咨询顾问用 AI，不能一刀切地挑一个名气大的模型，要按项目阶段配工具：调研阶段要读长材料，分析阶段要搭框架跑数据，交付阶段要图表与口径严谨。三个阶段对 AI 的要求不同，用法与边界也不同。这篇按阶段给出选型逻辑与操作要点。
项目三阶段对 AI 的要求不同
调研阶段的核心任务是消化大量资料：行业报告、招股书、访谈纪要，材料的长度与杂乱是主要矛盾，AI 的长文本能力在这里最值钱。分析阶段的核心任务是从资料到洞察：搭分析框架、做数据交叉、形成判断，这个阶段 AI 是助手不是主角。交付阶段的核心任务是严谨：图表、数据口径、结论表述都要经得起客户追问。把三个阶段的要求写下来再选工具，比拿着「哪家模型名气大」的问题选型靠谱得多。
调研阶段：长材料阅读交给 Kimi 类工具
上百页的行业报告与大量访谈纪要，适合交给 Kimi 这类以长文本见长的工具：整本报告传进去，先让它给结构摘要，再按章节追问细节，比人工通读快得多。用法上有两个讲究：一是提问带着分析框架去问，比如按市场规模、竞争格局、政策环境分类提取，得到的素材直接可入库；二是关键数据要回到原文核对，长材料提取偶有张冠李戴，引用前花一分钟定位原句。访谈纪要还可以让 AI 做主题归类，把散落各处的观点按议题聚合起来。
分析阶段：框架先行再填数据
分析阶段的正确顺序是先定框架再让 AI 填充：由顾问确定用什么分析框架，明确各维度的判断标准，再让 AI 按框架整理证据。反过来让 AI 自由发挥，得到的往往是不痛不痒的通用结论。数据处理上，AI 能快速完成清洗、透视、图表生成，但数字的来源与口径必须由人确认：不同报告的统计范围可能不同，直接混用会得出错误结论。分析结论形成后，还可以让 AI 扮演反方挑刺，把论证薄弱的地方提前暴露出来。
交付阶段：图表与口径的核对
交付物的严谨度决定专业口碑。AI 生成的图表要检查三项：数据与正文是否一致、坐标与单位是否正确、图注有没有说明数据来源。表述上，结论句要有证据链支撑，AI 爱写的「显著增长」「大幅提升」要替换成具体数字；涉及预测的表述标注假设条件。最后一道工序是全篇口径统一：同一指标在不同页面的数值、名称、统计期必须一致，这类低级错误最伤信任，也最容易在 AI 的多次生成中被悄悄引入。
客户数据的不外传底线
咨询项目常涉及客户敏感数据：财务数字、战略规划、人事信息。处理底线是分层：公开行业数据可以放心交给 AI；客户的脱敏数据，确认工具的数据政策后再用；能识别客户身份的原始数据，不进入任何云端 AI，除非客户书面同意且工具满足企业级数据协议。项目启动时在团队内部明确这条线，比事后补救有效得多。AI 提升的是效率，职业保密义务不会因为用了 AI 而降低半分。
咨询项目的客户资料，哪部分永远不该进 AI？
- 报告初稿让 AI 写会不会有版权问题？：交付物的版权归属按合同约定，AI 参与生成的内容在原创性上存在争议空间，核心结论与关键分析建议由顾问主笔。
- AI 给的行业数据能直接引用吗？：不能，AI 的数字可能来自过期或不可靠的来源，所有引用数据都要回溯到原始出处，并标注来源与年份。
- 访谈录音转写稿喂给 AI 前要处理什么？：先做匿名化，受访者姓名、职务等可识别信息替换成编号，观点保留、身份隐去。
