源标注等。

但在金融销售领域，AI 今天已经超过了 90% 真人销售的理解能力，这是碳基生物的无奈。复杂沟通不仅涉及家庭财务和产品，还涉及客户情绪状态、客情关系、沟通渠道等维度的运算。人类大脑只能处理三四个维度，而 AI 完全可以同时运算六到八个维度的变量。这个验证过程需要时间，大概三年左右，他就会相信在这个领域里 AI 的结论是可信的。

李振彬：我们将 AI 的定位放在了"裁判"的身份上。AI 懂得子平八字、紫微斗数等书面逻辑，但用户不直接和 AI 聊天，而是发单由真人师傅接单视频解答。此时 AI 在后台调取古籍和生辰信息，加上真人师傅的生物直觉反馈，并对比历史大数据，最终生成一套三层的融合建议。我们给用户选择权，总有一层建议能打动他们。

王朝超：三五年之后你们所在的领域，你们认为会被重塑成什么样？哪些环节会被彻底改变？

肖建：营销是个专业的活，未来 AI 会接管掉基本上所有的中层执行工作。比如有客户做 15 万以内的车，以前调研只能按 5 万一个级别，现在客户要求一万一万地调。问卷是问不出来的，我们通过消费者在汽车报价网站的客观行为来看，最终发现定价 13 万会有 38% 的考虑率，到 14 万只剩 4%。这就是科学决策。未来 AI 负责数据和判断，人主要做审美和直觉的补充，并承担实体交付和数字世界链接的情感工作，高情商的人会更有优势。

孙克强：我们会把倾听用户声音这件事情的自动化水平做到极致。除了 AI 访谈真人，我们也在做 AI 辅助真人提问的工具，以及在沉淀海量数据后提取虚拟画像（Persona）代表特定人群。未来三五年，当每个个体都有了高度参与生活决策的 Personal Agent（比如 OpenClaw 小龙虾、豆包等），我们可能会进入 AI 直接去访谈个人 Agent（A2A）的时代，高效完成商业闭环。

李守国：回到数字领域，可能最后只剩下责任和体验。体验就是情感和温度，其他都可以交给 AI，在数字领域确实是"人不如机"。

李振彬：当 AI 有一天可以模拟生物直觉以后，我觉得它 99% 要替代人类的预测工作。想象一下如果你的 AI 眼镜提示对面的人有 99% 的几率要打你，你可能就会先下手，这个场景还是挺可怕的。我们在新加坡做了一个"哲学院"，目的就是培训放大个人的"生物直觉"和超感力。但我个人认为，AI 未来有很大机率会全面取代人类。

王朝超：今天咱们聊了数据、产品化和建立信任的机制。我比较认同守国总提到的，虽然机器很强，但温度、热情和真人间的互动是免不了的。就像今天线下的交流是 AI 无法替代的。