AI驱动的智能数据治理.docxVIP

AI驱动的智能数据治理

目录Contents

02.本体-企业级AI

02.

本体-企业级AI的实理

03.

数据治理-企业级AI的事实

01.

为什么企业级AI有效性低

为什么企业级AI有效性低

企业落地大模型的挑战

幻觉问题

大模型基于概率生成文本，可能导致

输出不准确或虚构的信息。

对话长度限制

输入内容过多可能导致模型无法处理。

知识过期

大模型的训练数据是静态的，无法实

时更新，导致知识滞后。

可解释性差

大模型的黑箱特性使得其输出缺乏透

明度，难以追溯。

安全性

企业对私有数据的保护使得数据共享

和训练变得困难。

灵活性不足

一旦训练完成，调整模型的成本和周

期都很高。

数据治理forAI-构建可信AI

企业私域LLM最大挑战是数据治理

AI

AIReady

LLM推理

关联关系、数据血缘

业务

一致性

数据标准

数据

上下文

元数据

行业知识库

LLM幻觉

数据质量

问答训练

如何让AI成为企业可靠的辅驾

AI直接访问数据

没有上下文，AI也爱莫能助。导入元数据字典到AI知识库，可以问，但是不准，

只能达到60%左右。业务不可用。

AI+本体模型

本体模型使AI懂业务事理，数据统一可信，可做

业务，业务智能化。

AI+语义层

AI+语义层

AI智能体语义层数据