上篇我讲了传统情报收集的五种”死法”，最后留了一个问题：病根到底在哪？

答案其实一句话——你的情报收集是一个”人肉项目”，但对手的动作是一个”实时流”。你靠人盯、靠人记、靠人分析，对手靠系统跑、靠数据推、靠 AI 算。两边根本不在一个时间维度上。

那怎么把”人肉项目”变成”实时流”？我从麦肯锡、SCIP、Palantir 的方法论里，结合给佰能盈天做 AI 情报系统 PoV 的经验，提炼出一套”五层情报框架”。今天把它拆给你看，每一层我都告诉你 AI 能帮你做什么。

先说传统咨询为什么做不动这件事。传统咨询也做情报分析，但有两个致命问题：第一太慢，访谈、取数、建模、出报告，少则四周，多则三个月；第二太贵，一套完整情报体系咨询费动辄几十万上百万，中小企业根本做不起。AI 版的五层框架做对了三件事：自动采集（直接对接新闻、招投标、社交、专利库，不用人工搜）、自动分析（按你定义的 KIQ 自动生成四角分析、Win/Loss 复盘、产业链坐标）、自动分发（不是等月底出报告，而是每天自动扫描、异常实时推送）。而且这套东西的成本，不到传统的十分之一。

第一层：KIQ（关键情报问题）——不是”你想知道什么”，是”你要做什么决策”。

传统情报收集最大的问题，是开口就是一句”我想了解一下竞争对手在干什么”。这句话听起来没问题，其实是个坏问题——因为它没有指向任何决策。KIQ 的核心是：不问”你想知道什么”，问”你要做什么决策、不知道会付出什么代价”。

我举个例子。客户说”我想了解一下竞争对手在干什么”。AI 会追问：你说的”了解”，是为了做哪个具体决定？客户说”就是怕被宝信抢市场”。AI 再追问：抢市场具体指什么？抢哪个区域的标，还是抢哪类客户？客户说”华东区域中小钢厂的电气改造单”。AI 第三问：如果三个月后真的被抢了，你希望提前几周知道、看到什么信号会让你提前动手？客户说”提前 1 个月知道宝信在跟哪几个客户谈”。

这一圈问下来，模糊的”想了解”落成了一句结构化的 KIQ：“华东区域中小钢厂电气改造单，宝信近 1 个月内是否有新签长协/报价动作？”类型：预警类，决策窗口：1 个月，决策者：华东区域销售负责人。AI 在这一层能做什么？它自动引导你完成这个追问过程，还会根据你的业务类型自动推荐常见模板——战略决策类、预警类、画像监控类。你不需要请麦肯锡来做访谈，AI 就是访谈顾问。

第二层：采集（Evidence）——全网自动扫描，不漏任何一个信号。

这一层是体力活，也是 AI 最能发挥价值的地方。一个竞争对手的信号，可能出现在官网新闻中心、招投标平台、招聘网站、专利数据库、行业协会纪要、社交媒体、客户供应商的公开评价。人工不可能每天把这些渠道全扫一遍，所以信号一定漏。AI 每天自动扫描你定义的所有渠道，自动去重、自动溯源、自动标记来源可信度。华为云核心网部门那个 AI 情报中台，每天处理 5000 多份文档，监测 30 多个国家。而且 AI 不是简单”抓取”，是”智能筛选”——它知道哪些信息跟你的 KIQ 相关，哪些是噪音。你不需要一个情报团队，AI 就是情报团队。

第三层：分析（Claim）——从”发生了什么”到”为什么 + 你该怎么办”。

这一层是核心，也是”信息”和”情报”的分水岭。传统分析只看到”对手做了什么”，看不到”为什么做、下一步做什么”。比如你看到对手降价了，这是信息；情报要回答：对手为什么降价（驱动因素）？对手现在怎么打这个市场（当前战略）？对手对自己、对行业有什么判断（假设）？对手有没有能力撑住这个战略（能力）？这就是四角分析法，波特的竞争情报核心工具。AI 自动完成四角分析，还会交叉验证——同一个判断至少两个独立来源印证，才会标为”verified”。来源分级：官方公告大于财经媒体大于自媒体。你不需要一个分析师团队，AI 就是分析师团队。

第四层：呈现（Report）——金字塔原理，结论先行。

这是”最后一公里”，也最容易被浪费。你给老板一份 50 页的竞品分析报告，老板只看第一页，然后问：“所以呢？我该干什么？”金字塔原理的核心是：结论先行，论据支撑，行动建议落地。AI 自动生成金字塔结构的报告——一句话结论放最前面，老板 3 秒看懂；三条论据每条都引用经过验证的事实；行动建议具体到”给谁、做什么、什么时候做”；高不确定问题给 2-3 个情景加触发信号。而且 AI 按角色分发：销售看单屏卡片（结论+3 条理由+行动建议，标讯出现即推送），管理层看月度叙事简报，技术看对手能力对比矩阵。你不需要一个报告写手，AI 就是报告写手。

第五层：反馈（Feedback）——一线说”对/错/有用”，AI 自动优化。

传统情报报告发出去就完了，没人知道准不准、有没有用。比如你给销售团队发了一份”宝信在华东推长协”的预警，销售看了没行动，或者行动了没效果，或者发现预警是错的——这些反馈没有回流到系统里。AI 自动收集一线反馈：接收者标记”正确/错误/有用/无用/已采取行动”，反馈关联原报告，系统自动调整情报权重和推送策略。你的情报系统会越用越准，越用越懂你。

我见过一家做工程设备的企业，老板花大价钱请了一家咨询公司做竞品分析，厚厚一本报告，结论是”对手在华东区扩张”。老板看完问：那我下周该干什么？咨询公司说：建议您关注华东区动态。这其实就是只做了第二层——告诉老板”对手在动”，但没告诉老板”为什么动、动到哪了、我该往哪打”。老板把钱花了，决策还是靠拍脑袋。后来我们用五层框架重做了一遍，同样的数据，AI 先把 KIQ 锁定成”未来一个季度华东区哪三类客户最可能被抢”，再自动跑采集和分析，第四层直接给出”避开安徽非马钢、优先抢湘钢周边中小厂”的行动建议。老板第一次拿到一份”看完就知道明天干什么”的情报。这就是五层和两层的差距：两层给你焦虑，五层给你答案。

讲到这你注意一个事实：绝大多数中国企业的情报工作，只停在第二层——“搜集了一堆信息”，最多到第三层看一眼”对手做了什么”。第一层、第四层、第五层，从来没人做。不是不想做，是因为人工做不动。AI 就是把”做不动”变成”天天做”。

我也问你三个自查题：你的情报收集能覆盖到第几层？你的业务负责人能不能说清楚对手的驱动因素和下一步动作？如果 AI 每天帮你盯一次对手、每周自动生成一份情报报告，你觉得值多少钱？

框架讲完了。但框架再好，也怕一个开头就错的坑——上来就建全公司系统，没立 KIQ 就上 AI，等于闭着眼睛装监控。下一篇，我告诉你最稳的起步方式：先跑一个最小 KIQ。