AI 辅助写作的边界：可研报告里哪些章节 AI 不能代写

最近一个月，69+ 位客户就这个话题找过来咨询。我们决定写一篇系统性的文章。 这就引出了今天的话题——AI 辅助写作的边界：可研报告里哪些章节 AI 不能代写。

我们梳理了来自 227+ 个真实项目的样本，归结出 3 个最常见的问题：

• 问题一：理解偏差客户最常犯的错误是把「我以为的」等同于「评审认为的」。我们见过一个项目，客户认为已经写得很清楚了，但评审第一眼就指出逻辑漏洞。
• 问题二：结构混乱目录看起来很专业，但章节之间的逻辑链断了。比如第二章讲背景，第三章突然跳到具体方案，读者需要在脑子里自己补一段过渡。
• 问题三：数据薄弱缺少第一手数据，全是「行业平均」和「专家观点」。客户说「我们的产品有优势」，但不告诉评审优势在哪、比谁强、强多少。

针对这三个问题，我们内部有一个「五步法」工作流：

1. 第三步 · 数据验证所有关键数据必须有「出处 + 时效 + 范围」三要素。整数数据一定要标注估算依据。
2. 第一步 · 边界定义把「项目做什么、不做什么」先列清楚。这一步是文档的「宪法」，所有后续内容都要回溯到这里。
3. 第二步 · 评审视角反向问：如果你是评审，你最关心什么？把这个问题写在文档最前面，作为检查清单。

举一个最近的真实案例。武汉一家海洋经济客户，他们的招投标文件因为专家现场答辩失利被退。我们接手后用了 15 天时间重写，最终顺利进入下一阶段。

本期核心就一句话：别用「做了 100 个项目」当卖点，而要用「这 100 个项目的共同错误」当卖点。客户买的不是你的经验，是你的避坑清单。

本案例中最值得复盘的不是"我们做了什么"，而是"客户的稿子原本差在哪里"。把这层看清，后面的方法论才有意义。

把这单合作中的工作流抽出来，可以归纳为三个核心动作：定义边界 → 评审视角 → 内部审查。这套方法论在 KXIETECH 多个内部项目复盘中被反复验证过。