公共企业指导者照旧在AI上干与了两年时期和数千亿好意思元，但成果芜乱不王人。凭证麦肯锡2024年公共考查，不到三分之一的企业呈报其AI投钞票生了特酷好酷好、捏续的业务价值。

演示频频令东说念主印象长远，本色投产却频频让东说念主失望。最常见的判断是模子不够好、数据基础次第不练习，或者职工莫得接收培训。

这种判断在很猛进度上是失实的，或者至少是不完竣的。信得过的问题是坎坷文——具体而言，在AI和数据之间枯竭一个捏久、动态的企业坎坷文层。除非组织领路这意味着什么并相应地构建，不然模子升级和基础次第投资将无法削弱差距。

坎坷文规模

每个企业AI系统——岂论是对话式分析用具、财务野心代理，如故供应链优化器——都通过将东说念主类问题飞舞为机器可实行的任务来运作。要准确地完成这种飞舞，系统需要领路业务、数据的含义、目的的界说、适用的业务限定，以及这些限定怎样随时期演变。

这种领路即是咱们所说的坎坷文。在大多数企业部署中，坎坷文要么缺失，要么不完竣，要么以无东说念主跟踪的速率衰减。

以一家部署财务分析AI系统的公共2000强制造商为例。系统不错拜谒数据仓库并运行查询。然而，当限定触及公司间转账、区域资天职派以及以前两次收购中设定的例外情况时，它能否准确计较各业务部门的毛利率？

这些限定只存在于少数高档财务分析师的脑海中。它们散播在电子表格、三年前的对话记载、未记载的轨制缅想中。当这些分析师轮岗或退休时，这些学问就湮灭了，而清寒坎坷文的AI系统来源生成精准但失实的谜底。

这不是数据质料问题。这是一个坎坷文问题，况且它在各个行业都遍及存在。

指导者领路失实的四个维度

一个有用的坎坷文层有四个结构性条目，而大多数组织在统统这四个方面都作念得不好。

1. 坎坷文必须粗略自学习

最常见的失实是将坎坷文视为一次性实施。组织在启动坎坷文拿获责任上干与无数资金——记号元数据、记载业务界说、编目已批准的查询——然后就觉得完成了，但它经久不会完成。

坎坷文在捏续衰减，况且频频是不行见的：

工程团队演进数据模子时，开云体育·(KAIYUN SPORTS)官方网站模式会发生变化；

上游数据源以无东说念主崇拜文书的形式变化时，数据会发生漂移；

业务目的被从头界说——"ARR"在收购或订价模式变化后含义不同；

业务进程重组，上个季度模样板的逻辑悄然失效。

比及失实浮出水面时，坎坷文频频照旧落后数月了。

要是坎坷文层依赖东说念主类来珍重，东说念主类就会成为瓶颈，况且他们经久在追逐。一个有用的坎坷文引擎需要从使用模式、考证后的谜底和东说念主类校阅中捏续学习，随时期转变而不是退化。

2.坎坷文是多维的，无法在单一位置拿获

企业学问并不存在于单一系统中。它同期存在于：

数据模式中

多年考证的分析师查询所编码的逻辑中

崇拜和非崇拜文档中

语义和元数据层中

以及只存在于东说念主们头脑中的隐性学问中

大多数企业犯的失实是追求单一的坎坷文来源——一个元数据目次、一个语义层、一个数据字典——并期许它承担全部包袱。莫得单一脉络能作念到。

一位众人分析师五年来完善的已批准查询，编码了任何文档责任都无法王人备拿获的业务逻辑。元数据层拿获结构但不拿获含义。语义层拿获界说但不拿获这些界说诳骗中隐含的判断。

一个有用的坎坷文层必须同期杰出统统这些维度，并在每个维度寂寥演进时保捏一致性。

3. 坎坷文层必须在架构上寂寥于底层数据平台

这是大多数组织莫得饱和喜爱的最要紧架构决策。

当坎坷文构建在特定平台内——岂论是云数据仓库、湖仓一体，如故供应商特定的语义层——它就会与该平台的私有结构和API纠缠在一王人。

坎坷文层是数据组织创建的最有价值的学问钞票。它编码了多年的业务逻辑、考证的查询和轨制学问。当该钞票依赖于平台时，开云官网入口 - 开云kaiyun(中国)官网组织就销毁了其架构生动性媾和判筹码。

这因大多数企业照旧靠近的实际而愈加复杂：数据很少只存在于一个处所。典型的公共2000强公司在异构环境中运营：

Snowflake用于企业数据仓库

Databricks用于数据科学责任负载

Salesforce用于CRM

SAP用于ERP

以及一长串不会很快整合的留传和部门系统

在这些平台中任何一个里面构建的坎坷文层只可拿获该平台所见的内容，仅此长途。最要紧的业务问题——将收入绩效与运营数据和客户行径干系起来——需要杰出统统这些平台的坎坷文。

因此，详细不仅是对未来平台变化的对冲，它是唯独粗略工作于现在企业数据本色存在形式的架构。

数据栈在演进，挪动在发生，今天最优的平台在三年后可能就不是最优的了。将坎坷文层详细化的组织现在不错工作其数据环境的全部广度，并在进行平台过渡时无需从头来源，而那些莫得这么作念的组织在两个维度上都受到限度，频频唯独在挪动照旧进行时才发现资本。

4. 每个AI智能体都袭取坎坷文问题，并使其恶化

第四个维度现在才变得进军，因为企业正从数字助理和聊天机器东说念主转向自主智能体。

有了数字助理，东说念主类就在回路中。分析师阅读谜底、诳骗判断、发现失实。响应轮回是宽宏的。

智能模样AI的界说特征是它在莫得捏续的东说念主类检讨的情况下运行。智能体自主运行查询、合成数据、生成呈报，并触发下贱责任流——大限度、捏续地进行。

这种自主性是价值想法，亦然为什么底层坎坷文层的质料变得不行谐和的原因。

一个成就不妥的模样板将失实数字传递给一次会议中的一个东说念主。一个基于退步或不完竣坎坷文运行的智能体，在职何东说念主意志到出了问题之前，就将该失实传播到数十个下贱系统和决策中。

使智能体有价值的自主性，通常亦然使厄运坎坷文如斯危境的属性。一个组织部署的每个智能体的确实度，只取决于撑捏它的坎坷文。而以机器速率托福、镶嵌自动化责任流中的自信但失实的谜底，代表着一个恭候发生的治理失败。

投资决策框架

关于评估AI投资的高档指导者，有四个问题值得顺利发问：

系统会学习吗，如故需要手动珍重？

依赖东说念主类策展的坎坷文层会衰减，因此值得专门操办供应商，坎坷文怎样随时期更新，以及需要若干东说念主力来保捏其准确性。

它拿获了若干维度的坎坷文？

只经管一个脉络——元数据、语义界说或查询历史——的经管决策值得怀疑。更可靠的系统集成多个坎坷文维度，并在每个维度演进时保捏一致性。

坎坷文是可移植的吗？

要是组织需要在两年内挪动数据平台，它照旧构建的坎坷文会发生什么？谜底揭示了架构中镶嵌了若干策略锁定。

智能体的治理模子是什么？

在部署自主智能体之前，组织应该粗略推崇这些智能体基于什么坎坷文、该坎坷文怎样考证，以及存在什么机制在失实传播之前检测和校阅它们。

策略酷好酷好

在顺利的企业AI部署中出现的模式是一致的。产生捏久价值的组织不一定是领有最大模子或最多数据的组织。

它们是那些投资于一个鲜美、多维、平台寂寥的坎坷文层，并将其视为策略钞票而非实施细节的组织。

关于限度化运营的企业来说，构建和珍重该坎坷文层即是AI投资。

现在雄厚到这小数的组织将竖立复利上风开云kaiyun(中国)官网，而那些忽略的组织将发现我方堕入一个上流且反复的轮回——试点在演示中令东说念主印象长远，在坐褥中却令东说念主失望。