重点摘要
- 企业本体论是一份机器可读的业务定义：有哪些实体、各有什么属性、彼此如何关联、适用哪些规则。
- 两个 AI 智能体即使数据准确，只要对“同店销售”的口径不同，就会向管理层交出两个数字。
- Snowflake 于 2026 年 11 月推出 Business Ontology（私有预览），微软也有 Fabric IQ 本体论。
- 先从董事会报告中最常出现的十到二十个指标开始，每个指标指定负责人，并像代码一样管理版本。
一家在香港与大湾区经营门店的零售连锁企业，月度经营会上出现了尴尬一幕：财务 AI 智能体报告同店销售增长 3%，运营 AI 智能体却说下降 1%。两者读取的是同一个销售系统。
差异来自口径：财务把开业满十二个月的门店计入，运营只计算当月整月营业的门店。没有人写下公司的正式口径，智能体便各取所需。
什么是企业本体论？
企业本体论（Business Ontology）是一份覆盖全公司、机器可读的业务词汇表，定义企业关心的实体（例如客户、商品、门店）、每个实体的属性、实体之间的关系以及适用的计算规则，使所有员工、报表与 AI 智能体都采用同一个经批准的含义。
微软在 Fabric IQ 官方培训内容中的描述是：本体论用“实体类型”表示业务中的事物，用“属性”表示事物的事实，用“关系”表示它们之间的联系，例如“客户下订单”。它与部门数据模型最大的区别在于范围：本体论把一个概念标准化一次，然后在全公司复用。
为什么 AI 智能体需要企业本体论？
因为企业正从一个聊天机器人，走向由不同团队、在不同平台上搭建的多个 AI 智能体。每个智能体对“客户”“订单”“区域”各有理解，一旦理解出现分歧，就会用同一份准确数据自信地给出互相矛盾的答案。本体论为它们提供共同参照。
这已是主流平台的重点方向。Snowflake 在 2026 年 11 月 3 日的 Expedition 2026 大会上发布 Business Ontology，让企业设定全公司通用的经批准定义，理由正是上述情境：缺少标准定义，两个智能体即使数据准确，也可能对同一个业务问题给出不相容的答案。该功能目前处于私有预览阶段。
微软也于 2026 年 3 月把 Fabric IQ 本体论通过 MCP 开放给任何智能体。
企业本体论如何运作？
本体论位于数据系统与 AI 智能体之间。智能体用业务术语提问，本体论把术语转换为正确的数据表、关联方式与筛选条件，套用已约定的规则，再返回以批准定义为依据的答案，而不是由智能体自行推测。
- 实体： 业务中的名词，例如门店、商品、供应商、生产批次。
- 属性： 每个实体的事实，例如门店的开业日期与面积。
- 关系： 实体之间如何关联，例如一个供应商供应多个商品。
- 规则与指标： 经批准的计算逻辑，例如“同店销售只计算开业满十二个月且当月整月营业的门店”。
企业本体论与语义层、RAG 有什么区别？
三者解决的问题不同。语义层统一报表工具的指标计算；RAG 从文档中检索相关段落；本体论则界定业务概念的含义与相互关系。成熟的企业架构往往三者并用：RAG 处理制度与合同文档，本体论处理定义与实时业务状态。
| 方法 | 回答什么问题 | 适用场景 | 做不到什么 |
|---|---|---|---|
| 语义层 | 这个指标怎么算？ | 统一 BI 报表 | 多数只服务分析，不涉及智能体行动 |
| RAG | 哪段文档内容相关？ | 制度、合同、手册 | 无法界定实时业务状态 |
| 企业本体论 | 这个术语在本公司是什么意思？ | 让多个智能体共用一套词汇 | 无法修复劣质源数据 |
企业本体论在实际业务中是什么样子？
通常从小而实用的范围开始：把驱动董事会报告与客户承诺的二十个左右指标整理成受管控清单，每个指标附有定义、负责人、源系统与计算逻辑，并要求所有智能体与报表都必须从这份清单读取。
零售连锁
统一“同店销售”“活跃会员”“缺货率”口径后，补货与营销智能体的建议才能放在一起比较。
在个人信息方面，本体论也是标记哪些实体与属性属于个人资料、谁可以使用的合适位置。规则附着在概念上，而不是在每个智能体中重复设置，这有助于落实香港个人资料私隐专员公署《人工智能：个人资料保障模范框架》倡导的数据最小化与治理做法。
企业搭建本体论时最常见的错误是什么？
常见错误包括：把它视为纯 IT 数据建模项目、试图一次为整个公司建模、定义没有业务负责人，以及以为购买平台功能就能解决本质上源于部门考核口径不同的分歧。
- 全部交给 IT： 工程师可以绑定数据，但“活跃”或“良品”的含义只能由业务部门决定。
- 范围过大： 覆盖所有数据表的本体论可能两年都无法上线；只覆盖董事会报告指标的版本，几周内即可使用。
- 回避部门分歧： 口径冲突往往反映不同的考核制度，应交由该 KPI 的负责高管拍板。
- 缺少版本管理： 战略调整，口径也会调整。每次修改定义都应像修改制度一样注明生效日期。
一套词汇，多个智能体
2026 年真正从 AI 智能体获得成效的企业，未必拥有最多模型，而是先把业务术语的含义写清楚，并要求每个智能体都从同一页读取。
懂AI的冷，更懂你的难。UD 同行28年，让科技成为有温度的陪伴
从一个岗位、一套定义开始
AI 员工是否可靠，取决于它所依据的业务定义。预约免费 AI 员工配置评估，UD 团队手把手带你完成每一步，从梳理第一个 AI 岗位所需的业务口径，到部署在香港本地服务器或你的私有云。
常见问题
一定要用 Snowflake 或微软 Fabric 才能搭建本体论吗？
不一定。这些平台让本体论更容易提供给智能体使用，但最耗时的是约定定义与负责人。企业可以先从受管控的业务词汇表开始，术语稳定后再迁移到平台。
企业本体论与数据字典有什么区别？
数据字典描述单一系统内的字段；本体论描述跨系统的业务概念，包括概念之间的关系与规则，并以 AI 智能体可以直接查询的格式存放。
应该由谁负责企业本体论？
每个定义应由对该 KPI 负责的高管拥有，数据团队负责技术绑定，治理小组处理冲突并审批修改。
本体论能否帮助遵守香港《个人资料（私隐）条例》？
可以提供帮助。在概念层面标记个人资料后，访问与最小化规则只需设置一次，符合私隐专员公署 AI 框架的治理方向，但不能替代私隐影响评估。