甲骨文正在扩展其自治AI数据湖仓（Autonomous AI Lakehouse），新增业务语义层（Business Semantic Layer），旨在让AI智能体对企业数据形成一致的理解，此举意在提高AI生成洞察的准确性，并帮助企业在各业务职能中规模化部署智能体应用。
为了让AI智能体贴合业务场景，业务语义层利用目录注释、从甲骨文AI数据库导入的SQL注释，以及AI建议的分析视图，构建可复用的企业数据模型，涵盖维度、度量、层级结构、计算方式和关键绩效指标（KPI），甲骨文在一份声明中表示。
这些模型随后可用于甲骨文的自然语言查询、数据检索和分析能力，包括Select AI，以确保查询和洞察基于一致的业务定义。甲骨文表示，这些新功能将在未来12个月内推出。
除了新语言层之外，在公司年度AI World大会上，甲骨文还推出了业务模拟引擎（Business Simulation Engine），通过将甲骨文Essbase整合进自治AI数据湖仓，帮助企业评估业务场景并做出更明智的规划决策。
该公司表示，除了预测和假设分析之外，该引擎还支持数据回写、动态层级汇总、高级计算和分配功能。
企业用户还可以通过新引擎以自然语言提出问题、生成模拟报告，并对存储在甲骨文数据库或对象存储中的数据进行基于Excel的分析，公司补充道。
此外，甲骨文正在扩展数据湖仓对Apache Iceberg的支持，让客户可以使用SQL创建、填充、更新和删除Iceberg表，同时在通过外部目录或其AI数据目录访问Iceberg数据时提升性能和功能。
IT咨询公司Kanerika的AI开发负责人阿米特·库马尔·杰纳表示，让AI智能体贴合业务场景的能力，将帮助数据专业人员和开发者通过使用经过审核的业务指标和定义，构建更可靠的AI驱动分析和应用，从而减少用于调查和核对不一致结果的时间。
"我们Kanerika在微软的竞品Fabric平台上为一家全球制药公司做过类似的工作，在智能体上线前建模了40多个实体并标准化了85多个KPI。调查和核对时间下降了约70%，"杰纳说。
Nord-IQ Research首席分析师马诺吉·钱德拉·贾表示，这些可靠性方面的改进，将反过来帮助首席信息官们在各业务职能中规模化部署智能体应用，并更有信心地依赖AI驱动的决策。
同样，新增的业务模拟引擎也有潜力通过在数据湖仓中整合分析与规划能力，帮助企业加快决策速度。
Pareekh Consulting首席分析师帕里克·贾恩表示："通过让分析与规划更紧密地结合，该引擎可以帮助财务团队和业务规划人员利用企业数据运行假设场景分析，而不必在不同系统之间反复迁移数据。"
贾恩补充说，对首席信息官而言，这可以简化数据架构并加快决策速度，而开发者则可以减少在分析工具与规划工具之间构建集成的时间，将更多精力投入到开发能将业务洞察转化为可执行工作流的应用上。
贾指出，扩展后的Apache Iceberg支持可以进一步简化开发者和数据专业人员的数据管理工作，因为他们可以使用熟悉的SQL来创建和修改Iceberg表，而不必依赖独立的工具或工作流。
他补充说，对数据工程师而言，这具体意味着可以使用SQL处理单一副本的数据，同时保留在同一批表上结合使用甲骨文与Apache Spark、Snowflake或Databricks等平台的灵活性。
贾恩也认为，这种数据重复的减少，反过来对首席信息官而言，可以降低相关的存储和处理成本，同时在跨不同数据平台工作时获得更大的灵活性。
然而，新增至自治AI数据湖仓的每项新功能都伴随着各自的权衡取舍。
首先，业务语义层将要求企业定义并维护业务指标、关系和规则，以确保AI智能体能够一致地解读数据，杰纳说。
杰纳补充说，对首席信息官而言，这带来了额外的治理责任，因为如果模型不完整或过时，AI生成的洞察仍可能不一致或产生误导，而将该层扩展到各业务职能可能需要数据团队持续投入工作，以建模和验证新的指标和关系。
贾恩指出，与此同时，对于业务模拟引擎而言，挑战在于它与现有企业工作流的契合程度、对既有规划流程的支持情况，以及与已在使用的系统的整合情况，尤其是在甲骨文与Anaplan、OneStream和SAP Analytics Cloud等专业规划平台竞争的背景下。
扩展后的Iceberg支持同样伴随着关于数据可移植性和供应商锁定的注意事项。
贾表示，尽管开放表格式可以使数据更容易跨平台访问，企业可能仍然依赖专有目录和语义层来管理和解读数据。
甲骨文尚未具体说明业务模拟引擎或扩展后的Apache Iceberg功能何时将向客户推出。
