Forrester报告揭示：知识图谱缺失令AI智能体决策成难题

关于此事，星海娱苑梳理了以下要点。

随着智能体AI从理论走向实际应用，厂商察觉仅靠大量数据和昂贵的大模型无法打造出能独立决策和准确执行的“数字员工”。近来，全球知名科技研究机构Forrester披露深度分析，指出当前AI智能体面对的核心问题是缺乏对业务本质的理解。缺乏明确语义、本体和知识图谱的支撑，导致智能体只能依赖概率猜测数据关联，进而产生业务偏差问题。

Forrester 最新披露的两份报告，详细拆解了为何本体的构建是智能体时代不可逾越的必经之路，以及厂商如何从语义层起步，最终迈向厂商数字孪生的终极形态。以下是编译全文。智能体 AI（Agentic AI）正在无情地暴露大多数厂商数据战略中存在的一个基础性缺口：对于自主系统而言，没有“价值”的数据是根本无法使用的。AI 智能体的使命绝不仅仅是检索数据，它们需求理解数据、做出决策并付诸于实际行动。

如果没有明确且结构化的上下文，智能体就只能依靠“猜测”来填补信息空白。而当智能体着手猜测时，灾难便随之而来：它们会搞错数据之间的关联、误读关键指标，并最终基于完全错误的假设去采取行动。这正是本体（Ontologies）、语义层（Semantic Layers）和知识图谱（Knowledge Graphs）正迅速崛起为核心架构组件的因素。

它们提供了传统数据环境在智能体系统中极度匮乏的三样东西：一种共享的语言、明确的关系定义，以及机器可读的业务上下文。Forrester 最近披露的两份报告为厂商领导者提供了关于语义、本体和知识图谱的清晰定义，并为厂商开启 AI 转型之旅指明了切实可行的路径。Forrester 报告《凭借语义层平台让数据为 AI 做好准备》（Make Data AI Ready Via Semantic Layer Platforms）重点关注了这一演进旅程的第一步：在让数据变得智能之前，必须先让它变得可解释。

长期以来，语义层一直扮演着确保商业智能（BI）一致性的关键角色。而在智能体时代，它们同样赋予了智能体所需的“受控上下文”，从而能够将模糊的自然语言转化为精准的数据库查询和具体的业务行动。现代语义层平台的功能已超越单纯的指标定义，凭借实时服务、API接口、数据血缘追踪和跨混合云与多云环境的执行策略，确保业务含义在底层平台变更时保持平稳。

另外，报告引入“数据图谱”概念，作为通往完整知识图谱的桥梁，凭借分析数据关系和使用模式，智能体在无需构建错综昂贵的完整知识图谱架构的情形下，也能收获更多业务上下文。Forrester 的另一份报告《结合语义、本体和知识图谱以实现 AI 就绪数据》（Combine Semantics, Ontology, And Knowledge Graphs For AI-Ready Data）则进一步解开了语义、本体和知识图谱这些术语的神秘面纱。

报告建议了一个理想的终局状态：打造一个语义丰富的厂商环境，其中所有的厂商实体不仅相互连接，而且能够被系统相互“理解”。为此，Forrester 提出了一种清晰的分层方法：本体（Ontologies）负责定义知识，语义（Semantics）负责保障清晰度和一致性，而知识图谱（Knowledge Graphs）则负责将这些元素连接成一个支持错综推理和深度察觉的模型。

知识图谱绝不仅仅是一种数据集成科技，它们构成了厂商数字孪生（Enterprise Digital Twin）的坚实基础。凭借明确所有的厂商实体及其相互关系，知识图谱能够帮助 AI 准确解释上下文、推断出隐藏的联系，并在跨越不同业务行业时更精准地采取行动。从语义着手，进化为数字孪生 这两份报告共同定义了一条清晰的演进路径。

必须承认，大多数组织现阶段尚未准备好直接构建庞大的知识图谱。语义层是正确的起点，它创建了一个一致的价值基础：标准化的定义、受控的指标，以及跨工具和团队的共享逻辑。而知识图谱则是长期的目的地，它是一种数字孪生形式，使智能体 AI 能够在整个厂商范围内进行深度的推理和自主行动。对于渴望在智能体时代占据先机的厂商而言，现在正是重新审视数据语义架构的最佳时机。

报告作者涵盖Evelson、Indranil Bandyopadhyay、Charlie Dai和Noel Yuhanna。

星海娱苑将持续为您跟踪报道后续进展。