企业AI落地的三座山：知识、行动、治理——用友BIP 6的架构解法
2026年9月8日

站在企业 IT 或数字化负责人的角度看，企业 AI 项目难的不是"上"，是"上完之后接不住"。

接得住的标准其实很朴素：AI 能读企业的数、守企业的规矩、调企业的系统、留企业的痕。这四件事，对应三座山。

第一座山：知识——AI 不懂你的业务语义

通用大模型的通识能力没问题，问题是它不知道你公司里的那些"约定俗成"。

这些问题的答案不在文档里，在业务对象之间的关系里。

很多企业已经建了数据中台、数据仓库和 BI，但通的是数据，不是语义。ERP 的订单、CRM 的客户、MES 的设备、OA 的审批各自数字化了，却没有统一的一层说清楚：它们什么关系、哪些可信、哪些动作能执行。

用友 BIP 6 的解法是把"企业上下文"拆成三层：

层产品回答的问题
数据层YonData企业现在发生了什么
知识层YonKnow企业过去沉淀了哪些知识和经验
语义层YonOnto这些数据和知识在业务上意味着什么

其中 YonOnto 企业本体平台是语义中枢，围绕客户、供应商、产品、组织、员工、合同、订单、项目、资金、资产等核心对象，对属性、关系、规则、事件和动作统一建模，支持业务本体、数据本体和文档本体三类建模。

需要提醒 IT 同行的两点：

  1. 本体不是知识图谱的别名。 知识图谱承载具体实体和关联数据，本体定义业务概念和关系，两者常配合使用。判断标准很简单：你的任务涉不涉及跨系统语义、规则和业务动作。
  2. 本体必须能运维。 YonOnto 的架构里，本体构建平台提供实体消歧、实体合并、关系构建、事实融合、质量评分、完整性校验、冲突检测、影响分析、版本审批和回滚；本体运营平台覆盖资产、质量、任务、服务运营和血缘影响关系。没有这些，本体建完就烂在那儿。

第二座山：行动——能回答不等于能执行

AI 给出建议之后呢？谁去点那个按钮？

企业最终要的不是聊天机器人，是能进真实经营过程、跟员工协同、把任务做完的执行系统。它得知道为什么做、由谁做、调什么能力、守哪些规则、什么时候必须让人确认、做完怎么回写。

YonWork 企业 AI 工作台做的就是这个转化。它把一句自然语言指令变成一项可执行的企业任务。

举个具体例子。管理者说"分析本月利润下降的主要原因，并形成整改任务"，YonWork 实际要做的是：

  1. 结合用户身份、岗位权限、企业数据、本体关系和历史记忆，理解真实意图；
  2. 拆解成多步骤，选对应的智能体和 Skill，在多智能体之间分工调度；
  3. 调经营数据，识别利润、合同、订单、采购、库存、项目和组织的关系，调度经营分析、成本、供应链、项目智能体协同分析；
  4. 把结果转成整改建议、责任分工和后续任务；
  5. 需要审批的动作提交管理者确认；
  6. 结果回写企业系统。

底下支撑的还有：YonStudio（构建智能体、Skill、数智团队）、YonCode（企业级 AI Coding）、OpenAPI 与 YonMCP（连接现有业务系统）、YonAIG（治理）。

对 IT 来说这里有个好消息：不需要把原有系统推倒重来。可以把现有系统的业务能力逐步开放给智能体，但"逐步"两个字要有预期管理——涉及核心数据、系统写入或复杂集成时，仍然需要 IT 和专业人员参与。

第三座山：治理——AI 参与执行之后，审计是刚需

AI 一旦有写权限，风险等级立刻不同。企业必须能回答：AI 接了什么任务、调了哪些数据、用了什么工具、经过哪些判断、最终做了什么动作。

YonAIG 企业 AI 治理平台覆盖智能资产、身份权限、调用轨迹、执行成本、评测效果和审计合规，贯穿智能体构建、任务运行和业务执行全过程。

配合用友的"智能双模"思路会更清楚：智能体软件负责感知、推理、决策（概率计算、非确定性、有 Token 成本），流程执行型软件负责按规则执行（精确计算、确定性、稳定）。核算、结算这类步骤交给规则，分析、建议、任务规划交给模型。划分清楚，风险才可控、结果才可检查。

给 IT 负责人的四条落地建议

  1. 先选场景，再选模型。 问答、预测、文档处理、系统执行对准确性、时延、费用、隐私的要求完全不同。先定义输入、输出、数据、可调用工具和验收标准，再比模型。
  2. 别急着自建本体，先从一个高频可复核的任务开始。 合同审核、投标编制、经营分析、财务风险调查都是不错的起点。
  3. 验收必须包含三类用例：正常、异常、越权。 只测正常流程不足以支撑上线。要确认失败时是安全停止、恢复还是转人工。
  4. 盘清楚现有智能体和重复建设。 统一身份权限、数据口径、工具接入和发布要求，建立负责人和版本目录，再逐步统一高频共用能力。

必须说清楚的边界