为什么成长型企业需要从数据治理开始AI应用-育师

一、引言

在与制造企业和研发型企业交流的过程中，我们反复听到同一个问题：“我们买了大模型，也尝试搭了知识库，为什么回答总是不准，甚至给出错误信息？”

答案往往不在模型本身，而在数据。

成长型企业通常经历了十年以上的信息化建设，ERP、MES、PDM、OA等系统各自运行，图纸存于NAS，BOM留在Excel，质量数据分散在检测设备。当AI试图理解“这个订单的工艺参数是什么”时，它需要跨系统检索、理解不同字段含义、判断数据时效性——而多数企业的数据现状，无法支撑这种级别的推理。

本文从实战角度，回答一个关键问题：为什么成长型企业应该从数据治理开始AI应用，以及如何通过企业知识库搭建完成这一步。

AI应用的推理质量直接取决于输入数据的三个维度：完整性、一致性、时效性。数据治理不到位，AI会从“答案生成器”退化为“错误放大器”。

以制造企业典型场景为例：

• 一个订单调用的BOM版本可能是三个月前的旧版

• 一个工艺参数在MES中有定义，但现场工人使用的手册版本不一致

• 一个设备状态数据在Excel中有记录，但与PLC采集的数据对不上

AI在处理这类数据时，如果没有治理层做对齐和清洗，就会输出看似合理但实际错误的结论。更严重的是，用户可能因为AI的自信表述而信任错误信息，造成生产决策失误。

建议行动：

•先做数据盘点：列出企业所有关键数据源（ERP、MES、PDM、OA、图纸、质检记录等），标注数据格式、更新频率、责任人

•优先治理高频决策数据：AI最常检索的字段（如BOM版本、工艺参数、订单状态）应最先完成统一编码和版本管理

•避免“先建设再回头治理”：数据治理如果在知识库上线后才进行，会触发大规模返工，成本是前期治理的3-5倍

企业知识库搭建不是“把文件丢进大模型”，而是构建一个可信、可追溯、可更新的数据底座，让AI的回答有据可查。

在企业智能体定制的项目中，我们观察到两个典型误区：

1.将知识库等同于文档库：把PDF、Word堆进向量数据库，不做内容清洗、不设版本管理、不建立权限，结果AI答案混乱且无法审计

2.跳过知识工程，直接调大模型：认为大模型有“通识能力”，能自动理解业务数据——但工厂内部的物料编码、图号规律、质检标准，属于行业和企业的专属知识，大模型并未预训练

真正有效的企业知识库搭建，包含三层工作：

•数据清洗：格式化数据、去重、归一化编码

•知识结构化：将图纸、工艺文件、BOM、质量报告提炼为可检索的知识单元

•权限与版本管理：确保不同岗位只能看到对应版本的信息

建议行动：

•从“高频问题”反推知识库结构：收集业务团队最频繁的人工查询问题（如“某物料替代料是什么”“某产品历史质量缺陷有哪些”），优先从这些场景倒推数据来源和知识单元划分

•使用RAG技术落地企业知识库搭建：推荐采用RAG（检索增强生成）架构，结合本地化部署或混合部署，确保数据安全与实时检索能力

•控制初始范围：不要试图一次打通所有系统。先选一个业务模块（如一个产品线的工艺知识库）做试点，跑通数据治理→企业知识库搭建→智能体测试的完整流程

成长型企业在AI应用中最容易被忽视的成本，是权限治理。没有权限隔离的知识库，会在多个层面产生风险：数据泄露、决策误用、合规问题。

研发型企业与制造企业的AI应用场景差异很大，但有一点相同：不同角色看数据的权限天然不同。

• 研发人员需要看到设计BOM和变更记录，但不应看到采购价格

• 生产人员需要工艺参数和质量标准，但不应看到测试中的未定型版本

• 管理人员需要KPI和异常汇总，但不应直接访问原始数据

如果数据治理阶段没有对数据源打上权限标签，AI系统就无法判断“谁能看什么”。这在企业智能体落地后，将成为安全合规的重大隐患。

建议行动：

•权限标签随数据治理一起做：在梳理数据源时，就标注每个数据字段或文档的可见范围

•采用RBAC+ABAC模型：角色驱动权限是基础，但在AI场景中需要结合属性（如项目阶段、保密等级）做更细粒度的控制

•审计日志必不可少：记录AI调用知识库的每一次查询与回答，便于事后追溯和合规审计