返回资讯中心
外部精选
软件工程
#开发实践#Analytics, Artificial Intelligence, Development Tools, Software Development

Snowflake 推出 Business Ontology 工具,提升 AI agent 可靠性

来源标题:Snowflake launches Business Ontology to boost AI agent reliability

Snowflake 发布 Business Ontology,用于提升企业 AI agent 的可靠性,帮助其获取权威业务定义。该工具隶属 Horizon Catalog,支持企业定义和审批业务概念、指定负责人,并直接关联底层表和视图。这可以避免 AI agent 依赖不同系统对同一数据的冲突解读。

InfoWorld2026/11/3 · 4 天前15 分钟阅读

以下正文由 AI 翻译自 InfoWorld(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Snowflake希望通过其Horizon Catalog中的一项名为Business Ontology的新工具提升AI agent的可靠性,该工具用于数据发现、管理和治理。

Horizon Catalog在6月获得了一次增强,当时推出了Horizon Context,这是一组语义和元数据管理能力,旨在帮助企业收集、丰富和组织其数据资产中的元数据,并让AI agent更好地理解企业数据、数据之间的关系以及数据的使用方式。

Snowflake在一份声明中表示,Business Ontology在此基础上进一步扩展,允许企业定义和审批业务概念、为这些定义指定负责人,并将它们直接关联到底层的表和视图。

该公司补充说,这样一来,企业AI agent就能获得权威的业务定义,例如净收入由哪些部分构成,而不必依赖不同系统对同一数据各自不同的解读。

Business Ontology还为企业提供了一种方式来定义和审批尚未被正式记录的业务含义和关系。

通常情况下,订阅Snowflake的企业不得不依赖Cortex Sense——Snowflake的AI驱动业务上下文引擎——从可用的元数据和使用模式中推断这些含义,而这些推断可能并不总能反映预期的业务定义。

该公司表示,借助Business Ontology,企业用户现在可以审查、形式化并审批这些定义,确保AI agent使用经过业务验证的含义,而不是仅仅依赖AI生成的推断。

Business Ontology有望简化agent开发

HFS Research执行研究负责人Ashish Chaturvedi表示,对开发者而言,Business Ontology可以减少为agent或agentic应用拼凑上下文所需的工作量和时间,因为他们不再需要把业务逻辑硬编码到所构建的每一个agent中。

Chaturvedi补充说,这主要是因为agent可以利用Business Ontology中集中维护的定义,使开发者能够在多个agent和应用之间复用同一套业务上下文。

Constellation Research首席分析师Michael Ni对此表示认同,他认为这反过来还能减少不同agent对同一业务数据作出不同解读所导致的不一致,同时随着业务需求演变,使agentic应用的开发和维护变得更加容易。

Chaturvedi表示,对CIO而言,建立一套统一业务定义的能力同样可以让AI agent更容易跨部门扩展,而不必担心不同agent对同一业务数据作出不同解读。

不过,他警告说,保持业务定义与时俱进对企业来说仍可能是一项挑战。

“每个核心术语都需要有明确的负责人,在定价、产品或报告规则发生变化时进行审查,并建立指向其背后数据的链接,这样当schema发生变化时,就会促使相关人员检查依赖该定义的内容,”Chaturvedi说。

不同部门可能对同一业务概念有不同定义,这可能会让这一过程更加复杂。

“例如,销售、财务和运营部门可能会根据各自的业务需求,对什么构成客户或收入有不同解读。企业需要决定是将这些差异统一为一个共同定义,还是将它们保留为各自独立、清晰标识的术语,这一过程需要各业务部门达成一致,”Chaturvedi说。

据Snowflake称,Business Ontology预计很快就会进入公开预览阶段。

监控和治理agent活动的新控制措施

除了建立对企业数据的共同理解外,Snowflake还在为其agent控制层Cortex AI Gateway增加新能力,帮助企业监督AI agent如何执行任务、访问数据和消耗资源。

这些能力包括Cortex Sandboxes和Agent Trace Intelligence,前者为agent提供隔离环境,使其能够在企业数据旁执行自定义代码,后者则允许开发者和数据团队对照业务数据检查agent的执行轨迹。

Chaturvedi表示,对开发者来说,Cortex Sandboxes可能会提高生产力:“它消除了大多数开发者都乐于跳过的一项杂务,即为agent编写的代码搭建一个安全的运行环境。如今,团队要么自己构建并保护容器,要么把数据复制到其他地方,要么干脆不让agent运行代码。”

“Sandboxes在数据旁边启动,遵循启动agent者的权限,并在任务完成后关闭,因此开发者可以构建能够编写和运行分析代码的agent,而无需管理服务器或折腾凭据,”Chaturvedi补充说。

Ni认为,对CIO而言,这反过来应该能降低风险,尤其是在agent可能造成的任何损害方面,因为它将在隔离的安全环境中运行。

这意味着,虽然隔离环境可以限制故障代码或恶意代码对周边系统的影响,但它并不一定能阻止agent滥用用户已有权使用的数据或访问权限。

不过,对Chaturvedi来说,CIO更关心的是确保agent执行的代码产生准确可靠的结果。他表示,虽然沙箱可以限制故障代码或恶意代码造成的损害,但它并不能验证所使用的逻辑或输出的准确性。

Cortex Sandboxes和Agent Trace Intelligence目前均处于私有预览阶段。

除了Cortex AI Gateway的能力外,Snowflake还推出了Agent Abuse Detection,帮助企业应对围绕agent的安全担忧。

该公司表示,Agent Abuse Detection可以帮助企业识别超出其权限运行的agent,例如试图绕过审批流程或访问敏感数据的agent。该功能目前处于私有预览阶段。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →