這個(gè)問(wèn)題其實(shí)是兩個(gè)問(wèn)題。先答第一個(gè)。
5 層能力 + 1 層橫向貫穿的治理。
自下而上：
L5 執(zhí)行層 讓 AI 把活干完（調(diào)度 + 審批 + 回寫(xiě)）
L4 語(yǔ)義層 這些數(shù)據(jù)和知識(shí)在業(yè)務(wù)上意味著什么（本體）
L3 知識(shí)層 企業(yè)過(guò)去沉淀了什么（制度/規(guī)范/案例）
L2 數(shù)據(jù)層 企業(yè)現(xiàn)在發(fā)生了什么（訂單/庫(kù)存/資金）
L1 模型層 通用智能底座
─────── 治理層：橫向貫穿全部 5 層 ───────很多人以為企業(yè) AI = 模型層 + 知識(shí)層，做完 RAG 就完事了。但真正卡住"進(jìn)不了業(yè)務(wù)流程"的，是 L4 和 L5。
這是我更想強(qiáng)調(diào)的部分。企業(yè)最容易犯的錯(cuò)，是拿"我們買(mǎi)了什么"去倒推"我們?nèi)笔裁?。正確的方式是看癥狀：
| 缺哪一層 | 你會(huì)看到什么 |
|---|---|
| 缺數(shù)據(jù)層 | AI 能聊，但查不到企業(yè)真實(shí)數(shù)據(jù)，答案沒(méi)法核實(shí) |
| 缺知識(shí)層 | 制度、規(guī)范、歷史案例檢索不到，回答給不出引用出處 |
| 缺語(yǔ)義層 | 同一個(gè)指標(biāo)各部門(mén)口徑不一；跨系統(tǒng)對(duì)象對(duì)不上；能做檢索，但做不了歸因和推導(dǎo) |
| 缺執(zhí)行層 | 只能給建議，審批、下單、回寫(xiě)還是得人去點(diǎn) |
| 缺治理層 | 不知道 AI 調(diào)了什么數(shù)據(jù)、做了什么動(dòng)作、花了多少錢(qián)，出事沒(méi)法追溯 |
最常見(jiàn)的投入錯(cuò)位：模型層砸錢(qián)最多，語(yǔ)義層和執(zhí)行層投入最少。 而決定 AI 能不能進(jìn)業(yè)務(wù)流程的，恰恰是后兩層。
按順序問(wèn)，別跳（因?yàn)樯蠈右蕾?lài)下層）：
卡在第 4 題 = 語(yǔ)義層缺失?？ㄔ诘?5 題 = 執(zhí)行層缺失。
這兩種情況，繼續(xù)加大模型投入都解決不了。這不是我的判斷，是很多團(tuán)隊(duì)返工兩個(gè)月才明白的事。
語(yǔ)義層回答的是：這些數(shù)據(jù)和知識(shí)在業(yè)務(wù)上意味著什么。
舉個(gè)能說(shuō)明差別的例子：
第三層，是"能決策"和"只會(huì)報(bào)警"的分界線(xiàn)。
兩個(gè)常見(jiàn)誤解要澄清：
誤解一：本體就是知識(shí)圖譜換了個(gè)名字。
不是。本體定義業(yè)務(wù)概念及關(guān)系，知識(shí)圖譜承載具體實(shí)體和關(guān)聯(lián)數(shù)據(jù)，兩者經(jīng)常配合使用。本體還強(qiáng)調(diào)把對(duì)象、規(guī)則、事件和動(dòng)作結(jié)合起來(lái)，讓智能體能理解并調(diào)用業(yè)務(wù)能力。
誤解二：既然有 RAG 了就不用本體了。
看場(chǎng)景。簡(jiǎn)單文檔問(wèn)答，RAG 就夠。但只要任務(wù)涉及跨系統(tǒng)語(yǔ)義、規(guī)則和業(yè)務(wù)動(dòng)作，就需要本體——這也是業(yè)內(nèi)從 RAG 走向 OAG（Ontology-Augmented Generation，本體增強(qiáng)生成）的分界。
有個(gè)數(shù)據(jù)可以參考：Gartner 在 2026 年 5 月 11 日發(fā)布的研究預(yù)測(cè)，到 2027 年，在 AI-ready 數(shù)據(jù)中優(yōu)先采用語(yǔ)義的組織，其智能體 AI 準(zhǔn)確率可提升高達(dá) 80%、成本可降低高達(dá) 60%。報(bào)告里還有一句很扎心的話(huà)：僅靠基于 schema 的數(shù)據(jù)模型已經(jīng)不夠了，因?yàn)樗狈I(yè)務(wù)上下文和數(shù)據(jù)含義。
執(zhí)行層要做的是：意圖理解 → 任務(wù)拆解 → 智能體與 Skill 選型 → 多智能體分工調(diào)度 → 業(yè)務(wù)執(zhí)行 → 人工確認(rèn)（如需） → 結(jié)果回寫(xiě)企業(yè)系統(tǒng)。
其中"人工確認(rèn)"和"結(jié)果回寫(xiě)"，是"AI 助手"和"AI 執(zhí)行系統(tǒng)"的分界線(xiàn)。
很多團(tuán)隊(duì)做 AI 助手，demo 階段大家都在夸"回答挺準(zhǔn)"，一上線(xiàn)就廢——因?yàn)閷徟鬟€得人去點(diǎn)，跨法人數(shù)據(jù)調(diào)不到，結(jié)果也沒(méi)地方回寫(xiě)。說(shuō)白了：它什么都能聊，核心的事一件辦不了。
不是所有軟件都該變成智能體。
比較務(wù)實(shí)的做法是"智能雙模"：讓智能體軟件（自主執(zhí)行、概率計(jì)算、非確定性）和流程執(zhí)行型軟件（按規(guī)則執(zhí)行、精確計(jì)算、確定性）協(xié)同跑。
核算、結(jié)算這類(lèi)必須精確的事交給規(guī)則；分析、建議、任務(wù)規(guī)劃交給模型。這樣既穩(wěn)又靈。
回到最初的問(wèn)題：企業(yè) AI 需要哪幾層能力？
答案是 5 層加 1 層治理。但更重要的是——先搞清楚你卡在哪一層，別在錯(cuò)誤的那層上加碼。