重點摘要
- 企業本體論是一份機器可讀的業務定義：有哪些實體、各有什麼屬性、彼此如何關連、適用哪些規則。
- 兩個 AI 代理即使數據準確，只要對「活躍客戶」的理解不同，就會向管理層交出兩個數字。
- Snowflake 於 2026 年 11 月推出 Business Ontology（私人預覽），Microsoft 亦有 Fabric IQ 本體論。
- 先從董事會報告中最常出現的十至二十個詞開始，每個詞指定負責人，並像程式一樣管理版本。
一家香港保險經紀公司的季度檢討會上，續保 AI 代理報告「活躍客戶」有 4.2 萬名，市場推廣 AI 代理卻說是 5.1 萬名。兩者讀取同一個客戶系統，數據沒有錯，錯在沒有人寫下公司究竟怎樣定義「活躍」。
前者只計算持有生效保單的客戶，後者把過去一年曾查詢報價的人也算進去。這不是模型問題，而是定義問題，企業本體論正是為此而設。
什麼是企業本體論？
企業本體論（Business Ontology）是一份覆蓋全公司、機器可讀的業務詞彙表，定義企業關心的實體（例如客戶、保單、分店）、每個實體的屬性、實體之間的關係，以及適用的計算規則，令所有員工、報表與 AI 代理都採用同一個經批准的意思。
Microsoft 在 Fabric IQ 的官方培訓內容中這樣描述：本體論以「實體類型」表示業務中的事物，以「屬性」表示事物的事實，以「關係」表示它們之間的連繫，例如「客戶下訂單」。它與部門數據模型的最大分別在於範圍：銷售報表模型只服務一個部門，本體論則把一個概念標準化一次，然後在全公司重用。
為什麼 AI 代理需要企業本體論？
因為企業正由一個聊天機械人，走向由不同團隊、在不同平台上建立的多個 AI 代理。每個代理對「客戶」「訂單」「地區」各有理解，理解一旦分歧，就會用同一份準確數據自信地給出互相矛盾的答案。本體論提供一個共同參照。
這已是大型平台的優先事項。Snowflake 於 2026 年 11 月 3 日的 Expedition 2026 大會上發布 Business Ontology，讓企業設定全公司通用的經批准定義。Snowflake 的理由正是上述情境：沒有標準定義，兩個代理即使數據準確，也可能對同一條業務問題給出不相容的答案。該功能目前處於私人預覽階段。
Microsoft 亦於 2026 年 3 月把 Fabric IQ 本體論經 MCP 開放給任何代理使用。
企業本體論怎樣運作？
本體論位於數據系統與 AI 代理之間。代理以業務用語提問，本體論把用語轉換為正確的數據表、連接方式與篩選條件，套用已協定的規則，再返回以批准定義為基礎的答案，而不是由代理自行猜測。
- 實體： 業務中的名詞，例如客戶、保單、理賠個案。
- 屬性： 每個實體的事實，例如保單的生效日與到期日。
- 關係： 實體如何連繫，例如一名客戶持有多張保單。
- 規則與指標： 經批准的邏輯，例如「活躍客戶指持有至少一張生效保單的客戶」。
企業本體論與語義層、RAG 有何分別？
三者解決不同問題。語義層統一報表工具的指標計算；RAG 從文件中找出相關段落；本體論則界定業務概念的意思與彼此關係。成熟的企業架構通常三者並用：RAG 處理政策與合約文件，本體論處理定義與即時業務狀態。
| 方法 | 回答什麼問題 | 適用範圍 | 做不到什麼 |
|---|---|---|---|
| 語義層 | 這個指標怎樣計算？ | 統一 BI 報表 | 多數只服務分析，不涉及代理行動 |
| RAG | 哪段文件內容相關？ | 政策、合約、手冊 | 不能界定即時業務狀態 |
| 企業本體論 | 這個詞在本公司是什麼意思？ | 讓多個代理共用一套詞彙 | 不能修正劣質的來源數據 |
香港企業怎樣應用企業本體論？
通常由小而實際的範圍開始：把驅動董事會報告與客戶承諾的二十個左右用語整理成受管控清單，每個用語附有定義、負責人、來源系統與計算邏輯，並規定所有代理與報表都必須從這份清單讀取。
保險與金融服務
保單系統、客戶關係管理系統與理賠平台各有一套「客戶」定義。在讓 AI 代理草擬續保優惠之前，先統一客戶、失效保單與家庭單位三個定義，各渠道的建議才可以互相比較。
個人資料方面，本體論亦是標示哪些實體與屬性屬於個人資料、誰可以使用的合適位置。規則附在概念上，而不是在每個代理內重複設定，這有助落實私隱專員公署《人工智能：個人資料保障模範框架》所提倡的資料最少化與管治做法。
企業建立本體論時最常犯什麼錯誤？
常見錯誤包括：把它當作純 IT 數據建模項目、試圖一次為整間公司建模、定義沒有業務負責人，以及以為購買平台功能就能解決本質上屬於部門之間考核方式不同的分歧。
- 全數交給 IT： 工程師可以連結數據，但「活躍」或「準時」的意思只能由業務部門決定。
- 範圍過大： 覆蓋所有數據表的本體論可能做兩年也無法上線；只覆蓋董事會報告用語的版本，數週內便可使用。
- 迴避部門分歧： 定義衝突往往反映不同的考核制度，應交由擁有該 KPI 的高層拍板。
- 沒有版本管理： 策略改變，定義也會改變。每次修改定義都應像修改政策一樣，註明生效日期。
一套詞彙，多個代理
2026 年真正從 AI 代理取得成效的企業，未必擁有最多模型，而是先以書面寫清楚業務用語的意思，並要求每個代理都從同一頁讀取。
懂AI的冷，更懂你的難。UD 同行28年，讓科技成為有溫度的陪伴
由一個職位、一套定義開始
AI 員工是否可靠，取決於它所依據的業務定義。預約免費 AI 員工配置評估，UD 團隊手把手帶你完成每一步，由整理第一個 AI 職位所需的業務定義，到部署於香港本地伺服器或你的私有雲。
常見問題
一定要用 Snowflake 或 Microsoft Fabric 才能建立本體論嗎？
不一定。這些平台令本體論更容易提供給代理使用，但最花時間的是協定定義與負責人。企業可以先由受管控的業務詞彙表開始，用語穩定後再遷移到平台。
企業本體論與數據字典有什麼分別？
數據字典描述單一系統內的欄位；本體論描述跨系統的業務概念，包括概念之間的關係與規則，並以 AI 代理可以直接查詢的格式存放。
應由誰負責企業本體論？
每個定義應由對該 KPI 負責的高層擁有，數據團隊負責技術連結，管治小組批准修改。
本體論能否協助遵守《個人資料（私隱）條例》？
可以提供協助。在概念層面標示個人資料，存取與最少化規則只需設定一次，符合私隱專員公署 AI 框架的管治方向，但不能取代私隱影響評估。