企业硬盘里躺着成吨的 PDF、客服录音转写文本和邮件往来。以前，这些非结构化数据就是数字垃圾场。你想从中挖出点金子？得先雇一堆人打标签，或者花大价钱训练 NLP 模型。结果往往是：钱烧完了，模型还没跑通，业务部门早就等不及了。
大数据平台能处理结构化表格，但对“人话”束手无策。直到 ChatGPT 这类大语言模型出现，规则变了。它不需要你预先定义字段，它能读懂上下文，理解情绪，甚至捕捉弦外之音。
过去我们对待文档的态度是“存”。只要不丢就行。现在，重点变成了“问”。你可以直接问系统：“上个月投诉里，提到‘物流慢’且情绪愤怒的用户主要分布在哪些地区？”
这在以前是个工程难题。现在，借助 API 调用大模型，几行代码就能把几千条客服记录过一遍。模型不仅能提取地点，还能判断情绪等级。这不是魔法，是语义理解的降维打击。
别指望它百分之百准确。大模型会幻觉，会犯错。但对于商业洞察来说，80% 的准确率加上人工复核，效率已经比纯人工高出十倍不止。
很多团队陷入误区，拿着锤子找钉子。其实，最该用上的地方往往是最痛的痛点。
关键不在于模型有多聪明，而在于你把什么数据喂给它，以及你如何设计提示词来约束输出格式。
Garbage in, garbage out. 这句话在大模型时代依然成立，甚至更残酷。
如果你的原始文本满是乱码、广告链接或无关噪音，ChatGPT 给出的总结也会是一团糟。在接入 API 之前，必须做基础的清洗。去掉 HTML 标签，修正明显的 OCR 错误，分段要清晰。
另外，注意隐私。不要把包含用户手机号、身份证号的原始数据直接发给公有云模型。要么脱敏，要么使用私有化部署的版本。合规红线，踩不得。
技术门槛在降低，但思维门槛在升高。以前我们纠结于怎么存数据，现在要纠结怎么问问题。那些沉睡在服务器里的文本，终于有机会开口说话了。至于它们说的是真话还是废话，取决于你的引导。
