结构化汇报：结论先行与数据支撑

四段结构：让 30 秒和 30 分钟都有价值

先看一个流水账反例：“上周我们和算法对了 Prompt，改了三轮，中间发现数据有问题，又找标注团队补了数据，然后测了一版，效果好像好了一点，本周打算再试试……”——过程很辛苦，结论一个没有。

结构化汇报的四段模板：

1. 结论先行：第一句话就是结论——“本周完成意图识别迭代，准确率提升 5 个百分点，自动解决率达标，建议下周一全量上线。“听众 30 秒内知道发生了什么、要决策什么。
2. 数据支撑：结论后立刻给数据——评估集版本、样本量、前后对比，让结论可验证。
3. 问题聚焦：如实列出未解决的问题，按影响面排序，不超过 3 个。
4. 方案落地：每个问题配下一步动作、负责人、时间点——没有动作的问题清单只是一份免责声明。

产品决策提示：汇报前用一句话自检——“如果听众只记住一句话，是哪句？“这句话就是你的开头。写不出这句话，说明你自己还没想清楚。

杜绝流水账

流水账的本质是把“过程”当“内容”。改造方法：

流水账写法	结构化写法
上周改了三轮 Prompt	迭代完成：准确率 83%→88%（附对比数据）
中间数据出了点问题	数据问题已定位：标注一致性不足，已补标 500 条
效果好像好了一点	达标 2 项、未达标 1 项（幻觉率仍 4.1%，目标 3%）
本周继续优化	本周接入重排序模块，负责人已排期，周四出结果

过程细节不是不能讲——放附件，被问到再展开。主线永远留给结论与决策。

两类数据不混淆：模型数据 vs 业务数据

维度	模型技术数据	业务结果数据
例子	准确率、召回率、幻觉率、延迟	使用率、采纳率、人力节省、成本、NPS
回答的问题	模型干得准不准	业务得到了什么
波动来源	版本、数据、输入分布变化	运营活动、季节、用户结构变化
常见错误	拿模型指标冒充业务成果	用业务数据掩盖模型退步

两条纪律：

• 不混淆：“准确率 90%“不等于”客服问题解决了 90%“——换算必须经过采纳率、兜底分流等真实链路。
• 不虚假美化：挑样本、换分母、藏 bad case，短期好看，长期信用破产。汇报中每个数字都要经得起追问：“怎么算的？在哪个集合上测的？”

如实汇报不确定性

波动与不确定是 AI 产品的固有属性：效果会随输入分布漂移、幻觉无法归零、迭代周期受数据制约。掩藏这些，等于把预期管理交给别人的想象。

正确姿势是说清波动 + 给出方案，模板：现象 → 原因 → 影响 → 方案。

案例一：“本周幻觉率从 3.1% 升到 3.6%。排查为新上线的活动类问题占比上升，原评估集覆盖不足；已扩充评估集并补充活动意图样本，预计两周内回落至 3.2% 以内。”

案例二：“当前迭代慢的卡点在标注人力，本周只产出 800 条，距目标差 40%。两条路：申请借调 2 名运营支援，或接受迭代延后一周——请决策。”

不确定性本身不可怕，可怕的是只报问题不给路径，或者干脆不报。如实 + 方案，才能精准管理预期。

本节要点

• 四段结构：结论先行 → 数据支撑 → 问题聚焦 → 方案落地，开头一句话让听众 30 秒抓住决策点。
• 杜绝流水账：过程放附件，主线给结论；每个问题配动作、负责人、时间点。
• 模型数据与业务数据不混淆、不互相冒充；每个数字经得起“怎么算的”追问。
• 波动与幻觉如实汇报，用“现象 → 原因 → 影响 → 方案”模板管理预期。