近期，企業(yè)級AI智能體的發(fā)展備受關(guān)注，Palantir提出的“FDE模式”和“本體論”成為眾多AI企業(yè)學(xué)習(xí)的焦點(diǎn)。用友在繼FDE模式后，又提出了本體驅(qū)動的智能體解決方案，旨在解決企業(yè)AI落地過程中的“最后一公里”難題。

當(dāng)前，企業(yè)在應(yīng)用AI技術(shù)時(shí)面臨諸多挑戰(zhàn)。大模型本身存在技術(shù)局限，如幻覺問題、知識更新滯后以及推理能力不足等。例如，在涉及高精度匯率換算時(shí)，多數(shù)大模型難以準(zhǔn)確計(jì)算；處理大規(guī)模數(shù)據(jù)時(shí)，受限于輸入長度，大模型難以結(jié)合上下文進(jìn)行有效分析。為提高準(zhǔn)確性，企業(yè)不得不投入大量工程化手段，如通過模型知識與外掛知識庫結(jié)合的方式，但知識庫的持續(xù)迭代和維護(hù)成本高昂。

智能體成為企業(yè)落地大模型的主要方式。據(jù)統(tǒng)計(jì)，企業(yè)智能體中，20%來自廠商提供的通用場景，20%由IT與業(yè)務(wù)部門合作建設(shè)，60%則由業(yè)務(wù)部門自行開發(fā)。然而，智能體的廣泛應(yīng)用也帶來了新問題，如數(shù)據(jù)孤島、多模態(tài)數(shù)據(jù)融合困難、思考能力不足以及缺乏業(yè)務(wù)邏輯理解等。例如，不同智能體間的數(shù)據(jù)可能不一致，底層數(shù)據(jù)結(jié)構(gòu)變動時(shí)，維護(hù)工作繁重；非結(jié)構(gòu)化與結(jié)構(gòu)化數(shù)據(jù)難以統(tǒng)一使用；外掛知識庫僅靠記憶碎片回答問題，無法真正理解業(yè)務(wù)邏輯；面對應(yīng)收賬款風(fēng)險(xiǎn)時(shí)，AI無法判斷后續(xù)處置措施。

針對這些問題，用友提出了本體驅(qū)動的智能體解決方案。本體被定義為現(xiàn)實(shí)世界的數(shù)字孿生，涵蓋對象、屬性、關(guān)系、規(guī)則、模擬測算以及行動與反饋六個(gè)方面。通過本體，企業(yè)可以基于結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)自動創(chuàng)建圖譜，并將其作為節(jié)點(diǎn)編排到意圖流中調(diào)用。這一方案使智能體能夠結(jié)合語義理解進(jìn)行數(shù)據(jù)洞察，提升決策的準(zhǔn)確性和實(shí)時(shí)性。

以報(bào)銷單管理為例，用友的AI助手通過“一句話構(gòu)建本體”功能，自動從相關(guān)數(shù)據(jù)表中提取信息，生成本體圖譜。用戶可以查看圖譜中的報(bào)銷單詳情，包括帶參數(shù)的動作、規(guī)則和數(shù)據(jù)實(shí)例。本體創(chuàng)建后，可在編排流程中調(diào)用相關(guān)節(jié)點(diǎn)，實(shí)現(xiàn)費(fèi)控智能體的問答功能。這一方案不僅提升了數(shù)據(jù)處理效率，還增強(qiáng)了智能體的業(yè)務(wù)理解能力。

本體驅(qū)動的智能體方案在穩(wěn)定性、準(zhǔn)確性、智能決策、進(jìn)化能力、實(shí)時(shí)性、開放性和安全性等方面具有顯著優(yōu)勢。通過引入本體，企業(yè)AI架構(gòu)從傳統(tǒng)的RAG模式升級為OAG模式，使智能體能夠真正理解業(yè)務(wù)操作。未來，企業(yè)AI架構(gòu)將分為三層：底層是數(shù)據(jù)層，中間是本體層，上層是智能應(yīng)用層，包括Agent平臺和具體Agent。

在實(shí)際應(yīng)用中，本體驅(qū)動的智能體方案已展現(xiàn)出巨大潛力。例如，在客戶標(biāo)簽管理中，本體使企業(yè)能夠更精細(xì)地控制排程優(yōu)先級；在銷售員績效管理中，AI可根據(jù)拜訪記錄自動打分，提升評價(jià)的及時(shí)性和準(zhǔn)確性；在原材料價(jià)格上漲問題中，本體支持實(shí)時(shí)調(diào)價(jià)模擬和測算；在能源集團(tuán)財(cái)務(wù)分析中，本體確保了多維度數(shù)據(jù)的統(tǒng)一性；在金融業(yè)務(wù)問數(shù)中，本體通過統(tǒng)一入口實(shí)現(xiàn)智能體間的交叉驗(yàn)證，保障了數(shù)據(jù)準(zhǔn)確性。

有觀點(diǎn)認(rèn)為，本體可視為加強(qiáng)版的知識圖譜，不僅包含名詞間的關(guān)系，還涵蓋動詞等動態(tài)信息。通過本體，大模型能夠梳理和理解業(yè)務(wù)概念之間的聯(lián)系，從而在理解業(yè)務(wù)關(guān)系的基礎(chǔ)上進(jìn)行回答，比傳統(tǒng)RAG模式更準(zhǔn)確。然而，本體自動創(chuàng)建的準(zhǔn)確性仍需人工檢查和調(diào)整，不同領(lǐng)域數(shù)據(jù)創(chuàng)建的本體如何合成企業(yè)內(nèi)唯一本體，以及本體層與數(shù)據(jù)中臺數(shù)據(jù)模型層的關(guān)系等問題，仍需進(jìn)一步探討。