第 17 章：AIP：让大模型进入组织行动系统

如果说 Ontology 是组织语义层，那么 AIP 的意义在于：

把大模型接入这个组织语义层，并让模型在规则、权限和审计约束下参与行动。

所以 AIP 不应该被理解成普通聊天机器人。

它更像是：

大模型进入复杂组织行动系统的接口。

1. AIP 不是普通聊天机器人

普通聊天机器人主要回答问题。

用户问，模型答。

用户继续问，模型继续答。

这种交互在个人场景很有价值，但在复杂组织中不够。

因为组织关心的不只是答案，而是行动。

比如：

•这个风险要不要升级？

•这个订单要不要调整？

•这台设备要不要维修？

•这笔交易要不要拦截？

•这个任务要不要重新分派？

•这个病人要不要复查？

这些问题不能只靠聊天回答。

它们要进入组织对象、权限、规则、流程、审批和审计。

AIP 的关键，不是让模型多说几句话，而是让模型在组织系统里工作。

2. AIP 如何接入 Ontology

大模型如果直接面对企业数据库，很容易迷失。

因为数据库里的字段、表、文档、接口，不一定有统一业务语义。

Ontology 给模型提供组织上下文。

它告诉模型：

•组织里有哪些对象；

•对象有哪些属性；

•对象处于什么状态；

•对象之间有什么关系；

•哪些对象与当前任务有关；

•当前用户有什么权限；

•哪些动作可以执行；

•执行后会影响什么。

AIP 接入 Ontology 后，模型不是在裸数据里猜，而是在组织语义空间里工作。

这会让模型的回答和行动更具体、更可控。

3. 模型能访问哪些对象

在组织里，模型不能随便访问所有对象。

它能访问什么，取决于：

•当前用户是谁；

•用户有什么权限；

•当前任务是什么；

•对象的敏感等级；

•对象与用户的关系；

•组织政策；

•合规要求。

比如一个销售经理可能能看到自己区域客户和订单，但不能看全公司工资数据。

一个医生可能能看自己负责病人的完整病历，但不能看无关病人的隐私信息。

一个军方用户可能只能访问特定级别的情报对象。

所以 AIP 的第一层约束是：

模型能看什么对象。

这是组织 AI 的基本安全边界。

4. 模型能调用哪些 Action

看见对象之后，还不等于能行动。

模型可以访问某个对象，不代表能修改它。

它能调用哪些 Action，也必须受约束。

比如：

•可以建议维修，但不能自动派单；

•可以生成采购建议，但不能直接下单；

•可以标记风险，但不能直接冻结账户；

•可以草拟回复，但需要人类发送；

•可以调整低风险计划，但高风险动作必须审批。

所以 AIP 要管理：

•模型能执行哪些动作；

•哪些动作需要人类批准；

•哪些动作只能建议；

•哪些动作可以自动执行；

•哪些动作禁止执行。

这就是模型从“回答者”变成“行动参与者”的关键。

5. 人类审批、工具调用、系统写回与结果反馈

复杂组织里的 AI 行动通常不是全自动，而是人机协作。

一个典型过程可能是：

1AI 读取相关对象；

2AI 分析当前状态；

3AI 提出建议；

4系统检查权限和规则；

5人类审批；

6AI 或系统调用 Action；

7动作写回业务系统；

8系统记录审计链；

9结果反馈到对象状态；

10下一次判断基于新状态继续。

这才是组织行动闭环。

它不是简单问答，也不是简单工具调用。

它是一套受治理的行动流程。

6. AIP 的价值不在模型更聪明，而在行动被组织化、权限化、审计化

AIP 的关键价值，不一定是模型本身最强。

模型可以换。

今天用 GPT，明天用 Claude，后天用内部模型。

真正关键的是：

模型如何被放进组织行动系统。

也就是：

•组织化：模型面对的是对象、流程和任务，不是裸文本；

•权限化：模型只能在授权范围内看和做；

•规则化：模型行动必须符合业务规则；

•审计化：模型和人的每一步都能追踪；

•反馈化：行动结果回流到系统。

所以 AIP 的价值不是“聊天更好”，而是：

让大模型在复杂组织中受控行动。

这也是 Palantir 和普通 AI 应用最大的区别之一。