罗小江-构建可执行的AI驱动决策系统-1220定稿.pdf

《罗小江-构建可执行的AI驱动决策系统-1220定稿.pdf》由会员分享，可在线阅读，更多相关《罗小江-构建可执行的AI驱动决策系统-1220定稿.pdf（46页珍藏版）》请在三个皮匠报告上搜索。

1、构建构建AIAI驱动的驱动的可执行决策系统可执行决策系统企业级数字孪生建模与企业级数字孪生建模与AIAI架构实践架构实践演讲人：罗小江目录目录01020304企业AI的应用趋势及核心挑战“业界传奇”Palantir基于业务建模驱动AI决策的技术架构与实践企业级场景实践思路企业级场景实践思路分享分享01企业企业AIAI的应用趋势及核心挑战的应用趋势及核心挑战当前阶段大多数企业存在的决策黑箱困境AIAI从效率工具到决策引擎的演进：从从效率工具到决策引擎的演进：从“数据智能数据智能”走向走向“决策智能决策智能”核心目标描述“发生了什么发生了什么”和诊断“为什么发生为什么发生”1技术代表传统BI、RP

2、ARPA、RAG 1.0RAG 1.0、监督学习模型、监督学习模型2人机关系效率工具/被动辅助：人是决策主体，AIAI是信息提供者是信息提供者32017Transformer2022年底ChatGPT爆火2024年底DeepSeek V3发布应用场景报表生成、数据查询、简单流程自动化4核心目标预测“将发生什么将发生什么”和规范“应该怎么做应该怎么做”1技术代表Agentic AIAgentic AI、多智能体系统、强化学习、规范性分析2人机关系决策引擎决策引擎/主动代理主动代理：AI参与决策，甚至自主执行3应用场景复杂任务分解、实时风险预警、自主交易、策略优化4业务管理中的业务管理中的“决策黑

3、箱决策黑箱”决策周期长，大量时间用于信息检索和交叉验证。效率低下合规风险、供应链风险等因缺乏透明度而难以被及时发现和预警。风险积聚成功或失败的决策经验无法结构化沉淀，难以形成组织记忆和持续学习。双重黑箱传统黑箱（人为主导）传统黑箱（人为主导）依赖于少数专家的隐性知识和个人经验，流程不规范，导致决策路径难以复制和传承。AIAI黑箱（模型主黑箱（模型主导）导）随着AI模型的复杂化，模型给出的结果缺乏可解释性，使得AI的建议难以被信任和采纳“三维”成因数据分散在异构系统中，缺乏统一的数据血缘和知识图谱。数据割裂数据割裂业务流程依赖人工干预和跨部门沟通，缺乏自动化和标准化，导致决策路径长且易出错。流程

4、不透明流程不透明无论是专家经验还是AI模型，其决策逻辑都难以被审计和验证。信任缺失信任缺失数流信知识断层解决之道让企业解决之道让企业AIAI在在数据层面进行全局视野进化数据层面进行全局视野进化语义模型业务实体模型关系图谱数据资产体系业务逻辑业务操作业务流程业务规则业务理解业务认知推理模型决策循环语义模型业务实体模型关系图谱数据资产体系业务逻辑业务操作业务流程业务规则业务理解业务认知推理模型决策循环本体模型建模代码层语义模型02“业界传奇”“业界传奇”PalantirPalantir基于业务“本体”的业务数字孪生“美国国运股”“美国国运股”PalantirPalantir，20252025 商业

5、领域收入暴增商业领域收入暴增121%121%Palantir的股价在11月3日创下了207美元的历史新高，市值超4000亿，今年以来的涨幅已超过165%，远超AI浪潮中的佼佼者英伟达市值4000亿美元较去年：+160%Q3收入11.81亿美元同比：+63%商业领域收入3.97亿美元同比：+121%PalantirPalantir 的的核心核心产品架构产品架构人工智能集成层AIP Layer数据整合与本体层基础设施与部署层安全与治理层细粒度访问控制(Granular Access Controls)数据血缘与溯源(Data Lineage&Provenance)审计日志(Audit Loggin

6、g)加密(Encryption)合规性工具(Compliance Tools)底层服务网格(Underlying Service Mesh)Palantir Apollo：持续交付和基础设施管理平台数据连接器(Data Connectors)数据管道与转换引擎(Data Pipelines&Transformation Engines)本体构建工具(Ontology Building Tools)数据分析与应用开发层Foundry（企业客户应用）Gotham（政府客户应用）分析工具应用构建器模型集成与开发链接分析地理空间可视化与分析时间轴分析协作工具(Collaboration Tools)A