到 2026 年，人工智能代理消耗的企业数据将比人类多 10 倍，但无法防止灾难性误解的上下文理解。
在我昨天分享的演讲中，这是主要论点。
从历史上看，我们的数据管道一直为人们服务。我们构建了复杂的管道来提取、过滤和转换不同记录系统中的信息：云数据仓库、安全信息和事件管理系统 (SIEM) 以及可观察性平台。
然后我们解释这些输出并对其采取行动。
但很快最终消费者将不再是人。因此，我们需要从根本上重新考虑这些记录系统及其转换数据之间的接口。
人们在歧义中茁壮成长，因为我们擅长上下文解释。一位销售副总裁提到收入，一位首席财务官了解预订、账单、GAAP 收入或合同 ARR 之间的界限。人类可以毫不费力地驾驭这些细微差别，而机器则不然。
当您的 AI 代理提取“客户获取成本”数据，但没有认识到营销部门通过活动支出来衡量它、销售人员根据 AE + BDR 成本来计算它、而财务部门包括全员员工成本时，会发生什么？
结果是：伪装成情报的昂贵废话。
为了打击这种虚假信息，以前负责维护和监控管道的团队将成为不断发展的跨域语义层集合的培养者，这些语义层通过 MCP 或其他协议层向人工智能代理提供问题。
所有这一切的主要问题是如何交付语义层。从历史上看，将语义层作为独立产品进行销售一直很困难。 Looker 凭借其 LookML 语言取得了成功，其他公司也开发了自己的查询语言，这在某种程度上强制执行了松散的语义层。
未来几年将出现重大转变，因为企业意识到他们最有价值的数字资产不是他们的数据湖或人工智能模型，而是使这些投资变得有意义的语义层。
软件是推销促销的生意，没有人因实现语义层而得到晋升。然而，许多人将因大规模提高人工智能系统的准确性以及数据安全性和可观察性而得到晋升。
语义层是该项目的基石，因此也是当今任何数据管道中最具战略意义的部分。