在近日的一场技术分享中，巴西企业软件公司TOTVS首席技术官Fabiane Nardon详细阐述了如何为企业级AI智能体构建数据层架构。她指出，随着AI智能体对token消耗量的持续增长，企业数据基础设施需要从传统事务系统向支持语义模型与动态工具选择的架构演进。
Nardon在演讲中重点讨论了如何在精度、安全和成本之间取得平衡。她认为，企业需要在确定性逻辑与非确定性大语言模型之间建立清晰的边界，这一平衡贯穿于数据处理的各个环节。TOTVS的实践表明，单纯依赖大语言模型处理企业级事务存在精度风险，而完全依赖传统规则系统又无法满足智能化需求。
在具体技术方案上，Nardon介绍了TOTVS采用的多层数据架构。该架构基于数据网格（Data Mesh）理念，结合低延迟数据库系统，为AI智能体提供实时数据访问能力。同时，团队构建了语义本体（Semantic Ontologies）模型，将企业业务概念与底层数据结构解耦，使大语言模型能够更准确地理解业务上下文。
针对token开销问题，Nardon重点介绍了动态MCP（Model Context Protocol）工具选择机制。该机制根据智能体当前任务需求，动态筛选最相关的数据工具和上下文窗口，避免将全部事务数据无差别地输入大语言模型。这一方法显著降低了token消耗，同时提升了响应速度和准确性。
TOTVS是拉丁美洲最大的企业软件供应商之一，其产品线涵盖ERP、人力资源、财务等核心企业管理领域。近年来，该公司持续加大在AI领域的投入，将生成式AI能力嵌入其企业软件套件。此次分享反映了企业软件厂商在AI落地过程中面临的数据架构挑战，即如何在保持事务系统可靠性的同时，为AI智能体提供高效、经济的数据访问路径。
随着企业级AI应用从概念验证走向生产环境，数据层架构的设计将直接影响AI应用的性能与成本。TOTVS提出的语义模型与动态上下文管理方案，为同类企业提供了一条可参考的技术路径。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
