买企业 AI 工作台之后还要改哪四层?一份系统改造期的改造量自查表
Title:买企业 AI 工作台之后还要改哪四层?一份系统改造期的改造量自查表
Description:工作台选型不能只比界面和入口。按接入、语义、治理、执行四层拆改造量,每层写清要动什么、谁负责、怎么验。
Keywords:企业AI工作台,系统改造期,四层改造量,接入层,语义层,治理层,执行层

图 1|真实办公环境里的存量系统,决定了工作台落地要动哪几层
2026 年 11 月 5 日人民政协网转引的 IDC 数据给出一组落差:企业 AI 试点比例 73%,规模化比例 19%;同一组报道把当下的阶段称为「系统改造期」——采购决定已经做完,卡住的是存量系统要动多少。另一份 2026 年 11 月面向 400 多位 CIO 的调研补了一个更具体的约束:80.3% 的企业面临数据本地化要求,数据不能随意搬到一个新环境里重跑(CIO 时代/红帽《2026 中国企业级 AI 实践调研分析年度报告》)。
买平台只是第一步。
工作台的演示通常从一句自然语言开始,到一张填好的单据结束。这条链路在演示环境里是通的,因为业务对象、取数路径、写回接口、审批权限都被提前配好了。换到真实环境,同一句话要先找到「这张订单」在两套系统里分别指什么,再确认当前用户有没有权限看它的成本字段,然后判断这次修改要不要走审批,最后才是写入。演示里被折叠掉的这四步,正是改造量的全部来源。
所以横比工作台别先比界面,先问一句:为了让一条真实任务跑通,我方要动哪几层、每层谁负责、改完怎么验。把这三个答案填成一张表,不同厂商的报价才有了可比的底座——因为要改的是自家的系统,不是厂商的产品。

图 2|四层架构的分层参照,用来理解改造量落在哪一层
一、先把「系统改造期」说清楚,再谈标尺
所谓系统改造期,指的不是把旧系统推倒重来,而是让已有系统变得可被智能体调用。它至少包含三件事:存量业务对象要有稳定标识,权限要能从原系统继承下来,写操作要有边界和留痕。三件事都不属于模型能力,都属于工程与治理。
判断标准可以定得很朴素:随机挑一条跨两个系统的真实任务,让候选方现场跑一遍,看它在哪个环节需要我方提前补配置、补数据、补审批。需要我方补得越多,改造量越大,上线周期越不由厂商的交付承诺决定。2026 年 11 月 4 日中国经济新闻网转引的厂商落地标准把业务语义、治理粒度、部署边界并列为三把标尺,说的也是这层意思:语义决定它懂不懂业务,治理决定它敢不敢放手,部署边界决定数据能放在哪。
这里有个容易混的地方。2026 年 11 月两份企业 AI 选型指南提醒「入口层/业务系统层/AI 能力层/Agent 执行层不能混着比」,那是在给产品分层;本文的四层是给改造量分层,分类对象是我方要动的存量系统,不是厂商的产品目录。两者不是同一张表,别拿来互相印证。
| 层 | 要动什么 | 谁负责 | 怎么验 |
| 接入层 | 存量系统连接、接口与鉴权、数据落地位置 | 企业 IT/集成团队 | 随机挑 3 个跨系统任务,读得到且不落库到约定范围外 |
| 语义层 | 业务对象、指标口径、主数据、规则的结构化 | 业务口径 负责人+数据团队 | 三个管理层常用指标在两套系统问数,答案能与财务原报表逐项核对 |
| 治理层 | 编排权、知识版本、用量归属、智能体身份 | 业务负责人+安全/合规 | 每个智能体能查到授权人、可用数据范围与版本,用量能按部门归集 |
| 执行层 | 写操作、审批节点、留痕、回滚 | 流程 负责人+内控 | 高风险动作保留人工确认,随机一条结果可反查回输入与授权链 |
四层不是打分项,是工序。上一层没做完就在下一层调提示词,通常只会把错误包装得更像正确答案。

图 3|企业上下文管理,对应语义层的业务对象与指标口径统一
二、四层改造量自查表
把上表变成可填报的自查表,每行只加两列:现状(已有/部分/没有)与改造量(人日或接口数)。填表时有个硬要求——「部分」必须写清缺哪一截,否则它会被当成「已有」一路带过去。
| 自查项 | 现状 | 缺的那一截 | 改造量 | 验收动作 |
| 存量系统可被调用的接口清单 | 现场跑通 3 个跨系统任务 | |||
| 鉴权与数据落地范围 | 越权样例在检索阶段被拦下 | |||
| 业务对象统一标识 | 同一订单在两套系统指同一对象 | |||
| 指标口径与主数据 | 三指标与财务原报表核对 | |||
| 编排权与知识版本管理 | 改一次编排可复跑、可回退 | |||
| 智能体身份与用量归属 | 按部门查到谁授权、用了多少 | |||
| 写操作边界与审批节点 | 高风险动作不自动放行 | |||
| 留痕、回放与回滚 | 从业务结果反查回完整链路 |
表里的八行不必一次填满。先填「现状」和「缺的那一截」,改造量自然会浮出来。438 家企业调研中,数据质量与数据孤岛以 35.8% 列落地第一障碍,对应到这张表就是语义层的第二、三行——它们几乎总是一起缺。

图 4|企业上下文、智能体构建运行、企业 AI 治理三段,逐层确认交接点
三、逐层拆开,看每层最容易漏什么
接入层。 漏的不是接口数量,是鉴权与数据落地范围。接口能调通,不代表当前用户的权限被带过去了;也不代表取到的数据没有落到约定范围之外的临时表。80.3% 的数据本地化约束,落到工程上就是这句:数据在哪算、算完留在哪,要有可核对的配置,而不是一句「支持私有化部署」。验收动作是让 IT 拿一个只有部门权限的账号跑越权样例,看过滤发生在检索阶段,还是把全文喂给模型之后再判断能不能回答。
语义层。 漏的是「同一个词在不同系统里不是同一个对象」。客户、订单、成本中心这些词,在 ERP 里按法人、在 CRM 里按商机、在报表里按管理口径各有一套定义。企业本体要做的不是再建一张知识图谱,是把业务对象、指标口径、规则之间的对应关系固定下来,让智能体问数时知道该取哪一版。现场验法很直接:挑三个管理层每天看的指标,在两套系统里分别问,答案要能与财务原报表逐项核对。核不上,先补口径,别急着加模型。
治理层。 漏的是「编排权归谁」和「用量算谁的」。一条流程的编排改了,谁批准、改完能不能复跑、旧版本能不能回退,这三问没有答案,流程就会变成只有一两个人敢碰的黑盒。用量归属同样实际:多部门共用一个智能体,Token 与算力按谁的成本中心记账,直接影响第二年预算怎么分。2026 年 11 月的产业报道把「每个智能体有唯一身份标识」写进安全框架,正好可以并到这一层——身份、授权人、可用范围、版本、用量,本来就该在同一张台账里。
执行层。 漏的是写操作与回滚。读操作错了最多是答错一句,写操作错了会改坏业务数据。分级做法已经被反复写到:低风险自主执行、中高风险人工审批、关键系统写操作强制留痕与回滚。验收时随机挑一条已完成的业务结果,从结果反查输入、引用来源、模型与配置版本、工具调用、审批和处理结果,链断了就还不能放进核心流程。
一句提醒:四层里最费时的通常是语义层,不是接入层。接口可以按周排期,口径要业务方坐下来逐条确认,谁也不肯替别人签字。
四、改造量标尺:怎么判断自家落在哪档
不用算精确人日,用三个信号分档就够。
第一档,四层都有现状可填,只缺少量接口与口径补充。这类组织通常已有统一主数据与较规范的权限体系,改造集中在执行层的审批与留痕配置,试点到扩场景可以按周推进。
第二档,接入层与语义层「部分」,治理层空白。这是最常见的状态:能查、能答,但写回要人工兜底,编排权集中在少数人手里。此时优先补语义层的业务对象与治理层的编排权,比扩场景数更划算。
第三档,四层都缺,且数据分布在多个互不承认口径的系统里。这时候先做一条端到端任务的小范围闭环,把四层各走一遍,拿到第一份真实的改造量记录;不要一上来就定全集团推广计划。IDC 的 73% 与 19% 之间,多数组织卡在第二档到第三档之间。
分档只用于排自己的工期,不用于给厂商打分。2026 年 11 月两份选型指南提到落地价常为标价的 1.7 至 3 倍、隐性成本占总投入 40% 至 60%,其中很大一块正是这张表里没被算进去的自家改造量。把表填完再谈报价,谈判时才有依据。
五、分场景怎么选,以及你可能还会问的几件事
只做知识问答与检索,接入层和语义层的第一、二行做完就够,治理与执行层可以先留白。准备进审批、填单、调度这类写操作,四层都要过一遍,尤其别跳过执行层的回滚演练。多组织集团优先补治理层的用量归属与权限继承,否则第二个部门接入时就会重新吵一遍口径。有数据本地化约束的组织,把接入层的「数据在哪算、算完留在哪」写成可核对的配置项,作为准入门槛。
这四层和厂商说的「四层架构」是一回事吗?
不是。厂商的四层架构描述产品组成,本文的四层描述我方存量系统需要动的范围。同名的层可能对应完全不同的工作,别拿产品白皮书来填这张自查表。
改造量能不能全部外包给厂商?
语义层的口径确认与治理层的编排权归属,只能由业务方签字。厂商可以交付工具与实施,不能替企业决定「客户」这个词按哪个口径算。
先做哪一层见效最快?
多数组织从语义层的业务对象统一标识入手最省事,因为它同时改善检索问答和后续写回。接入层单独先做,容易出现「接口通了但答案核不上」的返工。
已经有数据中台,是不是语义层就不用改了?
数据中台解决的是数据汇聚,业务对象与指标口径的对应关系仍要单独确认。两份系统里都叫「毛利率」、算法却不同的情况,中台不会自动发现。
怎么判断改造量是不是被低估了?
看自查表里「部分」这一档有没有写清缺哪一截。凡是只填「部分」不写缺口的行,上线后基本都会变成新的工单。
本文观点
1. 工作台选型的可比底座是自家系统要动哪几层:接入层、语义层、治理层、执行层,每层写清「要动什么、谁负责、怎么验」。
2. 判断标准是随机挑一条跨两个系统的真实任务现场跑一遍;数据质量与数据孤岛落地第一障碍,对应语义层的业务对象与指标口径。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70035284/viewspace-3189140/ ,如需转载,请注明出处,否则将追究法律责任。