Deloitte 推出 Edisyl,瞄準企業 AI 情境脈絡
Deloitte 於 2026 年 11 月 12 日推出 Edisyl,此前已於 7 月收購 Flipside Crypto 的 AI 業務。Deloitte 推出 Edisyl 的核心主張相當明確:企業需要能跨越不同 AI 系統流通的專家知識。購買另一個助理,並不能解決其答案應遵循哪些定義、政策與判斷的問題。
這讓 Edisyl 介乎企業買家與既有 AI 工具平台供應商之間。例如 Microsoft 圍繞組織情境脈絡推廣 Work IQ。Edisyl 所提出的差異,在於一個可攜式知識層,結合專業知識與公司特定資訊。
問題在於,這種分離方式能否產生企業可維護及重用的知識,而毋須為每個應用程式重新建立。對買家而言,關鍵不僅在於答案質素,還包括誰掌控機構知識、誰負責更新,以及組織更換 AI 系統時還需要投入多少工作。
Deloitte 推出 Edisyl 緊隨 7 月收購
11 月的公告介紹了一項新事業及產品方向;並不代表剛完成一宗收購。
Deloitte 的企業 AI 收購公告,將 Edisyl 納入 D71 Ventures。這家波士頓公司包括 Flipside 的 24 人營運團隊,Dave Balter 將繼續擔任共同創辦人。
交易範圍同樣值得留意。Deloitte 收購的是 AI 業務,而 Flipside 的加密貨幣數據業務則另行出售予 Sonaverse。公告未有披露交易金額。
這些區別可避免將事件錯誤描述為 Deloitte 直接收購一家區塊鏈分析公司,也令投資敘事保持在適當基礎上。已披露的事件涉及一支被收購的團隊及一項企業知識產品,而非一輪具有公開估值的融資。
相比單看收購標題,商業層面的解讀更值得關注。一家顧問機構正支持一項獨立業務,其擬議價值定位於專業知識與 AI 應用程式之間。這為在實施工作以外銷售可重用知識,創造了一條潛在路徑。
對企業客戶而言,這帶來一個實際的採購問題。當 AI 專案依賴專業詮釋時,該等詮釋應否繼續嵌入某個特定應用程式?還是組織應將其作為可供不同應用程式使用的獨立資產來管理?
兩種安排均非必然較佳。將情境脈絡保留在既有平台內,可簡化部署及管理;將其分離則可令擁有權更清晰,但亦會引入另一個須整合、保安及評估的組件。
當公司改變其軟件選擇時,這個區別便變得重要。若某個助理的角色僅限於生成文字,替換它相對容易。然而,當應用程式的設定同時包含組織所接受的定義及例外情況處理方式時,替換應用程式便更困難。
這正是 Edisyl 正在追求的商業切入點。其成功將取決於能否令知識投資足夠持久,以承受 AI 技術堆疊其他部分的變化。
公告確立了這個方向,但尚未釐清營運模式。買家仍需了解,哪些內容會以持續維護的產品形式提供、哪些需要客製化,以及哪些責任仍由自己承擔。
這些問題應影響對這次推出的評估方式。收購可以為一個組織帶來專業能力;將該等能力轉化為可重複提供的客戶價值,則需要一項可由其他人部署及維護的產品。
因此,7 月交易與 11 月推出屬於同一故事的不同部分。前者關乎擁有權;後者則提出客戶最終必須評判的價值主張。
企業買家面對知識擁有權的取捨
Edisyl 的主張促使組織決定,誰擁有其 AI 應用程式所依賴的知識。
一項 AI 部署可以在多個團隊之間分配責任。資訊科技部門管理存取及基礎設施;業務專家負責詮釋政策;產品團隊設計工作流程,而員工則決定某個答案是否足以採取行動。
獨立的知識產品會令這些界線更清楚。必須有人批准提供予助理的詮釋,必須有人決定它何時過時,也必須有人處理一般專業標準與內部營運規則之間的分歧。
即使軟件有助落實,這些仍然是組織層面的決定。模型不能僅因某項政策出現在可搜尋文件中,便解決一項尚未定論的政策問題。
試想像一個假設的採購助理正在審閱供應商例外情況。它可能找到現行採購政策,以及一則描述早前例外處理的訊息。困難之處在於,該例外情況是否仍適用於這個供應商及這項請求。
即使答案引用了兩份文件,員工仍可能無法確定如何處理。若答案悄然將先前例外視為政策,便會產生另一個問題。有用的情境脈絡必須協助區分具權威性的規則,與顯示某項規則曾被豁免的證據。
這個例子說明知識擁有者所面對的壓力。若專業詮釋成為自動化工作的輸入,非正式的理解便需要明確的維護流程。否則,組織可能在不知道誰批准的情況下,廣泛傳播某一種詮釋。
對買家而言,當前應採取的做法是更清晰地分配責任。一名業務專家應擁有規則的含義;技術團隊應了解該含義如何傳達至應用程式,以及存取限制如何隨之執行。
這亦改變了成功實施的標準。連接文件是有用的里程碑,但對於相互衝突的指引是否已獲解決,所反映的資訊不多。一個運作中的示範可以透過看似令人信服的答案,掩蓋尚未解決的擁有權問題。
個人與組織AI 知識庫之間的區別,在此尤其相關。有助個人回想資訊的材料,並不會自動成為獲批准、可供團隊採用的指引。
長遠而言,壓力亦會落在供應商身上。若客戶要求可重用、受管治的知識,應用程式供應商將需要說明客戶如何檢視及遷移其情境脈絡投資。
這並不表示每個組織都需要獨立供應商。主要在既有平台內運作的公司,可能較偏好其原生控制功能;使用多個系統的公司,則可能更重視將共享詮釋保留於這些系統之外。
Deloitte 推出 Edisyl,令這項選擇更明確。它鼓勵買家在假設另一個應用程式能解決詮釋問題之前,先檢視知識的界線。
Edisyl Knowledge Packs 將專業知識與介面分開
這個擬議機制結合外部專業知識與內部含義,同時保留既有 AI 介面。
Edisyl 將其核心產品稱為 Knowledge Pack,亦即結合專業領域情境脈絡與公司特定知識的套件。其 Domain Pack 包含由專家註釋的材料;其 Proprietary Pack 涵蓋內部定義、政策及數據,Deloitte 表示這些內容仍由客戶掌控。
首批套件正與設計合作夥伴及領域專家共同開發。這屬於開發階段的描述,並非普遍可用性或相容性的證據。
Edisyl Knowledge Packs 概念之所以重要,是因為尋找資訊與詮釋資訊是兩項不同工作。一段檢索到的文字可以包含正確術語,卻未必說明哪些條件使其具有關聯性。
專家註釋,即由具知識的從業者加入的說明材料,可以令這些條件更明確。其實用性將取決於它記錄甚麼:適用範圍、例外情況、相依關係,還是應從狹義理解某項規則的原因。
這是對擬議機制的分析性解釋,並非對已獲驗證的 Edisyl 功能的描述。公告未有提供足夠的實施細節,以確認每項註釋如何建構或交付。
一項常見的技術比較是檢索增強生成(retrieval-augmented generation,或 RAG),即在模型回答時檢索外部資訊供其使用。其成效部分取決於檢索是否保留了解釋一段文字所需的資訊。
Anthropic 的情境化檢索研究,透過在檢索前為文件區段加入說明性情境脈絡,處理了這個問題。該公司表示,其測試的檢索配置有所改善。
該研究只支持一個有限觀點:預先準備情境脈絡,可能影響相關材料能否到達模型。它並不驗證 Edisyl 的產品、不確立同等結果,亦不表明專家註釋可以消除錯誤。
商業上的差異,將在於準備了甚麼知識、由誰維護,以及客戶能否重用。技術檢索方法與持續維護的專業詮釋內容,處於部署中相互關聯但不同的位置。
試想像一個假設的工程助理正在評估一項擬議系統變更。內部文件可能解釋組織的架構,而專業材料則說明較廣泛的可靠性實務。
有用的答案必須連繫這些來源,而不將一般指引表述為內部要求。當組織從未決定某項實務如何適用時,答案亦應保留不確定性。
將知識分開封裝,可能有助令這個區別可供檢視;同時亦可能產生另一個累積過時假設的地方。單靠架構本身,並不能決定最終會出現哪種結果。
因此,對 Edisyl Knowledge Packs 而言,維護是機制的一部分,而非行政細節。一個起初具備審慎詮釋的套件,仍需要一種方法去回應來源材料或內部政策的變動。
產品所提出的可攜性帶來另一項要求。重用應保留註釋的含義,而不只是轉移其文字。否則,每個應用程式仍需要人員重新建構背後的判斷。
平台情境脈絡是競爭路徑
Edisyl 所競爭的,是客戶已使用的平台在內部管理情境脈絡所帶來的便利。
Microsoft 的工作場所智能層提供了一個具體比較。Microsoft 將 Work IQ 描述為把代理與組織數據、情境脈絡及工具連繫起來,並配合具權限感知的管治功能。
這種做法從既有工作系統附近開始。Edisyl 所聲稱的價值主張,則由一個旨在跨系統流通的知識套件開始。這兩種做法可以重疊,而一個組織亦可同時採用兩者。
核心取捨在於可重用的業務含義應存放在哪裡。平台可以令其情境服務方便在其環境中的應用程式使用。獨立的一層則必須透過可重用性和更清晰的知識擁有權等好處,證明額外整合工作的價值。
對買家而言,便利性確實有實際價值。既有的管理方式、存取控制及營運熟悉度,均可減少引入另一項功能所需的工作。因此,應將可攜性與切實可行的替代方案比較,而非與一個不存在轉換成本的想像環境相比。
同時,原生便利性可能掩蓋了有多少情境相關工作會變成應用程式專屬。團隊採用另一個工具時,可能發現其定義、指引和審核流程需要大幅重建。
公平的比較,是保留有用行為所需的工作量。搬移檔案很容易展示;但要在不同應用程式之間保留已獲批准的詮釋、存取界線和來源可追溯性,則是要求更高的工作。
這正是相容性聲稱值得仔細閱讀的原因。支援某種連接方式,未必表示應用程式能正確使用知識套件的每一部分。接收系統仍然決定如何選取及使用所提供的資訊。
一間假設中的機構,可能分別使用助理處理員工支援和營運分析。兩者或許都需要同一個「核准供應商」定義,但所需的資訊存取權限不同。
如果可攜層能保留這個共用定義,同時不透露受限制的資料,便會很有用。若每個助理都需要獨立的詮釋和維護流程,所承諾的重用價值便不那麼吸引。
以上並不證明 Edisyl 優於 Microsoft 或任何其他供應商。這些產品的範疇不同,而公告亦沒有提供正面比較評估。
競爭層面的含義較為狹窄。企業買家多了一個建議存放位置,用以安置其應用程式所需的知識。供應商必須說明,為何這些知識應屬於其產品之內,或值得設立一個獨立的歸處。
對開發人員而言,這個決定會影響架構和除錯。當答案失敗時,他們需要判斷問題源自來源選取、詮釋、存取,還是生成。
若行為透明,獨立的一層可令這些界線更易檢查。若責任分散於不同供應商之間,則可能令檢查更困難。
因此,Edisyl 的機會取決於它能否減少重複的知識工作,同時不製造同樣棘手的協調工作。這是一個可量度的產品問題,而非由發表本身已確立的結論。
專家情境仍需獨立測試
更好的來源材料可以改善 AI 工作流程,但不能保證答案正確。
質疑的觀點始於區分「取得資訊」與「使用資訊」。提供相關資訊,並不代表模型會正確套用資訊、保留其限制條件,或辨識何時資訊不足。
學術研究 Lost in the Middle 發現,資訊的位置會影響其所測試模型和任務的表現。相關材料置於較長輸入內容中時,有時會被較不有效地使用。
這項歷史結果不應被視為 Edisyl 或所有現代模型的當前基準。它持續具有的方法論意義是:評估應測試系統如何使用情境,而非假定只要有情境便已解決問題。
獨立的風險指引提出了相關觀點。NIST 的 生成式 AI 檔案 討論了「虛構」,即以充滿信心的方式呈現錯誤或失實輸出。它亦建議在評估和持續監察期間檢閱來源及引文。
套用到 Edisyl,這意味著應為解讀公告設下幾個界線。附有來源支持的答案,仍可能錯述來源內容。專家材料仍可能被套用至其適用範圍以外。公司核准的定義,仍可能與較新的政策相衝突。
這些是評估層面的關注,而非已記錄的 Edisyl 失誤。現有公告沒有提供能解決這些問題的獨立結果。
具說服力的評估,應在受控條件下比較相同工作。審核者需要清楚說明任務、可用資訊,以及用於判斷正確性的準則。
比較亦應計及已有勝任能力的現有工作流程。與一個缺乏相關公司資訊的助理相比,資訊增強的產品自然會顯得吸引。更有用的問題是,它在客戶已維護的情境以外增加了甚麼。
困難個案尤其重要。例行問題可以獲得正確答案,但系統仍可能錯誤處理例外情況、缺失資訊或互相競爭的來源。買家在擴大責任範圍前,需要看清這些界線。
專家之間的分歧帶來另一項挑戰。專業詮釋未必總有一致結論,而業務規則也未必能整齊地對應一般標準。
有用的系統應在重要之處保留這些分歧。消除呈現上的含糊之處,或可令答案更易閱讀,卻可能令背後的決定更難辯護。
維護亦值得同等審視。若來源改變,機構需要了解哪些詮釋和下游答案需要審核。知識產品應被視為一項持續的營運承諾來評估。
控制亦不僅是擁有相關文件。買家應建立機制,釐清誰可更改詮釋、批准更新,以及決定哪些應用程式可接收更新。
當多個系統共用相同知識時,這些問題尤其重要。重用可以有效傳播修正,但也可能傳播未被察覺的錯誤。
因此,應把 Deloitte 的 Edisyl 發表視為一項產品主張,其驗證要求仍未解決。它指出了一個合理的瓶頸,但未能證明所提產品能多一致地消除該瓶頸。
留意可用性、可攜性和客戶證據
下一項有意義的證據,應顯示客戶可部署甚麼、系統轉換後哪些內容得以保留,以及實際工作有哪些改善。
未來數月的首個訊號,是具體的產品可用性。有用的更新應說明哪些 Knowledge Packs 已可使用、其支援範圍,以及客戶在使用前必須完成甚麼工作。
這很重要,因為開發合作關係和可重複部署回答的是不同問題。獲密切支援的合作項目可以識別有價值的需求,卻不能證明另一位客戶能多容易採用成果。
清晰的可用性資訊,將加強 Edisyl 正成為可重複產品業務的論點。若持續只描述開發活動,則這個結論仍然未定。
可用性亦應讓維護責任清晰可見。買家需要區分由供應商提供的內容,與必須由其自身專家批准的詮釋。
第二個訊號是已展示的可攜性。最有力的證據,是展示同一套獲持續維護的知識可在不同 AI 應用程式中運作,同時保留其限制條件和存取界線。
措辭不必完全相同。不同應用程式可以以不同方式呈現等效的推理。關鍵在於,它們是否保留相同的核准含義,並提供足夠證據讓審核者檢查結果。
成功的展示將加強 Edisyl 的核心主張。若需進行大量應用程式專屬重建,則會削弱獨立套件可減少重複工作的論點。
可攜性亦有組織層面的意義。客戶應能理解其知識資產,而不完全依賴剛好將其呈現出來的介面。
第三個訊號,是相對於現有工作流程衡量的客戶證據。有用的報告應識別任務、說明比較方式,並描述改善之處和仍然存在的失敗模式。
單靠採用並不足以證明答案質素。員工可能因系統較易使用而偏好它,但專科審核者仍可能發現重要的詮釋錯誤。
相反,範圍較窄但經過嚴謹評估的部署,可能比廣泛使用的公告提供更有力證據。範圍和量度方式決定客戶結果實際能支持甚麼結論。
正面結果將加強把專家知識視為持續維護產品的理據。若證據僅限於精心策劃的示範,商業和技術問題仍未獲解答。
對知識工作者而言,實際問題是已獲批准的專業知識是否更易尋找、亦更安全地重用。對開發人員而言,問題是情境是否更易檢查。對買家而言,問題是新增的一層是否值得存在。
從機構每次採用另一個助理時都無法承受重新詮釋的知識開始。識別誰負責批准、例外情況存放在哪裡,以及員工如何核實答案。然後要求潛在供應商展示,當這些知識改變或在不同應用程式之間轉移時會發生甚麼。Deloitte 的 Edisyl 發表值得持續關注,因為它把這些責任帶進採購討論。應透過實際任務、可信的比較,以及可檢查的維護流程來判斷這項主張。在決定下一個 AI 工作流程在哪裡運行之前,你能否說明誰控制了令其答案有用的知識?



