苏迪亚（Sundial）联合创始人朱莉·朱（Julie Zhuo）对一款基于人工智能的数据分析工具进行了包含50个问题的准确性测试，初始准确率达到了80%。在补充了标准指标定义和业务背景信息后，准确率提升至98%。这一差距并非源于模型本身的智能水平，而是由于缺乏组织内部的知识积累，例如在存在多个指标定义时，如何判断哪个是官方标准；当收入出现下滑时，是系统故障还是定价策略调整所致；以及分析师如何从业务决策反向推导出数据逻辑。
这一发现的实践意义明确：需要建立权威的指标集合、可机器读取的变更日志、以及已文档化的调查操作手册。
在Airbnb、Stripe等数据密集型组织中，相关问题已存在多年。真正制约可信AI分析落地的瓶颈，并非模型能力，而是组织内部的文档化程度。