AI 本体论：为什么企业 AI 不是缺模型，而是缺一套世界模型？

云与数字化 | 企业 AI、本体论、知识图谱、CMDB 与连接器

企业 AI 落地真正缺的，往往不是更聪明的模型，而是一套能让模型理解企业世界的对象、关系、规则和动作。

这就是我理解的 AI 本体论：不是哲学名词，而是企业 AI 的世界模型。

最近连续写了几篇企业 AI、开源 ITSM、连接器、CMDB、GEO 的文章。越写越发现，这些看似不同的主题，其实都指向同一个底层问题：AI 要真正进入企业，不只是要理解自然语言，还要理解企业自己的世界。

一个员工说“帮我申请一台开发机器”，人类主管能听懂，因为他知道员工是什么角色、机器是什么资产、申请走什么流程、谁审批、库存在哪里、预算归哪个成本中心、交付后要不要进 CMDB。但 AI 如果没有这些结构化上下文，最多只能写一段建议，无法可靠执行。

这不是模型不会推理，而是企业没有把自己的业务世界建模出来。模型面对的是一堆散落的 SaaS、文档、表单、接口、审批流和聊天记录，却缺少一套统一的语义骨架。

01

本体论不是玄学，是对业务世界的显式建模

在知识工程里，本体论通常指对某个领域概念和关系的显式、形式化描述。它定义这个领域里有哪些对象、对象有哪些属性、对象之间有什么关系，以及这些关系受到什么约束。

说得更直白一点，本体论就是回答四个问题：这个世界里有什么？它们分别是什么类型？它们之间有什么关系？哪些事情是允许发生的，哪些是不允许发生的？

比如在企业 IT 世界里，“员工”是一个对象，“工单”是一个对象，“配置项”是一个对象，“服务”是一个对象，“变更”是一个对象。“员工提交工单”“工单影响配置项”“变更关联服务”“服务受 SLA 约束”，这些就是对象之间的关系。

没有本体论，AI 只能看见文本；有了本体论，AI 才开始看见业务世界。

这不是学术装饰，而是企业 AI 从“会说话”走向“能做事”的前提。

02

为什么大模型很强，企业 AI 还是经常落不了地

大模型已经很擅长理解语言、总结文档、生成内容、解释代码、回答常识问题。但企业落地时，问题不是模型不会说，而是它不知道企业内部的对象和规则。

它不知道“高级变更”和“普通变更”在公司制度里有什么区别；不知道某个服务器属于哪个业务系统；不知道一个告警是否影响核心链路；不知道一个审批动作是否需要部门负责人和安全负责人同时确认；不知道某个 SaaS 里的“客户”是否等同于 CRM 里的“账户”。

在这些场景里，仅靠提示词很难解决问题。提示词可以告诉模型“请谨慎操作”，但不能替代对象模型、权限模型、流程模型、资产模型和审计模型。

所以企业 AI 的瓶颈，很多时候不是“模型参数不够大”，而是“企业世界没有被结构化表达”。模型再强，如果面对的是一堆语义不一致、关系不清楚、权限不明确的数据，也很难可靠执行。

03

企业世界模型，至少包括四层

如果把 AI 本体论放到企业数字化里，我认为可以先从四层理解：对象层、关系层、规则层、动作层。

对象层：企业里有哪些核心对象。

员工、部门、角色、客户、合同、订单、资产、配置项、服务、工单、事件、问题、变更、知识文章、SLA、连接器、工具、成本中心，这些都是企业 AI 需要理解的对象。

关系层：对象之间如何连接。

员工属于部门，部门拥有成本中心，服务依赖配置项，变更影响服务，事件关联告警，工单关联知识库，连接器暴露工具，工具触发外部系统动作。

规则层：哪些事情可以发生。

谁能审批，谁能关闭工单，什么变更必须 CAB 审批，哪些动作需要二次确认，哪些数据不能跨租户访问，哪些 AI 建议必须留审计记录。

动作层：系统能执行什么。