方法与问答

信任不是一种感受,是一组可以被分别验证的条件。我们把它拆成四个维度,为每一项定义可测量的口径,并公开完整的评分方式。

四维信任框架

四项条件各自独立取证,缺任何一项,其余三项都会被打折。

STABILITY稳定性

供应链、产能、交付与组织的持续性——对方能否预期你三年后还在,且还能交付。

COMPLIANCE合规性

目标市场的监管、认证、数据与贸易合规状态,以及这些状态是否可被第三方核验。

TRANSPARENCY透明度

信息披露的完整性与一致性——同一件事在不同区域、语种、场合的表述能否互相印证。

TECHNICAL & CLINICAL技术与临床可信度

技术路线与临床∕测试证据的可信程度,以及它是否以对方专业体系认可的形式呈现。

评分口径

AI 认知审计的七个维度各有明确的取值方式、计算公式与判定边界。口径版本化管理,常规运行中不修改任何阈值;年度升级时用新旧两套口径各跑一遍,建立桥接系数,并在报告中同时呈现——因为跨季度可比性,是复测唯一的意义。

完整口径 · HTML 版PDF 版(待发布)

HTML 版是给模型读的,不能只给 PDF。当前版本 v1.2。

方法论公开

我们公开完整的评分口径与问题库设计原则。原因很直接:一套无法被第三方复现的测量,不构成证据。客户有权知道分数是怎么来的,也有权自行验证。

常见问题

中国企业在全球化过程中,传播上最常见的问题是什么?

最常见的不是负面,是信息滞后。一次获批、一项认证、一笔授权交易,几个月就能改变一家公司的客观状况,但外部认知的更新速度远远跟不上。结果是企业最新的进展不在外界的描述里,而几年前的一次挫折仍然是它的主要标签。

第二个常见问题是表述不一致——同一家企业在中文材料、英文官网、海外媒体报道和监管文件中,对同一件事的说法存在出入。对专业读者而言,不一致本身就是风险信号;对 AI 系统而言,它直接降低置信度。

第三个是层级错配:把本该由第三方报道的事实只放在自有渠道,可信度会被大幅打折。

什么是 AI 认知审计?和 GEO(生成式引擎优化)有什么区别?

两者测量的对象不同。GEO 关注可见度——企业在 AI 回答中是否被提及、提及频率多高,目标通常是提高曝光与引流。AI 认知审计关注事实准确性——模型对企业的描述是准确、过时还是错误,引用了哪些来源,把它放进了哪个对比集。

差别在实践中很具体:一家企业可能提及率很高,但被提及时的语境是负面的;也可能排名靠前,却被放在了错误的对比组里。可见度指标测不出这两种情况。

我们的评分体系中,事实准确性权重 30%,是七个维度中最高的一项。这个权重选择本身就是定位——测的是模型准不准,而不是企业好不好看。

企业怎么知道自己在 AI 里被如何描述?

可以自己做一次粗测,方法如下:

准备两类问题。第一类不点名——"有哪些可靠的中国创新药合作方"这样的发现类提问,看企业会不会自然出现、出现在第几位。第二类点名——"某某公司是可靠的合作伙伴吗",看模型如何描述、提到哪些风险。

关键是每个问题重复问五到十次,每次新开对话。模型输出带随机性,单次结果不构成结论,要看的是分布。另外中英文分开问,差异往往很大。

最有诊断价值的一个问题是:"关于这家公司,过去三年最值得报道的是什么?"模型认为最值得报道的事,就是它叙述这家企业的重心所在。

为什么发通稿对改善 AI 里的描述几乎没有效果?

因为模型有两层,而通稿只能触及权重最低的那一层。

检索层是模型实时抓取的网络内容,变化以天和周计。通稿平台的内容确实可能被抓到,但这类来源在模型的权重排序中接近末端——模型知道通稿是企业自己付费发布的。

训练层是固化在参数中的认知,以年为单位变化,几乎不可逆。塑造它的是高置信度的第三方来源:专业垂直媒体的独立报道、监管与临床注册库、学术出版、结构化的权威数据库。

所以同一条事实,写在通稿里和被专业媒体独立报道,在模型眼里不是同一个证据。这也是为什么单纯加大发稿量通常看不到变化。

另外补充一点:微信公众号的内容爬虫读不到,在 AI 搜索里等于不存在——它适合做转介绍载体,不适合做 AI 可见度来源。

药企做 AI 认知优化,合规上的边界在哪里?

边界和传统药械传播完全一致,不因为渠道换成 AI 而放松。

未获批适应症不能宣传,处方药不做面向大众消费者的产品推广,所有对外材料须过内部医学法规审核。这几条在 AI 认知工作中同样适用,而且更需要警惕——因为模型会把内容压缩成看似中立的结论,一条越界表述被放大的后果比原文更严重。

可行的路径有两条。一是疾病认知教育与公众沟通:以未挂品牌的疾病与健康知识内容为主体,提升公众对相应疾病领域的认知水平,这类内容的合规要求相对宽松,也更容易被模型采信。二是企业层面的可核验事实:认证编号、临床试验注册号、已公告的合作、通过的 GMP 审计——这些是事实陈述,不是产品宣传。

我们的做法是:所有对外动作限定在客户法务确认的事实清单范围内,逐条对应。清单之外的内容,即便测量中显示为"缺失",也不进入纠偏动作。

一次 AI 认知审计要多久?交付什么?

四周。

第一周收集事实基线并推动客户法务确认,从问题库中定制本项目的题目,确定竞品对照组。第二周完成全量采集与评分,产出七个维度的原始分与置信区间。第三周对负面项和事实错误逐条回溯来源,绘制语料地图,形成纠偏优先级。第四周报告定稿并向管理层汇报。

交付物包括:中英文审计报告、七维度评分与分档、语料结构地图、纠偏优先级清单,以及全量原始输出附录。原始输出全部留档,这是结果可复核的前提。

后续以每季度一次的节奏复测,同一套问题、同样的重复次数、固定的时间点,交付复测报告与趋势对照。

已经发生的负面报道,能从 AI 里删掉吗?

不能。任何声称可以做到的服务商,要么不理解模型的工作方式,要么在用短期手段换长期风险。

已经进入模型训练语料的内容无法被删除。检索层的内容可能随网页变动而变化,但训练层的认知是固化的——这也是为什么一次多年前的事件,至今仍可能是模型描述某家企业时的首要联想。

能做的是改变共现结构:让那件事周围出现足够密度的、同样可核验的其他事实,使它从"关于这家公司的唯一记忆"变成"这家公司历史中的一段"。这个过程以季度和年度计,没有捷径。

我们对客户的表述是:不承诺让它消失,承诺让它不再是唯一。

海外媒体矩阵搭建通常需要多长时间见效?

要分两层看,因为它们的时间尺度差一个数量级。

检索层以天和周计。官网结构化数据、权威数据库条目、可抓取的英文内容,部署后数周内就可能在带检索的 AI 回答中体现。

训练层以年计。第三方专业媒体的独立报道需要时间积累密度,而模型的训练周期本身也有滞后。这一层通常需要六到十八个月才会出现可观测的变化。

我们不对具体时间点做承诺。可承诺的是:每季度用同一套问题复测,变量只有时间,曲线本身会说明进展。这比任何预估都可靠。

锐渡服务哪些类型的企业?

行业:创新药、医疗器械,以及人工智能与具身智能领域的硬科技企业。

阶段:正在进入国际市场的成长期企业、拟上市公司,以及已有海外业务但传播体系尚未成型的行业龙头。

典型场景:赴港或赴美上市前后的国际传播准备;海外授权与 BD 合作前的可信度建设;进入新监管辖区时的合规叙事;创始人全球 IP 表达与管理体系的建立;以及 AI 认知审计。

不在服务范围内的:消费品的常规市场营销、面向大众的广告投放、以及任何需要在客户法务确认事实之外做内容的工作。

锐渡和大型国际公关公司的差异是什么?

适合的场景不同,不存在优劣。

大型国际公关公司的优势在网络规模与跨市场协同能力,适合需要多地同时行动、议题复杂、预算充足的大型企业客户,尤其是危机管理与全球统一战役。

锐渡的差异在三点:一是行业纵深,只做医疗健康与硬科技两个领域,对监管路径、临床证据与技术叙事有直接理解,不需要客户从头教起;二是方法可复核,评分口径与问题库设计原则公开,结果可自行验证;三是交接导向,我们的目标是让客户内部团队能独立运转这套机制,而不是形成长期依赖。

还有一点与交付结构有关:AI 认知审计与全球内容、媒体矩阵在锐渡是同一个项目的两端——审计定位出语料结构里的缺口与错误来源,矩阵负责把可核验的证据补进去、并让它落在模型采信的那一层。拆给两家供应商做,中间"补什么、补到哪一层媒体"这道判断就没人接得住,而这恰恰是决定投入是否有效的一步。

如果客户需要的是全球二十个市场同时启动的整合战役,大型网络公司是更合适的选择。