第02章：AI生成行研报告的能力与限制

AI可以帮你写90%的行研报告格式内容，但如果你以为AI能替代行业判断力，你交出去的报告很快会被客户识破。

为什么你需要理解AI的能力边界

2024年，一家初创企业花了¥3000购买了一份"AI生成的行研报告"，报告引用了几个听起来很权威的数字：

“2024年中国X行业市场规模达380亿，同比增长23%”
“头部三家企业合计占据市场份额的67%”
“预计未来三年复合增速将维持在18%-22%”

报告看起来非常专业，格式完整，图表精美。但当这家企业拿着报告去融资路演时，一位有行业背景的投资人直接问：“这些数据的来源是什么？”

出不来原始来源。因为这些数字是AI生成的——从来没有真实存在过。

这不是AI的极端情况，这是AI每天都在做的事。 理解AI能做什么和不能做什么，是你做好行研报告服务的基础。

AI擅长的行研任务

1. 结构化内容生成

AI最擅长把你给它的信息转化成"专业格式的内容"。例如：

你给AI：

餐饮行业2023年市场规模5.3万亿，2024年回升至5.6万亿，增速6%。
外卖占比持续提升，2024年达到总销售额的23%。
主要玩家包括：海底捞（净利润34.5亿）、百胜中国、麦当劳中国等。

AI生成：

中国餐饮行业概览

2024年，中国餐饮市场总规模约为5.6万亿元，相较2023年的5.3万亿元增长约6%，
延续了疫情后的恢复态势。从结构上看，外卖业务持续渗透，占比已达23%，
反映出消费者用餐习惯的深层结构性转变……

这种"给数据→生成专业文字"的能力，AI做得比大多数人类写手更快、更标准。

2. 框架分析生成

PEST分析、SWOT分析、波特五力、价值链分析……这些经典分析框架，AI可以快速生成初稿。它理解这些框架的结构，能在你给出行业背景后，生成一个方向基本正确的分析框架，你只需要补充具体细节。

Prompt示例：

请为中国宠物食品行业生成一个PEST分析框架，
政策层面包括近年宠物行业相关法规，
经济层面关注消费升级趋势，
社会层面关注养宠人群结构，
技术层面关注智能宠物设备趋势。
每个维度写3-4个具体要点。

3. 竞品信息整合

如果你给AI一张包含10家主要竞争对手信息的表格，AI可以帮你写出一段流畅的竞争格局分析，描述不同梯队的定位、各自的优势和劣势，以及整体市场的竞争烈度。

这一步的关键是：你先整理好竞品信息（从天眼查/官网/招股书获取），AI负责把这些信息组织成专业段落。分工清晰，各司其职。

4. 执行摘要和结论

AI特别擅长从大量内容中提炼摘要。把一份完整报告的各章节关键点整理出来，让AI生成执行摘要，通常比自己写快3-5倍，而且摘要的逻辑性往往更好。

执行摘要是报告中最被重视的部分——很多决策者只看摘要。让AI生成一份清晰、有力的执行摘要，是非常值得投入的工作。

任务	AI能力	典型时间节省
市场规模段落撰写	✅ 给数据即可生成	节省60%时间
竞争格局描述	✅ 根据公开信息整理	节省50%时间
SWOT/PEST分析框架	✅ 生成完整框架	节省70%时间
报告格式化和排版	✅ 标准段落和结构	节省80%时间
执行摘要生成	✅ 非常擅长	节省75%时间
数据解读（给了数据后）	✅ 擅长趋势描述	节省60%时间

AI不擅长的行研任务

1. 一手数据收集

AI无法帮你打电话访谈行业专家，无法帮你发问卷，无法统计客户内部的销售数据。一手数据（Primary Research）永远需要人来做。

行研报告中，一手数据的价值最高——也是最稀缺的部分。如果你能通过自己的行业人脉获取哪怕几个关键的第一手数据点，你的报告会立刻比纯AI生成的版本高一个档次。

例如，在一份餐饮行业报告里，如果你能加入"我们访谈了5家连锁餐饮企业的运营总监，其中4家表示……"，这条内容的价值远超任何来自第三方机构的统计数字。

2. 实时数据

AI的训练数据有截止日期（通常是几个月到一年前）。如果客户需要了解"最新"市场动态，你必须自己去找最新数据。政府网站、行业协会最新发布、上市公司季报——这些需要你人工查找并喂给AI。

常见错误：让AI直接描述"最新市场情况"，它会用训练截止日期前的数据，但不会告诉你这些数据已经过时了。你需要主动查新、主动更新。

3. 真实的行业洞察

这是AI最无法替代的部分。

“2024年新能源汽车行业的深层问题不是技术，是价格战下经销商体系的崩溃”——这样的判断，来自有行业经验的人，不来自AI。

AI可以把这个判断写得很漂亮，但它提不出这个判断。

你的行业认知积累，是这个服务最核心的竞争壁垒。这也是为什么你不应该什么行业的报告都接——聚焦2-3个你深度了解的行业，你提供的洞察才有真正的差异化价值。

4. 非公开信息

内部数据、行业私下流传的信息、某个高管透露的战略意图——这些AI拿不到。你通过人脉获取的非公开信息，是报告的高价值部分。如果你能在报告中写出"据行业内部消息人士透露……"，这段内容的信息密度远高于公开数据的重新整理。

任务	为什么AI做不了	谁来做
一手访谈/问卷	AI无法与人交流	你
最新实时数据	训练数据有截止日期	你（主动查找）
专家判断和洞察	需要行业经验	你
公司内部数据分析	没有非公开数据	客户提供
预测未来（负责任地）	会过于乐观/套路化	你+数据+AI

最危险的AI错误：编造数字

这是所有限制中最需要警惕的：AI会编造听起来合理的数字。

这不是偶发错误，而是语言模型的基本特征。 当模型不知道答案时，它会生成一个"符合预期"的答案——因为它的目标是生成符合上下文的文字，而不是寻找真相。

识别AI编造数字的特征：

数字非常"圆整"：380亿、23%、67%——真实数据很少如此整齐
没有具体来源：真实数据通常来自特定调查或报告
和你已知的行业感知不符

真实案例：某分析师用Claude写了一份零售行业报告，Claude在竞争格局章节给出了"某品牌2024年市占率为18.3%"的数字。这个数字从来没有在任何公开来源出现过。如果分析师没有核实就交给客户，这个错误可能让他丢掉信誉。

应对方法：建立一个简单规则——每个数字必须有可追溯的来源，否则删除。这个习惯会让你的报告质量和市面上90%的AI生成报告拉开明显差距。

正确的人机分工

你的工作（不可外包给AI）：
  ├── 找数据来源（统计局/行业协会/招股书/天眼查）
  ├── 判断哪些数据可信
  ├── 提供行业洞察和判断
  └── 核实AI生成内容的准确性

AI的工作（高效完成）：
  ├── 把数据转化为专业段落
  ├── 生成分析框架初稿
  ├── 整合多个来源的信息
  └── 生成执行摘要和结论

这个分工的关键词是：AI放大你的价值，不替代你的价值。你的行业认知越深，AI生成的报告质量越高。

一个对某行业一无所知的人，用AI生成的行研报告，会是一份看起来像样但实质空洞的文档。

一个对某行业有3-5年积累的人，用AI生成的行研报告，会是一份既专业又有真实洞察的分析。

这就是这门服务的护城河所在。

本章小结

AI在行研报告中的价值：结构化写作、框架生成、竞品整合、执行摘要——这些占报告工作量的70%以上，AI都能高效完成。但数据来源、行业判断、专家洞察和内容核实，这些必须由你来做。最危险的陷阱是AI编造数字——建立"每个数字都有来源"的检查习惯，是这门服务最重要的质量控制动作。

→ 第03章：行研报告的标准结构