Satu Perbendaharaan Kata, Dua Khalayak: Mengapa AI dan Papan Pemuka Anda Mesti Berkongsi Lapisan Semantik

number yang bermaksud tiga perkara berbeza

Tanyakan kepada tiga pasukan dalam syarikat yang sama untuk "ahli aktif suku tahun ini" dan anda selalunya akan mendapat tiga nombor. Pemasaran mengira sesiapa sahaja yang membuka e-mel. Pasukan kesetiaan mengira ahli dengan pembelian. Kewangan mengira ahli yang menebus nilai. Tiada seorang pun daripada mereka berbohong. Mereka bekerja daripada definisi yang berbeza, dikodkan dalam SQL yang berbeza, hidup dalam alat yang berbeza. Perkataan itu dikongsi; maksudnya tidak.

Ini adalah masalah yang boleh diterima apabila manusia adalah satu-satunya pengguna nombor tersebut. Seorang penganalisis berpengalaman tahu untuk bertanya definisi yang anda maksudkan, dan nota kaki pada slaid mengatasi yang lain. Tetapi sebaik sahaja anda menunjukkan ejen AI pada data yang sama, nota kaki itu hilang dan kekaburan menjadi liabiliti. Ejen tidak tahu bahawa "aktif" dipertikaikan. Ia akan memilih definisi — atau lebih teruk, mereka-reka satu — dan membentangkan hasilnya dengan keyakinan yang sama seperti ia membentangkan semua yang lain.

Alat adalah kata kerja; lapisan semantik adalah perbendaharaan kata

Apabila anda memberikan alat ejen, anda memberikannya kata kerja: pertanyaan, ringkaskan, bandingkan, ramalkan. Protokol Konteks Model Anthropic memformalkan ini — alat ialah keupayaan bertaip dan dinamakan yang boleh digunakan oleh model. Pembingkaian itu betul dan berguna. Tetapi kata kerja tanpa perbendaharaan kata yang dikongsi di sebaliknya adalah lesen untuk berimprovisasi. "Beritahu saya hasil" hanya selamat jika "hasil" diselesaikan kepada satu definisi yang diperakui, yang sama yang dilihat oleh manusia pada papan pemuka, dikira dengan cara yang sama setiap kali.

Ini adalah hujah teras: lapisan semantik metrik yang diperakui ialah perbendaharaan kata yang dikongsi yang memastikan kata kerja ejen jujur. Alat membolehkan ejen bertindak. Lapisan semantik ialah apa yang dibenarkan untuk dimaksudkan oleh tindakan tersebut. Pisahkan kedua-duanya dan anda akan mendapat ejen yang boleh menjalankan pertanyaan tetapi tidak boleh dipercayai untuk mentafsirkannya. Satukannya dan ejen mewarisi, secara percuma, setiap definisi yang telah diperjuangkan oleh penganalisis anda untuk dipersetujui.

Disiplin yang berikut mudah dinyatakan dan sukar dipalsukan: satu perbendaharaan kata, dua khalayak. Orang ramai menggunakannya melalui papan pemuka dan soalan ad-hoc. Ejen menggunakannya melalui alatan MCP dan pembantu juruterbang. Kedua-duanya dibaca daripada lapisan diperakui yang sama, jadi number bermaksud perkara yang sama sama ada manusia atau ejen memintanya.

Mod kegagalan apabila tiada lapisan kongsi

Langkau lapisan semantik dan tiga kegagalan tiba bersama-sama. Pertama, AI berhalusinasi angka — bukan kerana model itu rosak, tetapi kerana anda memintanya untuk membuat alasan atas jadual mentah tanpa definisi kanonik apa-apa, jadi ia mengisi jurang dengan tekaan yang munasabah. Kedua, takrifan KPI hanyut: setiap pasukan, alat dan buku nota melaksanakan semula "churn" atau "AOV" sedikit berbeza, dan sebatian divergence secara senyap. Ketiga, "analitik layan diri" menghasilkan nombor yang bercanggah, dan organisasi secara senyap-senyap berhenti mempercayai kesemuanya.

Kajian "State of AI in the Enterprise" Deloitte secara konsisten mendapati bahawa kepercayaan dan tadbir urus — bukan keupayaan model mentah — merupakan faktor penentu bagi perusahaan untuk meningkatkan skala AI daripada percubaan kepada pengeluaran. Itu berkait secara langsung dengan masalah analitik. Penyekatnya jarang sekali sama ada model itu boleh menulis SQL. Ia adalah sama ada sesiapa sahaja boleh mempercayai jawapannya dengan secukupnya untuk bertindak ke atasnya, dan sama ada mereka boleh menjelaskan, kemudian, dari mana datangnya number.

Definisi yang diperakui, dan sejarah versi di sebaliknya

Metrik yang diperakui ialah definisi yang telah disemak dan ditandatangani oleh pemilik sebagai sumber kebenaran tunggal. "Ahli aktif" bukanlah apa sahaja yang dikira oleh pertanyaan semasa — ia adalah object yang dinamakan dan ditadbir dengan logik eksplisit, pemilik dan status. Apabila pemasaran, kesetiaan dan kewangan tidak bersetuju, mereka tidak lagi berhujah dalam SQL. Mereka berhujah sekali, secara terbuka, tentang definisi tersebut. Kemudian ia diperakui dan semua orang — setiap manusia dan setiap ejen — mewarisi jawapan yang sama.

Pemberian versi adalah apa yang menjadikannya tahan lama. Definisi berkembang: kalendar fiskal berubah, segmen diperhalusi, sumber data diperbetulkan. Tanpa pemberian versi, definisi semula menulis semula sejarah secara senyap dan lembaga suku tahun lepas number tidak lagi menghasilkan semula. Dengannya, setiap metrik membawa keturunannya, jadi anda boleh menjawab soalan yang sebenarnya ditanya oleh juruaudit dan CFO — bukan sahaja "apakah number" tetapi "apakah number, di bawah definisi mana, pada tarikh kami melaporkannya."

Satu titik masuk pertanyaan, dengan skop penyewa dikuatkuasakan di luarnya

Definisi hanya boleh dipercayai seperti laluan yang melaksanakannya. Dalam seni bina kami, setiap metrik — sama ada diminta oleh papan pemuka atau alat ejen — diselesaikan melalui satu titik kemasukan pertanyaan. Tiada laluan kedua yang lebih longgar untuk AI. Juruterbang bersama dan carta pada skrin menjalankan logik yang diperakui yang sama, yang merupakan sebab mekanikal nombor mereka tidak boleh berbeza.

Pengasingan penyewa dikuatkuasakan di luar pertanyaan, bukan di dalamnya. Pemanggil tidak pernah membekalkan, dan tidak boleh mempengaruhi, data penyewa yang dilihatnya; skop digunakan oleh lapisan pelaksanaan daripada konteks yang disahkan. Ini amat penting untuk ejen, yang mengarang input dengan cara yang anda tidak skripkan. Jika pengasingan berada di dalam pertanyaan string yang dibantu oleh model, gesaan pintar boleh mengganggunya. Oleh kerana skop adalah luaran kepada pertanyaan, tiada gesaan — bersifat adversarial atau tidak sengaja — boleh melepasi sempadan penyewa. Hasilnya ialah jawapan yang boleh dihasilkan semula, diasingkan oleh penyewa dan boleh diaudit melalui pembinaan.

Paparan baca sahaja berasaskan pemberian: keselamatan yang tidak dapat difikirkan oleh model

Corak paling berbahaya dalam AI perusahaan sekarang ialah memasang chatbot terus ke jadual mentah. Ia menunjukkan demonstrasi dengan cantik dan gagal di tempat yang anda tidak mampu. Dengan akses jadual, ejen boleh menggabungkan data yang tidak pernah dimaksudkan untuk digabungkan, lajur permukaan yang sepatutnya tidak pernah meninggalkan sistem sumber dan mengira metrik tiga cara yang kelihatan sah yang semuanya tidak bersetuju. Anda mempercayai sistem kebarangkalian untuk menghormati sempadan yang hanya wujud sebagai konvensyen.

Alternatifnya adalah untuk menguatkuasakan sempadan dalam pangkalan data, di bawah model. Kami mendedahkan lapisan yang diperakui melalui paparan berasaskan geran, baca sahaja. Kelayakan AI boleh membaca paparan selamat yang disenarai putih tersebut dan tiada apa-apa lagi — tiada jadual mentah, tiada laluan tulis, tiada lajur di luar permukaan yang diperakui. Model tidak pernah melihat sempadan yang mungkin tergoda untuk dilanggar, kerana sempadan itu ialah geran pangkalan data, bukan perenggan arahan dalam gesaan sistem. Ini adalah jenis kawalan teknikal eksplisit yang dirangka seperti NIST AI RMF 1.0 yang didorong ke arah: mentadbir dan memetakan akses sebenar dan aliran data sistem AI anda daripada mempercayai model untuk bertindak balas.

Menyambungkan ejen ke permukaan ini adalah masalah pendawaian, bukan pembinaan semula. Lapisan diperakui yang sama yang menguasakan papan pemuka manusia didedahkan kepada ejen melalui alat MCP dan SoCode, jadi ejen membuat penaakulan melebihi metrik yang diperakui dan tidak pernah melebihi jadual mentah. AI tidak boleh mencipta angka, kerana ia langsung tidak menghasilkan angka — ia meminta lapisan, dan lapisan mengembalikan number yang diperakui.

Mengapa lapisan kongsi menjadikan pengarangan Tanpa Kod selamat

Layanan kendiri kedengaran seperti risiko tadbir urus: menyerahkan pengguna perniagaan kepada pembina metrik dan pastinya mereka akan mencipta definisi yang bercanggah yang sama dengan cara lain. Sebaliknya ialah true, dengan syarat pembina berada di atas lapisan yang diperakui. Pengarangan metrik tanpa Kod dan berstruktur membolehkan pengguna mengarang metrik baharu ke atas paparan selamat yang disenarai putih — memilih dimensi, penapis dan pengagregatan yang diperakui — tanpa menulis SQL mentah dan tanpa menyentuh jadual asas.

Oleh kerana setiap metrik yang dikarang dikumpulkan daripada blok binaan yang telah ditadbir, sifat keselamatan diwarisi dan bukannya dibicarakan semula. Metrik baharu berskop penyewa, boleh dihasilkan semula dan boleh diaudit atas sebab yang sama seperti yang diperakui: ia melalui titik masuk yang sama, melalui pandangan yang sama, di bawah geran yang sama. Tadbir urus tidak lagi menjadi pintu masuk yang memperlahankan orang ramai dan menjadi asas yang membolehkan lebih ramai orang membina dengan selamat. Itulah satu-satunya versi layan diri yang berskala tanpa memecah-belahkan semula definisi anda.

Apa yang sepatutnya ada pada CDO

Jika anda seorang CDO yang membina lapisan analitik AI, tahan keinginan untuk bermula dengan chatbot. Chatbot adalah 20% yang mudah dan berbahaya. Mulakan dengan perbendaharaan kata. Sahkan metrik teratas anda — takrifkannya, tetapkan pemilik, versikannya. Letakkannya di belakang titik entri pertanyaan tunggal yang menguatkuasakan skop penyewa secara luaran. Dedahkannya melalui pandangan baca sahaja berasaskan geran. Hanya kemudian sambungkan ejen, melalui alat gaya MCP, ke permukaan yang dikawal itu. Dilakukan dalam susunan itu, AI boleh dipercayai pada hari pertama kerana tiada apa-apa untuk dikhayalkan.

Ini bukan latihan teori. Jenama yang menutup gelung pengekalan dengan AI ialah jenama yang ejen dan papan pemukanya sudah bertutur dalam bahasa yang sama — McDonald's China, yang bekerjasama dengan SocialHub.AI, telah meningkatkan bahagian GMV daripada ahli daripada 5% kepada 85%. Hasil pada skala itu hanya boleh dipercayai apabila nombor di bawahnya diperakui, boleh dihasilkan semula dan sama untuk manusia yang menyemak papan pemuka dan ejen yang bertindak ke atasnya.

Tesis ini berpegang pada satu baris: alat ialah kata kerja, lapisan semantik ialah perbendaharaan kata, dan anda memerlukan satu perbendaharaan kata untuk dua khalayak supaya number bermaksud perkara yang sama sama ada seseorang atau ejen bertanya. Jika anda sedang membangunkan lapisan analitik AI dan ingin melihat rupa metrik yang diperakui, diasingkan oleh penyewa dan boleh diaudit yang menguasakan kedua-dua papan pemuka dan ejen daripada sumber kebenaran yang sama, tempah demo dan kami akan membimbing pasukan anda melaluinya mengikut definisi anda sendiri.