🏷️ 数据治理

AI 不好用，99%是数据问题

文章指出企业 AI 应用效果不佳的核心原因在于数据治理，而非模型本身。公网 AI 无法访问企业核心私有数据。文章提出解决方案：利用知识库（RAG）处理文档与客服培训，通过 MCP 协议打通复杂数据库，并采用多 Agent 协作模式整合数据源、分析与报告生成。强调企业 AI 升级是系统工程，旨在实现从通用 AI 到私有 AI 的转变。

AI 只能做参考：制造业企业 AI 落地的清醒认知

本文记录了一家集团制造企业在 AI 转型过程中的真实探索。企业没有被大模型热潮冲昏头脑，而是清醒地指出“AI 只能做参考”。文章指出，企业 AI 化的第一步不是引入新平台，而是治理现有数据孤岛，串联 ERP、飞书等多系统中的字段。对于制造业，AI 应先从报表可视化、异常预警等“助理”角色切入，在生产排程等核心环节，AI 必须依赖基础数据，且最终决策权应保留在现行制度与人手中。

企业养虾（OpenClaw），虾住在哪里比虾本身重要

本文探讨了企业在落地 Agent（“养虾”）时面临的困境，指出问题核心不在于模型能力不足，而在于缺乏完善的业务数据环境。文章提出了包含数据、数据关系、操作和技能四层的企业知识体系框架，并强调企业应关注数据积累和流程显性化，而非单纯依赖模型。文中以飞书为例，分析了其作为工作空间在数据连通性和安全性方面的优势。