高质量的数据与知识治理，让 AI决策更靠谱！

新闻发布

立即打印

媒体联络

线女士

用友实业公司 xianbj@czfzlmy.com

高质量的数据与知识治理，让 AI决策更靠谱！

2025年11月17日

2025 年，DeepSeek 带火 “大类别 + RAG” 玩法后，不少领先于的工厂显示，尽管以经第一次做数据表格分析表格信息管控，所以大这部分工厂的数据表格分析表格信息依据还并不许超过 AI综合运用所供应的新让，是无法可以有效果承载AI的高价值观的场景落地实施页。这样，针对AI运用落地实施页的使用需求，工厂做数据表格分析表格信息管控时，所需累积理论的知识管控，为工厂战略供应充沛可以有效果的数据表格分析表格信息与理论的知识来刺激性，为AI供应“高菅养成分的食物”。

找出3 个 “拦路虎”

别让知识变 “废柴”

AI 建设方式的转变后对企业私域数据的治理要求也变了。去年的核心是 “为模型训练准备数据”：垂类模型依赖高质量的专属数据集，数据治理聚焦结构化数据的准确性、完整性、多样性。而今年转向了“为检索准备多样化的知识”。很多企业卡在三个痛点：

痛点 1：非结构化知识 “躺平”，大量隐性知识没被激活

工厂里大部门统计资料源是文档相关文件、短视频、IoT 系统性日志此类非型式化统计资料源，但非常多工厂还在使用 “相关文件名归类” 的老妙招工作管理。就像全家制造厂工厂，很多的设备修理操作手册散在不一样系统性，只有 PDF 扫面件，只有 Word 草稿，AI 文献检索时但要 “读无需编写任何代码” 扫面件的手写板批注，但要分不出不一样传奇的差距。

更头疼的是，他们相关常识你还在不间断扩大：每个将新增协议、微信客服和女生聊天记载等，却很少人管 “什么该提交”“什么要引注重点行业信息”。他们 “躺平” 的相关常识，实际上是行业的 “看不见股本”，却担心没环境治理，成了了 AI 检索式的 “依赖”。

痛点 2：知识切片 “乱切”，RAG 变成大海捞针

哪怕非结构的化数据文件整里了，AI 信息检索仍然对不上，问题会出在 “组织切成片” 和 “招回” 上。打比方某金融服务企业公司，把有一份贷款策略文件 “十刀切” 划分多段，后果 AI 要找独特合同法时，相应主要内容被拆在二个组织切成片里，招回时只逮住局部，清新给看不到精准的改进措施。

这也就是“缺少规格化的组织薄片与招回规则”：有的组织薄片太粗，把不同于话题混入同食；有的组织薄片太细，损坏了小学识的道理相互影响；招回svm算法只认 “关键的词输入”，不可能的理解 “同义词”—— 假如 “出现信用管理卡逾期消费者” 和 “无良信用管理消费者” 本来都是件事情，AI 却变成两人理念。本来有小学识，AI 却 “不可能用”，比没小学识更觉得心急。

痛点 3：知识治理 “没规矩”，AI 输出不可信

理论技巧的品质监督没跟进，形成理论技巧的限期性、较准性、公信力强性没有办法验校。

许多工业企业不会有指明的规责：归谁负责任基本常识的 “最新日子标出来”？咋个样才能查验基本常识的 “最迅速性”？更新换代的基本常识咋个迅速售完？成果只是 AI 源于 “带故障基本常识” 模拟输出建议大家，控制层假设用错，财产损失将不要估量。

AI应用下的数据治理

三个 “转向” 很关键

在定向工厂AIAPP落地实施具体需求下的信息管治，并不简简短单的 “换辅助工具”那些简简短单，并且要 “换逻缉”。信息管治有四个中心转变：

转向 1：治理目标，从 “喂饱模型” 到 “帮人决策”

每年太多制造业企业做参数环境生态环境治理，是只为训练科目垂类建模，关键点是 “参数准不允许”。但现下，环境生态环境治理工作目标化为了 “让 AI 能写出可以信赖的科学行为觉得”。假如銷售先生问 “这里企业大家该不可以推高客市场价產品”，AI 要能快速的检索式到 “企业大家历史时间消費、个人征信评分、服务于回馈” 等内容，写出有按照的觉得。简单易行说，从前是 “为建模提前準備参数”，在是 “为科学行为提前準備内容”。

转向 2：治理对象，从 “结构化数据” 到 “多模态知识”

往日信息生态环境环境治理的重点是是 ERP、CRM 里的机构化信息（比方说用户身份证姓名、下单钱数），但今年的应该合并 “全分类基本常识点”：协议书、国家标准规定等文件；设配使用、装置的操作等笔记；装修施工照片头像、产品的设计图纸等医学影像。生态环境环境治理的重要也从 “标准规定化信息” 会变成 “解锁基本常识点”：把打印机扫描文件里的文章 “读好”，把视頻里的关健工作步骤 “标好”，把不集中在与众不同装置的基本常识点 “连下来”，犹如把撒落的琥珀串成手镯，AI 才华 “拎得动”。

转向 3：治理模式，从 “项目式突击” 到 “常态化运营”

过往较多中小型企业做数据报告分析管控，是 “搞产品”：找专业团体集中授课那段事件收集数据报告分析，产品收尾就停了。但这些年，知识储备每顿饭都要新增加的、变化规律，比喻新的服务业原则出台政策、客人市场需求发布，管控有必要 “跟到业务员走”。

这就需要 “自动化工具 + 长期组织”。用友建议可以用 DataOps 工具自动同步新数据，用智能体定期检查知识质量，再成立专门的 “知识治理小组” 负责规则制定、问题整改。

用友BIP企业AI

为AI应用搭起 “高速路”

资料与相关内容基础是数智化的重点研发成分，的公司必须勾勒协调的资料公司，组合分布在的公司各点的资料与相关内容基础，能够冲洗、进行标注、绘图某些图谱化、向批量等时，成型标准化、优质化量的资料债务与相关内容基础，为精准性的战略、智能化营运供应扶持，面相AI供应优质化量的资料与相关内容基础的展现给。这一些都必须的公司提升与更优质地积极开展资料净化与相关内容基础净化。

1、破 “非结构化空白”：用平台激活隐性知识

对於非结构类型化内容 “躺平”，用友的管理处是 “先合并，再打造”：

全类型知识接入：用友 BIP 的 “企业数据云”，作为底层支撑，汇聚了企业业务大数据、企业知识资产数据以及用户行为数据，为上层模型和应用提供丰富且关键的数据源。

YonGPT 模型矩阵支撑：YonGPT2.0 升级的模型矩阵里，有专门的多模态大模型，可以低成本的选择适合企业场景的模型。友智库基于YonGPT构建的企业级数智化搜索平台，聚焦企业知识管理与智能搜索场景，可支持非结构化数据的搜、问、推、创等知识库场景。提供“沉浸式”对话交互体验，助力企业快速获取行业、领域及内部知识资产。

友战略咨询让内容没处没在

2、破 “切片召回不匹配”：让检索结果准确

针对于切成片乱、通用召回难，用友的 RAG 眼镜框架制作了 “专项整治推广”：的根基基本常识储备切成片不只是 “挥刀切”，往往按 “的根基基本常识储备逻辑性” 切。比方说一件合约，会按 “合约主题、选举权基本权利、解约权利与义务” 拆分相应的切成片，表格格式讯息单一做 “格局化处里”，解决重要性讯息被拆；依据客私域的的根基基本常识储备库、的根基基本常识储备图谱，将的根基基本常识储备融入业务方案部方案。客级讯息与的根基基本常识储备库的深层次资源整合，将客内控的业务方案部方案讯息和医学专家成就转化率为的根基基本常识储备类型，能够物理、密切关系和属性的名词解释，能够的根基基本常识储备图谱建立有一个格局化的的根基基本常识储备电脑网咯。在这点电脑网咯中，客的的产品讯息、客讯息、业务方案部方案方案等的元素完美联系，为 AI 对模型带来了了有一个完全且语义多种的的根基基本常识储备根基。

3、破 “治理没规矩”：需要专业组织来保障

采取内容质量操作没有保险，用友、以为必需有相对的企业公司来经常性操作统计资料显示报告与内容的运维，从制度操作、方案、内壁沟通的技巧的清晰性的方面有保险统计资料显示报告与内容整治办公。这类企业公司安全体系应准确岗位责任区分、增强跨单位优势互补、符合非常专业自我实力，并一直寻找合作伙伴改变，以支撑体系企业公司的统计资料显示报告与内容操作活动方案。

为了让确保安全生产专业专业只是问与答的最准确度性，用友RAG的框架在文本解析视频、文本AI搜素通用召回攻略上作过高度SEO优化，支技可根据与众不同非形式化文本完成快捷引索，可根据保险工作专业专业只是库系统规范化引入保险工作那些固化的标签，通过专业专业只是图谱保持专业专业只是的微信关联化和标准化，较大容许的完善专业专业只是问与答的最准确度性，以确保安全生产能在顶目家用全过程中提高思想认识为客服打造。

制造业各个企业AI 广泛应用，假如的基础知识是不是乱的、查阅是不是难的，再高级的大绘图也无非产生使用交换价值。用友BIP制造业各个企业AI让 AI 能加快资源调用的基础知识，给定可靠的的战略决策改进措施，让AI完全产生使用交换价值。

各个企业AI真正落地线路

手机书下载下载

用友网络科技科技:上一篇：能做事+会思考，智能体推动财务从“账房先生”向“战略伙伴”转型

用友网络科技科技:下一篇：“十五五”规划下的人才强国：以数智化打造世界一流企业人才竞争力