第 32 页 · 文字版
完整讲稿 / 03
从管理判断到系统执行 完整讲稿 · 续
考核同样要配合。如果销售只看签约金额,交付只看自己部门的成本,双方可能都完成了指标, 项目却没做好。需要让相关负责人共同关注承诺是否兑现,同时保留各岗位能够控制的指标。
这些安排确定以后,才有依据设计每个阶段的推进条件、授权和例外处理。否则,把模糊的分工 交给Agent,它还是得不停找人确认。
不过,管理规则讲清楚了,AI也未必能直接使用。它还需要理解系统里的业务。
一笔生意,在CRM里有机会编号,在合同系统里有合同号,交付时又有项目号。员工常常知道 这些记录怎么对应,Agent却不能靠名称相似就认定它们是一回事。
这时就会涉及Ontology,也就是本体:用明确的业务对象和关系,组织大家对业务的共同理解。
知识库帮助找到材料,API提供查询和操作入口。本体可以进一步说明:这份合同对应哪些项目 ,某个付款节点需要哪些依据,“完成”究竟指交付结束还是客户已经验收。
这些能力可能集成在同一平台里,不一定要另建一套系统。简单场景,现有数据模型就可能够用 ;多个应用反复解释同一批对象,跨系统状态经常对不上,统一业务语义才更有价值。
还是拿开票来说,Agent要找到对应的合同和付款节点,检查约定条件,引用相关证据,再发起 申请。有预付款的合同,就不能套用“先验收再开票”的规则。
所以,让AI读懂合同之后,还得让它知道,这份合同在当前状态下允许做什么。
Palantir的Ontology实现,把对象、关系和动作、安全控制等能力连接起来,可以作为参考。[2] 但一张本体模型不会自动解决数据冲突,权限也需要具体系统来执行。
如果几个部门对哪份记录可信都没有共识,多加一层模型,并不会让分歧消失。
把这些内容放进架构图,Agent的位置就比较清楚了。
底层还是企业现有的CRM、合同、项目和财务系统,保存相应的业务记录。
心晴九天 · 公开学习资料 · 2026.09 32
文字版便于检索与复制,图表和排版请切回「图文」。