跳到主要内容
文章WHITEHOLE

企业内部用推荐:边界在哪里

搜索与推荐在企业内部不是同一件事:搜索回答「我要找的东西在哪」,推荐回答「你可能还需要什么」。推荐在企业场景有额外风险 —— 可能引导使用者看到本不该看到的内容,也可能让信息分布更不均衡。本文说明两者的目标差异、四类风险与分界规则,以及什么时候不适合做推荐

企业搜索知识引擎AI 治理

企业内部用推荐,指的是在搜索之外主动把人可能还需要的内容推到眼前。它在消费场景里是标配,在企业场景里却需要额外判断 —— 因为企业里的相关内容往往同时受权限、职责与合规约束,不是相关性高就可以推

两者的目标差异

  • 搜索是主动的:使用者知道自己要找什么,系统的任务是准确找到。
  • 推荐是被动的:系统猜测使用者还需要什么,承担的是猜错的责任。
  • 衡量方式不同:搜索看命中与排序质量,推荐看是否带来有效发现,而后者很难界定。

推荐在企业内部的四类风险

  • 越权暴露:推荐逻辑如果绕过权限判断,会把不该看的内容送到不该看的人面前。
  • 信息茧房:总是推荐同一类材料,团队会逐渐只看熟悉的内容,新信息进不来。
  • 引导性偏差:在企业决策场景里,推荐位天然带有暗示意味,可能影响判断的独立性。
  • 无法解释:被问起为什么给我看这个时说不清依据,在内部治理上很难交代。

第一类是硬风险,其余三类是软风险。硬风险一旦发生就是事故,软风险不会立即暴露,但会慢慢改变组织的判断习惯。

分界规则

  • 主动与被动分开:搜索结果区不掺推荐,推荐只出现在明确的补充位置。
  • 推荐必须过权限:与检索使用同一套权限过滤,而不是走单独的通道。
  • 推荐必须可解释:能说出因为你在看哪一类内容才推了它这类依据。
  • 推荐不做结论:只推材料,不推倾向性判断,避免影响使用者的独立判断。

什么时候不适合做推荐

  • 内容总量很小:材料本来就不多,推来推去还是那几篇,价值有限。
  • 场景要求穷尽:合规核查、审计这类场景需要的是完整覆盖,而不是可能更相关。
  • 权限边界复杂:跨部门可见性规则尚未理清时,推荐很容易踩到越权。

如果确实要做,从哪里开始

建议从最保守的形态起步:只在明确的位置、基于可解释的依据、推已经通过权限过滤的材料,并把使用者的忽略与点开都记录下来,用于判断它是否真的有价值。

验收

  • 推荐结果与检索结果使用同一套权限判断。
  • 推荐位与搜索结果区在界面上明确分开。
  • 每条推荐能给出可读的依据,而不是只有一个分数。
  • 有忽略率与点开率的记录,用作是否继续的依据。

上线之后要盯什么

  • 越权尝试:有没有推荐结果被权限拦下的记录,没有记录不代表没有发生。
  • 解释可用性:随机抽几条推荐,看依据能不能说清楚。
  • 使用率:长期无人点开的推荐位应当回收,而不是默认保留。

FAQ

常见问题

与这篇相关、并且被问得最多的几个问题

推荐会不会比搜索更方便
在消费场景通常是的。在企业场景里,方便的前提是权限与解释都成立,否则省下的查找时间会被后续的信任成本抵消
能不能先用通用推荐算法跑起来
不建议直接套用。企业场景的关键约束是权限与职责范围,通用算法通常不包含这两项,需要先补上过滤与解释再谈排序
怎么判断推荐有没有价值
看使用者是否真的点开并使用了推荐内容,而不只看曝光量。持续被忽略的推荐位应当回收,而不是继续占用位置