北京
在當今數字化商業環境中，企業面臨著海量的數據信息，高效準確地從這些數據中挖掘出有價值的內容，成為提升競爭力的關鍵。語義搜索作為一項重要技術，能夠幫助企業理解用戶查詢的深層意圖，而不僅僅是基于關鍵詞匹配，從而提供更精準、相關的搜索結果，極大地提升信息檢索效率和決策質量。
目前，企業語義搜索主要有依托大型語言模型（LLM）和無需大型語言模型兩種方式，前者憑借強大的語言理解和生成能力帶來靈活的搜索體驗，后者則有著獨特的優勢。
甲骨文公司是一家專注于數據庫管理系統的跨國計算機技術公司，其推出的可信答案搜索Trusted Answer Search是一項新產品，優先考慮控制、可審計性和可預測結果，雖節省計算成本，但增加了數據管理和治理成本。
甲骨文無需大型語言模型的語義搜索實現方式
甲骨文新的可信答案搜索Trusted Answer Search通過向量搜索，而非大型語言模型（LLM）和檢索增強生成（RAG），大規模檢索受控的批準文檔集，在企業中大規模提供可靠結果。
該系統可下載或通過API訪問，企業先定義一個由批準的報告、文檔或應用端點與元數據配對的精心“搜索空間”，再利用基于向量的相似度將用戶自然語言查詢匹配到最相關的預批準目標。
其底層系統不像依賴大型語言模型的RAG系統那樣提取原始文本并生成回復，而是確定性地將查詢映射到特定“匹配文檔”，提取所需參數，返回結構化、可驗證的結果，如報告、網址或操作。此外，反饋環路使用戶能夠標記錯誤匹配并指定預期結果。
支持企業數據語義搜索方案還有好幾家
企業對更多確定性自然語言查詢系統的需求日益增長，這些系統能消除不一致響應，為合規目的提供可審計性。任何重視可預測性而非創造性、希望降低運營風險的企業，尤其是金融和醫療等受監管行業，都是潛在買家。
甲骨文Trusted Answer Search使甲骨文與競爭對手的超大規模產品競爭。亞馬遜Kendra、微軟Azure AI Search、Vertex AI Search和IBM Watson Discovery等產品已支持對企業數據的語義搜索，通常結合訪問控制和混合檢索技術。
HFS Research高管研究負責人Ashish Chaturvedi表示，這些產品與甲骨文產品的關鍵區別在于，競爭對手通常會在生成式人工智能能力基礎上疊加以生成答案。
甲骨文的系統不再僅依賴大量靜態、策劃的文檔，而是將“可信文檔”視為參數化的URL，從底層系統動態獲取內容，能從企業應用、API或定期更新的網絡端點等實時數據源生成答案，減少對手動維護文檔倉庫的依賴。
不過，在快速變化領域，保持描述、同義詞和映射更新仍需有紀律的所有者、審批和反饋審查，語義重疊會增加維護復雜度。
CIO們需要權衡的因素
KramerERP管理合伙人Robert Kramer表示，可信答案搜索雖通過避免大量使用LLM降低推理成本，但支出轉向數據管理、治理和持續維護。Linthicum也認為，采用該技術的企業需投入資金進行文檔整理、分類法設計、審批、變更管理和持續調整。
另外，數據時效性挑戰。Info-Tech Research Group的顧問研究員Scott Bickley警告，保持策劃數據的時效性存在挑戰。隨著源數據擴展到包括外部來源內容，如監管更新、供應商認證或市場更新，更新頻率更高且文件數量可能達數千份，風險增加。
問題在于能否在龐大數據集中提供精確答案，文件版本矛盾或監管環境措辭差異時，呈現合理但錯誤結果的風險會增加。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
