What Changed
AI 改变了检索分析的前提。
长期以来，检索分析一直受限于人能读多少。能读的量变了，看得见的范围就会变。我们引入 AI，正是为了解除这个限制。
01 量
把人力读不完的量，通读一遍。
过去是先把对象缩小范围，再由人来读。在缩小范围这一步被筛掉的东西，再也不会进入视野。现在可以直接读缩小之前的大样本集。漏看会发生在哪里，这件事本身变了。
02 范围
从日本的文献，走向世界的文献。
只看日语文献，就发现不了同样的发明已在国外先行出现。语言的门槛降低之后，对象可以扩展到全世界，还能往回追溯几十年。
03 速度
过去要一个月的检索，如今几天完成。
速度变了，检索的用处也会变。它不再是让判断等待的环节，而是可以放在判断之前的环节。还在犹豫的阶段，也可以先查过再决定。
Three Questions
先问清“这次分析是为了知道什么”，
再开始。
目的不定，分析就成不了形。不是收集之后再想，而是定下问题之后再收集。围绕客户常问的三个问题，负责的检索员以“AI×物流”为题材公开了做法。
How It Works
推进方式
-
01
确定目的
先用语言说清这次分析是为了知道什么。这一点不定就收集来的信息，无论量增加多少，都无法用于判断。
-
02
构建样本集
设计检索对象的范围。太宽会被淹没，太窄会漏看。检索的质量，几乎在这一步决定。
-
03
读，并分类
读收集来的文献，定下坐标轴加以整理。改变结论的不是件数本身，而是用哪个轴去切。
-
04
转换成经营的语言
把分析结果整理成可以直接用于投资判断和业务计划的形式。不会送出报告书就结束。
The Engine
支撑它的，
是与文件撰写相同的机制。
检索分析中使用的 AI，与支撑说明书和审查意见答复文件的质速兼备系统运行在同一套基础之上。按客户分别保存记忆的设计、访问权限的管理，都与文件撰写完全一样。我们没有为检索单独准备一套更宽松的机制。
AI 是工具，做判断的是人。这个顺序在检索分析中也不改变。样本集如何设计、得出的结果是否妥当，由经验丰富的检索员来确认。