文章正文markdown格式数据
AI需要强大的数据编织来交付商业价值
现代数据编织能够将现有企业知识转化为可信的AI基础。
作者：麻省理工科技评论洞察
日期：2026年4月22日
人工智能在企业中正迅速从实验阶段走向日常应用。各机构正在财务、供应链、人力资源和客户运营等领域部署智能助手、智能体和预测系统。根据近期一项调查，到2025年底，半数公司至少在三个业务职能中使用了AI。
但随着AI融入核心工作流，商业领袖们发现，最大的障碍并非模型性能或计算能力，而是这些系统所依赖的数据的质量与上下文。AI本质上引入了一个新要求：系统不仅要能访问数据，还必须理解数据背后的业务上下文。
某机构数据与分析业务总裁兼首席产品官表示，没有上下文，AI能快速生成答案，但仍可能做出错误决策。“AI非常擅长产生结果，”他说，“它运行很快，但缺乏上下文就无法做出正确判断，而正确的判断才是为业务带来投资回报的关键。没有判断的速度不仅无益，反而可能有害。”
在自主系统和智能应用新兴时代，这种上下文层变得至关重要。该首席产品官指出，为了提供上下文，企业需要一个精心设计的数据编织——它能做的远不止数据集成。正确的数据编织能让机构安全地扩展AI，协调跨系统和智能体的决策，并确保自动化反映真实的业务优先级，而不是孤立地做出决策。
认识到这一点，许多机构正在重新思考其数据架构。他们不再简单地将数据移入单一存储库，而是寻求跨应用程序、云和运营系统连接信息的方法，同时保留描述业务运行方式的语义。这种转变正推动业界对数据编织作为AI基础设施基础的兴趣日益增长。
上下文丢失是AI的一个关键问题
传统数据策略主要集中在数据聚合上。过去二十年，机构投入巨资从运营系统中提取信息，并将其加载到集中式数据仓库、数据湖和仪表板中。这种方法使跨业务运行报告、监控绩效和生成洞察变得更加容易，但在此过程中，附加在数据上的许多含义（如数据与策略、流程和实际决策的关系）却丢失了。
以两家使用AI管理供应链中断的公司为例。如果一家使用原始信号（如库存水平、提前期和供应评分），而另一家在业务流程、策略和元数据之上添加上下文，那么两个系统都将快速分析数据，但很可能会得出不同的结论。
该首席产品官表示，诸如哪些客户是战略客户、短缺期间可接受哪些权衡、扩展供应链的状态等信息，将使一个AI系统能够做出战略决策，而另一个则缺乏正确的上下文。“两个系统都运行得非常快，但只有一个朝着正确的方向前进，”他说，“这就是上下文溢价，也是当你的数据基础在设计上跨流程、策略和数据保留上下文时所获得的优势。”
过去，机构隐含地管理了上下文的缺失，因为人类专家提供了缺失的信息；但有了AI，这就出现了不足，并带来了严重的限制。AI系统不仅展示信息，还会据此采取行动。如果一个系统不解释数据为何重要，AI模型可能会优化出错误的结果。库存数字、付款历史或需求信号可能是准确的，但它们不一定揭示哪些客户必须优先、哪些合同义务适用，或哪些产品具有战略重要性。结果，系统可能产生技术上正确但操作上有缺陷的答案。
这一认识正在改变企业对AI就绪度的思考方式。多数人承认，他们尚未具备成熟的数据流程和基础设施来信任自己的数据和AI系统。只有五分之一的机构认为自己的数据方法高度成熟，只有9%的机构认为已完全准备好与自身数据系统进行集成和互操作。
不要整合，要集成
正在兴起的解决方案是数据编织：一个跨越基础设施、架构和逻辑组织的抽象层。对于代理型AI，数据编织成为主要接口，使智能体能够与业务知识交互，而非与原始存储系统交互。知识图谱在其中扮演核心角色，使智能体能够使用自然语言和业务逻辑查询企业数据。
数据编织的价值依赖于三个组成部分：提供速度的智能计算能力、提供业务理解和上下文的知识池，以及基于这种理解提供自主行动的智能体。该首席产品官表示，这三者的协同工作能力正是其强大之处。
该技术提供了架构——一个使智能体之间能够通信和协作的基础。流程将定义业务和IT如何共享所有权，并建立治理和一种人们足够信任以便采用的文化。现在，这三者必须协同工作，业务数据编织才能真正成功。
“它赋能了自信、一致的决策。当所有这些要素结合在一起时，AI不仅能分析和解释数据，还能驱动更智能、更快速的决策，真正创造业务影响，”他说，“这就是精心设计的业务数据编织的承诺：每个部分相互强化，每项洞察都基于信任和清晰。”
从技术上讲，构建数据编织层需要几种能力。数据必须通过联邦（而非强制整合）跨多种环境可访问。需要一个语义或知识层来协调跨系统的含义，通常由知识图谱和目录驱动的元数据支持。治理和策略执行也必须跨数据编织运作，以便AI系统能够安全、一致地访问数据。这些元素共同创建了一个基础，使AI能够与业务知识而非原始存储系统交互——这是从实验走向真正企业自动化的关键一步。
超越数据孤岛和仪表板
在新兴的代理型AI时代，基于数据进行监控、分析和决策的职责日益转移到软件上。AI智能体可以实时监控事件、触发工作流并做出决策，通常无需人工直接干预。这种速度创造了新的机会，但也提高了风险。当多个智能体在财务、供应链、采购或客户运营中运行时，它们必须受到对业务优先级相同理解的指导。如果没有连接不同数据源的公共知识层，系统间的协调很快就会崩溃。一个系统可能为利润率优化，另一个为流动性优化，还有一个为合规性优化，每个都基于不同的数据片段运行。
重要的是，该首席产品官表示，大多数企业已经拥有使这一切工作所需的大量知识。多年的运营数据、主数据、工作流和策略逻辑已存在于业务应用程序中——企业只需使其可访问。部署数据编织的公司获得了对其数据的更大信任，超过三分之二的企业看到了数据可访问性、数据可见性的改善，并加强了对数据的控制。
“机会不在于从头发明上下文，而在于激活并连接你业务中已存在的上下文，”他继续说，并补充道，数据编织是“确保数据语义、业务流程和策略作为统一系统跨所有云连接起来的架构。”
*本内容由 Insights 制作，这是《麻省理工科技评论》的定制内容部门。它并非由《麻省理工科技评论》的编辑人员撰写。它由人类作者、编辑、分析师和插画师进行研究、设计和撰写，包括调查和调查数据收集。可能使用的AI工具仅限于经过人工严格审查的二次制作流程。*FINISHED
