对话复旦大学金立印教授：从通用到专用，AI正在淘汰那些“无库”企业

“AI输出内容的精准与否，完全取决于它背后的知识库。你喂给AI的是高质量、结构化的行业知识，它输出的精准度就高；你喂的是垃圾，它输出的也是垃圾。“当企业苦恼于AI的种种弊端时，金立印教授给出了他的破局之道。

2025年，“All In AI”几乎成了各个行业的共识。但AI的幻觉问题、AI的局限性问题以及AIGC的不真实感，这些困扰了用户很长时间的问题到现在也没有解决，而这些问题如果发生在企业身上，无疑会带来巨大的经济损失。不久前，德勤为政府写的报告就因幻觉问题被判罚44万澳元。

不过，这些问题在今天都有了一个初步的解法：构建企业专属的知识库。它并非只是一个文档仓库，而是将企业独有的产品知识、项目经验等私有数据进行系统化的封装，从而形成一个专属于企业的数字大脑。

当外部的通用大模型与企业私有大脑深度融合后，AI便能从一个博学但泛泛的实习生，进化为一个企业的首席策略官。

那么具体企业要如何一步步搭建起私有知识库，并真正与营销、策略等核心业务场景结合，最终转化为AI时代的护城河？为此，本期「Morketing」专题对话特邀到复旦大学金立印教授，听一听他对企业级知识库的看法。 

AI改变的不是消费者行为，

是连接方式

Morketing：从年初Deepseek的爆火到现在，不仅C端的AI应用的活跃有了大幅提升，不少软件也都在内置AI功能，随着消费者对AI工具的使用更加频繁，这是否意味着消费者行为正变得前所未有的碎片和难以捉摸？他们的决策路径是否更不可控了？

金立印：我想首先纠正一个常见的误解。我并不认为AI时代下消费者行为变得更难预测或标签化了。恰恰相反，剥开技术的层层外壳，你会发现消费者的根本需求和决策模式，并没有发生颠覆性改变。换句话说，消费者追求品质、价值、认同感的基本动机，是稳定且持续的。因此，我们真正需要关注的变化，其实来自于企业与消费者的连接方式。

Morketing：“企业与消费者的连接方式”要如何理解？这指的是像AI客服、智能导购这样的人机交互变得普遍了？

金立印：AI客服或导购只能说是表层的现象，更深层、更根本的转变，在于消费者的信息获取与决策起点，也就是搜索行为本身，我们会发现，现在的消费者正在用AI搜索来取代传统的搜索行为。

Morketing：这种转变在行业的数据层面有直观的体现吗？它具体是如何影响营销的实际操作的？

金立印：一个非常直观的现象是：百度等传统搜索引擎的流量，在AI大模型兴起后出现了明显且持续的下滑。如果观察那些原本在百度投放大笔预算的品牌，比如教育行业，都会发现搜索引擎广告账户的预算消耗速度变慢了，线索成本却在升高。

那么，这些流量和用户注意力去了哪里？答案很明确：流向了各类AI对话平台。这个变化，正在直接冲击品牌传统的营销预算分配模型与获客逻辑。

这里我需要做一个关键的区分，刚刚提到的智能客服，本质上是消费者购买后的“后端”体验优化，而我所说的搜索行为变化，发生在购买决策的“前链路”，它直接关系到企业如何发现潜在客户并影响其决策。

过去，企业买流量主要投放在搜索引擎广告或信息流，争夺的是用户主动搜索时的注意力。但现在，AI工具能整合、解析并直接给出产品信息与购买建议，它必然会分走相当一部分决策前的流量和用户信任。

Morketing：所以，您的判断是，流量的主阵地正在发生一次历史性的迁移？这意味着营销战的战场本身发生了变化。

金立印：是的，这是一个根本性的变化。对营销人来说，流量的阵地正从传统搜索引擎转向AI对话平台。未来的流量购买与布局，可能不再高度集中于百度，而是需要前瞻性地转向豆包、DeepSeek这类AI平台。

它们不再仅仅是提升效率的工具，更是未来流量聚集、需求产生和分发的新阵地、新渠道。品牌必须从现在开始，重新审视并设计自己的流量策略，思考如何在用户决策的早期的阶段，就能被AI准确地推荐和呈现。

AI洞察的深度取决于“人与知识库”

Morketing：流量阵地的变化，更加侧重于“找到消费者”。接下来，需要做的就是“理解消费者”。现在很多品牌和服务商都非常关注用AI来强化消费者洞察，在您看来，AI技术目前是真正带来了更深层、更独特的用户理解，还是仅仅在提升我们分析数据的效率？

金立印：这并非完全取决于AI的能力，它更取决于使用AI的人和组织的水平。洞察的深度，从来不是由工具决定的，而是由使用者决定的。

我可以肯定地说，AI在提效方面是百分之百的，毕竟它能更快地处理海量数据。但如果比深度与独特性，我认为关键取决于两个往往被忽视的因素：

第一，是使用者和组织的提示词能力。同样的AI模型，在不同的人手中，用不同的提示词，得到的洞察结果可以说是天壤之别。如果只是模糊的提问也只能得到泛泛之谈的回答，而一个精准、层层递进的提问，才能逼出深刻的见解。

第二，是企业是否将大模型接入了自身独有的知识库。市场上的通用大模型谁都能用，如果我们不把自己的私藏知识，比如多年的用户调研原始数据或是一线销售的真实反馈以及一些未被公开的行业认知——喂给它，你得到的洞察就会和别人同质化，毫无独特性可言。

所以，一个简单的公式可以是：AI洞察的深度=模型自身能力+人的提示词能力+企业知识库丰富度。后两者，才是企业在AI时代真正的核心竞争力。

Morketing：所以这种独特的洞察能力，或许能帮助品牌构建更动态、更立体的消费者画像，而不是停留在年龄、性别这些固定标签上？从而帮助品牌去捕捉更生动用户状态。

金立印：当然可以，但这需要我们首先从观念上理解消费者标签的两大类型。一类是相对稳定的个人特质，比如性别、年龄、兴趣、家庭结构等。另一类，是情境依赖的特质，它会随着外部情境的变化而瞬间凸显或隐藏。

我举一个简单的例子：天热的时候，爱出汗的人对止汗产品的需求会高涨，但不爱出汗的人则没有这个需求。所以说这种需求并非消费者固有的静态属性，而是由“天热”这个情境激发的。再比如，一个平时对价格不敏感的消费者，在临近大促时可能会变得极其关注折扣信息。

而AI的优势，就在于能够整合实时信息，所以它能更敏捷地识别和预测这些情境依赖特质的变化。当然，这一切的前提，还是企业能够提供足够维度、高质量的结构化与非结构化信息给AI作为养料。

Morketing：顺着情境这个思路，当消费者更倾向于与AI进行购买前的对话，这些对话充满了上下文和具体细节，这是否意味着，品牌理解用户的方式，需要从传统的数据归类，转向理解这些充满情境的、非结构化的对话本身？

金立印：是的。其实对话本身，就是一种典型的非结构化数据，只不过它是实时、动态且高度情境化的。这与传统的、结构化的浏览、交易记录有本质区别。一段对话里，不仅包含用户直接表达的需求，还隐含了他的偏好、顾虑、情绪甚至未说出口的潜台词。

所以从本质上看，这还是数据驱动的洞察，只是数据类型变了。因此，我们所依赖的算法工具也必须升级，比如需要更强的NLP（自然语言处理）与上下文理解的技术。之后，AI就能够从这些非结构化的对话中自行学习、归纳并归类，不再完全依赖我们预设的、僵硬的分类逻辑。

Morketing：但这类自然对话中，肯定充满了口语化、随意、重复甚至错误的噪音，比如用户可能会说“帮我找个那个……嗯……就是那个用来弄头发的，卷卷的东西”。那AI要如何从这些泥沙俱下的信息中，提炼出真正可行动、高质量的洞察呢？

金立印：噪音是一定会存在的，毕竟人与人沟通也会有误解，确实会有大量噪音。而解决之道，仍然要回归企业自身的知识库和Mapping能力。

Morketing：具体要如何理解企业知识库与Mapping的能力？

金立印：简单来讲，企业必须要建立一个高质量的、结构化的内部知识体系，然后把这些自然的对话数据，通过Mapping的方式，与知识库中的逻辑结构进行匹配、清洗和校准。这就像是一个炼金术的过程，把看似无用泥沙投入知识的熔炉，最终提炼出结构化的黄金。

而同样的用户对话，接入不同知识库和Mapping规则的AI，会得出完全不同的、甚至截然相反的解读。所以说，企业自身知识库的质量与设计水平，具有决定性的作用。

Morketing：现在还有很多营销人期待大模型能自动生成洞察报告，似乎输入一个指令就能得到一切。您认为它可以完全自动化地做到这一点吗？

金立印：我觉得AI是可以自动生成大量洞察报告的，不过问题的关键不在于数量和速度，而在于洞察的质量与深度。它给你的洞察是不是深刻、创新与精准，这依然要取决于企业搭建知识库的颗粒度够不够精细。

Morketing：那在生成报告的过程中，是否也会有一些风险？

金立印：风险也是肯定的，比如一方面，AI可能会生成看似合理实则虚假的关联结论，或另一方面是洞察的结论仅仅流于表面，比较肤浅。

不过，这种风险是可以通过流程来规避的，方法要分三步：首先，营销人在让AI做洞察的提示词必须要优质，其次，必须要将AI接入企业丰富的内部知识库中，并且最终要由具备商业智慧的人来做判断。总而言之，人要成为AI洞察的裁判，而非读者。

Morketing：您刚刚有提到人的商业智慧，这引出了一个根本性的问题：您认为，真正让AI理解消费者，是一个纯技术问题，还是一个融合了人文与社会因素的系统性问题？

金立印：单靠技术肯定不行，消费者的需求背后有深层的社会与文化根源。比如为什么养宠物会成为一种普遍的情感寄托？为什么越野和露营会在特定时期流行？这些趋势的背后其实是城市化进程、社会心理的变化。

固然技术与数据能提供更高效、更大规模的分析方式，但深度的、具有前瞻性的洞察必须结合对社会背景、文化思潮和人性的理解。

AI要想做到这种深层次洞察，就必须依赖包含了社会学、心理学、人类学等维度的独有的知识体系和思维链。但目前，这类高质量的、专门为商业洞察设计的、融合了人文社科智慧的跨学科知识库还比较稀缺，并不完善。这既是挑战，也是巨大的机会。

未来不属于AI，

Morketing：那么，面对如此快速和前端的变化，品牌的整体战略是否需要变得更动态，甚至实时调整？我们是否应该放弃一些中长期定位，转向更灵活、更短期的策略？

金立印：这同样需要分两个层面来看，不能一概而论，更不能迷失在战术的敏捷中，丧失了战略的定力。

在业务战略和品牌定位层面，通俗来说就是品牌要打高端还是下沉市场？品牌的价值主张是什么？这一类的问题，不应频繁调整，而需要战略定力。品牌的核心价值是长期积累的无形资产，朝令夕改会模糊品牌形象，让用户感到困惑。

但在一些具体运营策略与营销战术上，比如文案或是KV设计这些细枝末节，则完全可以借助AI的实时反馈进行快速测试和迭代，实现高度的敏捷性。

Morketing：所以这种战略与战术的区分，也对营销团队本身提出了新的要求。您认为在AI时代，营销团队需要进行怎样深刻的转型？是否会催生我们过去难以想象的新职位，同时淘汰一些旧角色？

金立印：营销组织的转型是必然的，而且是结构性的。一些传统的、以重复性执行为主的职位，比如部分市场调研员以及一些文案和和设计师，他们的岗位需求可能会随着企业AI化的进程加深而减少甚至逐渐消失。

但同时，也会催生一批拥有新职能的岗位。我认为，知识库设计师和提示词工程师将变得至关重要。因为AI输出的质量，极度依赖于你喂给它的知识库和给它的指令。

我举个例子，比如现在要让AI设计一个针对新品上市的促销方案，首先就需要有一位知识库设计师，他来将将各种促销方式的差异、适用场景以及对品牌价值的影响等专业知识，系统地构建成一个结构化的、机器可读的知识库，然后喂给AI。

这个构建知识库的角色，其战略价值在AI时代将变得前所未有地重要。而提示词工程师，则负责将营销目标翻译成AI能精准理解并高效执行的复杂指令集。

Morketing：除了构建知识库和撰写提示词，人类团队的核心价值，还会向哪些方向偏移？我们还需要培养哪些新能力？

金立印：首先，提示词工程本身就是一种需要深度理解业务和AI逻辑的核心能力。其次，在更宏观的层面，如何将AI技术本身转化为可盈利的商业模式或创新产品，是一个巨大的挑战和机遇。我们看到目前很多AI工具公司本身并不盈利，如何打造真正解决用户痛点、让用户愿意付费的应用场景，这需要兼具商业洞察、技术理解与产品思维的战略型人才。

Morketing：那在您看来，随着AI生成内容的能力越来越强，它有可能替代人类，去与消费者建立真正的情感共鸣吗？

金立印：不能，这是一个非常关键的区分。用户共情的对象，是AI生成的内容，而不是AI本身。AI可以通过学习知识库，了解哪些元素、叙事结构能够引发共鸣，从而批量生成动人的内容，但情感连接本身，始终是发生在人与内容之间，而非人与机器之间。

品牌通过AI输出内容来传递价值，与用户建立关系，但用户忠诚于的是品牌背后所代表的价值，而不是AI这个工具。这一点至关重要。

Morketing：展望未来三到五年，您认为AI将推动营销发生哪些最重要的、可能重塑行业格局的变革？品牌应如何系统性地适应，而不是零敲碎打？

金立印：变革肯定是全方位的。市场研究、新产品研发、内容生产这些领域已经首当其冲。下一步，走在前沿的企业将开始利用AI来生成市场策略本身，而不仅仅是执行策略的内容。

比如，AI在分析了整个酸奶市场的竞争格局、消费者评论、社交声量和宏观健康趋势后，可能发现所有品牌都在强调助消化或高蛋白，但会有一个情绪健康与助眠的需求空档未被满足。

它可能就会直接建议公司推出“助眠晚安酸奶”新品类，并同步生成详细的目标人群画像、核心渠道策略、关键沟通信息要点，甚至初步的商业模式。这就是策略的生成，而不仅仅是内容的创作。

Morketing：但这类由AI生成的策略，其精准度和可靠性如何保证？品牌该如何判断和取舍？

金立印：这还是取决于它背后的知识库的质量、广度与深度。你喂给AI的是高质量、深度结构化的行业知识与市场洞察、真实的用户反馈、经过验证的商业模式案例，它输出的策略精准度和创新性就高；你喂给它的是肤浅、混乱、过时甚至错误的信息，它输出的也必然是垃圾，甚至是危险的建议。我们不能抛开输入的质量，去空谈输出的

智慧。

最直接、最可靠的判断方法，就是让市场来检验。你可以让AI生成一个策略，同时让你最资深的营销团队做一个人工策略，然后将两者放到真实的市场环境中进行小范围的快速测试，用真实的用户反馈、ROI来说话。

Morketing：最后，请您为所有正在探索AI营销的企业，提炼一个最核心的行动建议。

金立印：我想提三点。

第一，积极拥抱，无需恐惧，要以开放的心态去学习和实践。

第二，投入核心资源，下大力气构建企业独有的、结构化的知识库，这是企业的AI护城河。

第三，大胆测试，快速迭代，形成一个”使用AI生成策略→投入真实市场测试→将反馈结果数据用于迭代AI能力和优化知识库“的闭环。

每扎实地完成一轮这个循环，你的企业运用AI进行用户洞察和营销决策的能力就会实实在在地提升一层。这也是在AI营销新范式中，能够让企业脱颖而出、建立真正可持续竞争优势的根基。