企业里的智能体最容易在一个看似简单的问题上露馅：销售口中的“活跃客户”，财务口中的“有效合同”，运营口中的“转化”，可能各有一套口径。模型能读到数据，却不知道哪一个定义才算数；一旦它不仅回答问题，还能调用工具、改动系统，口径混乱就会从报表争议升级成真实操作风险。

Snowflake在11月3日的Expedition 2026上发布Business Ontology与Cortex AI Gateway，切入的正是这层问题。前者把企业批准过的业务术语放进统一语义层，后者管理智能体怎样连接模型、调用工具和执行动作。它们没有承诺让模型突然更聪明，而是试图让模型在同一套定义、权限和审计规则里工作。

Snowflake援引的一项赞助研究称，55%的受访高管把缺乏业务语境列为智能体洞察质量低的首要原因，另有45%提到数据碎片化或不可访问。数字来自企业自报，不能直接等同于部署失败率，却说明了一个常被忽略的事实：模型拿到很多表，并不等于它理解这些表在公司里代表什么。

业务本体解决的不是“知识更多”，而是“答案只有一个口径”

Business Ontology的作用，是把收入、客户、产品、地区等核心概念，以及它们之间的关系，整理成经过批准的定义。智能体查询数据时，不必临时猜测字段含义，也不必在不同团队维护的说明文档之间拼凑答案。对财务、销售和供应链这类跨系统任务，这种统一口径比再增加一个模型参数更直接。

真正的价值出现在定义发生冲突时。过去，分析师会在会议里发现两张报表对不上；智能体时代，错误可能在几秒内被复制到邮件、工单和自动审批。把定义前置，相当于把“先争清楚怎么算”变成系统约束。它不能消灭脏数据，也不能替代业务负责人确认指标，但能减少模型在语义空白处自由发挥。

Cortex AI Gateway则负责另一半：把不同智能体接入模型、MCP服务器和企业系统的路径集中管理。企业可以观察模型使用、工具调用与成本，并把动作绑定到统一政策。这里的重点不是把所有智能体塞进同一产品，而是让来自不同团队的智能体经过同一扇受控的门。

从回答到执行，治理要跟着动作走

只读问答的错误通常停留在屏幕上；能创建订单、更新客户记录或触发付款的智能体，错误会进入业务流程。因此，企业不能只记录“用了哪个模型”，还要知道它基于哪一版业务定义、访问了哪些数据、调用了什么工具，以及最终动作是否经过批准。

Snowflake强调每项决策和操作可审计，并受同一套政策约束。这个方向合理，但公告本身没有证明所有外部模型、工具和云环境已经无缝纳管，也没有给出统一的准确率或成本降幅。企业仍需要为高风险动作设置人工确认、最小权限和回滚路径。网关可以集中控制，不会自动替业务部门决定什么动作值得放行。

这次发布更像一个信号：企业智能体的竞争正在从“谁能做出更像人的回答”，移向“谁能在复杂组织里持续做对同一件事”。模型能力决定它能不能完成任务，业务语境决定它有没有理解任务，执行治理决定它做错时会造成多大损失。三层缺一，智能体越勤快，风险反而越快扩散。

对准备上线智能体的团队，先画清指标定义和工具权限，可能比先采购更多模型更划算。一个共享的业务本体让答案有出处，一道统一的执行网关让动作有边界；真正可以规模化的，不是智能体数量，而是企业对每一次回答和行动的解释能力。