业务引入 AI 智能体，为何可信知识图谱是首要前提？
当企业将 AI 融入业务系统时，关键不在于追问“模型能否给出答案”，而在于审视“企业是否敢信任该答案”。一旦 AI 涉足订单、采购、库存、质检、财务及客服等核心环节，可信度便不再仅仅是体验层面的考量，而是关乎经营责任、流程管控与风险治理的重大议题。核心研判可信 AI 是 AI 入驻业务系统的唯一准入门槛。业务知识图谱的真正价值，并非仅仅绘制一张关系网络，而是将可信数据、业务规则、权限界限、证据链条及反馈机制，整合成 AI 能够理解、调用并接受审计的业务语义体系。图 1：企业业务 AI 知识图谱主视觉在演示
人工智能时代：金融数据获取门槛降低但可信度面临考验
宏观上，金融市场承担着资源配置与资金流通的核心职能；微观上，该职能借由金融交易达成。一切交易的基础在于可信赖的信息与数据。所谓"可信赖"，至少涵盖三大要素：全面性(Coverage)、精确性(Accuracy)与合规性(Compliant)。获得可信的金融数据，是各类AI工具及智能体在金融领域应用的根本前提。正如"Garbage in, garbage out"（垃圾进，垃圾出）所言，输入错误或低质量的数据，势必导致输出结果偏差乃至完全失效。AI技术持续演进，特别是大语言模型(LLM)与生成式AI(Gen
AI时代下的人力情报价值
大众普遍认为，人工智能将彻底改变情报收集的方式，使其更高效、成本更低且更具扩展性。然而，最新研究指出，这项技术也可能促使间谍活动重新依赖一些传统手段。美国中情局资助的学术期刊《情报研究》近期发表了一篇文章（文章已上传至本号的知识星球），指出随着人工智能让短信、视频通话等数字通信的可信度下降，传统的人员情报技能，例如秘密信箱、快速交接以及面对面接触，可能再次变得至关重要。文章作者、兰德公司研究员托马斯・马利根提到，尽管技术提升了情报收集能力，但同时也让人们难以信赖这些工具生成或传输的数据。马利根曾在2008