Deloitte Edisyl 发布瞄准企业 AI 上下文
Deloitte 于 2026 年 11 月 12 日推出 Edisyl,此前该公司于 7 月收购了 Flipside Crypto 的 AI 业务。Deloitte Edisyl 的发布围绕一个明确主张:企业需要能够跨 AI 系统流转的专家知识。购买另一个助手,并不能解决其回答应遵循哪些定义、政策和判断标准的问题。
这使 Edisyl 处于企业买家与已为其提供 AI 工具的平台之间。例如,Microsoft 围绕组织上下文推广 Work IQ。Edisyl 提出的差异化定位是一层可移植的知识层,将专业专长与企业特定信息结合起来。
问题在于,这种分离是否能产生企业可维护、可复用的知识,而无需为每个应用重新构建。对买家而言,利害关系不仅限于回答质量,还包括谁控制机构知识、谁负责更新,以及组织更换 AI 系统时还需投入多少工作。
Deloitte Edisyl 的发布紧随 7 月收购
11 月的公告推出的是一项新业务和产品方向;它并不意味着一笔新的收购刚刚完成。
Deloitte 的企业 AI 收购公告将 Edisyl 纳入 D71 Ventures。该波士顿公司包含 Flipside 的 24 人运营团队,Dave Balter 将继续担任联合创始人。
交易范围同样重要。Deloitte 收购的是 AI 业务,而 Flipside 的加密数据业务则被另行出售给 Sonaverse。公告未披露交易金额。
这些区别避免该报道被误解为 Deloitte 完全收购了一家区块链分析公司,也使投资叙事保持在事实基础上。已披露事件涉及的是被收购的团队和一款企业知识产品,而非一轮具有公开估值的融资。
比单纯的收购标题更有意思的是其商业解读。一家咨询机构正在支持一项独立业务,其拟议价值位于专业专长与 AI 应用之间。这为在实施服务之外销售可复用知识创造了一条潜在路径。
对企业客户而言,这带来了一个实际采购问题:当 AI 项目依赖专业判断时,这种判断应当继续嵌入某个特定应用中吗?还是应由组织将其作为可供不同应用使用的独立资产进行管理?
两种安排并非天然孰优孰劣。将上下文保留在现有平台内,可能简化部署与管理;将其分离则可能使所有权更清晰,但也会引入另一个需要集成、保护和评估的组件。
当企业改变软件选择时,这一区别会变得重要。如果助手的角色仅限于生成文本,更换它相对容易。但如果某应用的配置还包含组织认可的定义和例外处理方式,替换该应用就会更困难。
这正是 Edisyl 所追求的商业机会。它能否成功,取决于其能否让知识投入足够持久,以经受 AI 技术栈其他部分的变化。
该公告确立了这一方向,但并未明确运营模式。买家仍需了解,他们将获得哪些可维护的产品内容,哪些内容需要定制,以及哪些责任仍由自己承担。
这些问题应当塑造对这次发布的评估方式。收购可以将专长引入一个组织;要将这种专长转化为可重复的客户价值,则需要一款其他人能够部署和维护的产品。
因此,7 月交易和 11 月发布属于同一故事的不同部分。前者关乎所有权,后者展示的是客户最终必须评判的主张。
企业买家面临知识所有权决策
Edisyl 的主张促使组织决定:其 AI 应用所依赖的知识究竟由谁拥有。
一项 AI 部署可能将责任分散到多个团队。信息技术部门管理访问与基础设施,业务专家解读政策,产品团队设计工作流程,而员工则决定某个答案是否足够有用、可以据此采取行动。
独立的知识产品会使这些边界更加清晰。必须有人批准提供给助手的解释;必须有人决定它何时已经过时;还必须有人处理通用专业标准与内部运营规则之间的分歧。
即便由软件协助实施,这些仍是组织层面的决策。模型无法仅因某项政策出现在可搜索文档中,就解决尚未厘清的政策问题。
设想一个假设中的采购助手正在审核供应商例外情况。它可能会找到现行采购政策,以及一条说明此前例外处理的消息。困难在于,该例外是否仍适用于这个供应商和这项请求。
一个同时引用两份文件的答案,仍可能让员工无所适从。一个悄然将此前例外视作政策的答案,则会造成另一种问题。有用的上下文必须帮助区分权威规则,与某项规则曾被豁免的证据。
这一例子说明了知识所有者所承受的压力。如果专家判断成为自动化工作的输入,非正式的理解就需要明确的维护流程。否则,组织可能在不清楚谁批准了该解释的情况下,将其广泛传播。
对买家而言,直接应对方式应是更清晰地分配责任。业务专家应拥有规则的含义;技术团队则应了解这种含义如何传递到应用中,以及访问限制如何随之执行。
这也改变了成功实施的定义。连接文档是一个有用的里程碑,但它几乎无法说明相互冲突的指引是否已得到解决。一次成功演示可能用一个看似可信的答案掩盖尚未解决的所有权问题。
个人与组织AI 知识库之间的区别与此相关。帮助个人回忆信息的材料,并不会自动成为获批的团队指引。
长期压力同样会落在供应商身上。如果客户要求可复用、受治理的知识,应用供应商就需要说明,客户如何检查并迁移其上下文投入。
这并不意味着每个组织都需要一家独立供应商。主要在现有平台内运营的企业,可能更偏好其原生控制能力;使用多套系统的企业,则可能更看重将共享解释保留在这些系统之外。
Deloitte Edisyl 的发布让这一选择变得更加明确。它鼓励买家在假定另一个应用能够解决解释问题之前,先审视知识边界。
Edisyl Knowledge Packs 将专业知识与界面分离
这一拟议机制将外部专长与内部含义结合,同时保留既有 AI 界面。
Edisyl 将其核心产品称为 Knowledge Pack,即将专业领域上下文与企业特定知识结合的知识包。其 Domain Pack 包含由专家标注的材料;其 Proprietary Pack 则涵盖内部定义、政策和数据,Deloitte 表示这些内容仍由客户控制。
首批知识包正与设计合作伙伴和领域专家共同开发。这是一种处于开发阶段的描述,而非普遍可用性或兼容性的证据。
Edisyl Knowledge Packs 的概念之所以重要,是因为查找信息与解释信息是两项不同任务。检索到的段落可能包含正确术语,却未说明哪些条件使其具备相关性。
专家标注,即由知识丰富的从业者补充的说明性材料,可以使这些条件明确化。其作用取决于所记录的内容:适用范围、例外、依赖关系,或某项规则应被狭义解释的理由。
这是一种对拟议机制的分析性说明,而非对已验证 Edisyl 功能的描述。该公告未提供足够的实施细节,无法确定每项标注如何构建或交付。
一个常见的技术对照是检索增强生成,即 RAG,它会检索外部信息供模型在回答时使用。其有效性部分取决于检索是否保留了解释某段文字所需的信息。
Anthropic 的上下文检索研究通过在检索前向文档片段添加解释性上下文来解决这一问题。该公司报告称,其测试的检索配置有所改进。
这项研究支持一个有限结论:准备上下文可能影响相关材料是否能传递给模型。它并不验证 Edisyl 的产品,不代表已证明等效结果,也不能说明专家标注能够消除错误。
商业层面的差异将取决于准备了什么知识、由谁维护,以及客户能否复用。技术检索方法与经过维护的专业解释体系,处于部署中相关但不同的环节。
设想一个假设中的工程助手正在评估拟议的系统变更。内部文档可能说明组织架构,而专业材料则描述更广泛的可靠性实践。
一个有用的回答必须关联这些来源,同时不能将通用指引表述为内部要求。当组织从未决定某项实践应如何适用时,它还应保留这种不确定性。
将知识单独打包,可能有助于让这一区别可供检查;也可能创造另一个积累过时假设的地方。架构本身并不决定最终会出现哪种结果。
因此,对 Edisyl Knowledge Packs 而言,维护是机制的一部分,而非行政细节。即使知识包最初包含审慎的解释,源材料或内部政策发生变化时,仍需要有响应方式。
该产品所主张的可移植性还带来另一项要求。复用应保留标注的含义,而非仅仅转移其文字。否则,每个应用仍需要人们重新构建其背后的判断。
平台上下文是竞争性路径
Edisyl 面对的竞争,是由客户已在使用的平台内部管理上下文所带来的便利性。
Microsoft 的工作场所智能层提供了一个具体对照。Microsoft 将 Work IQ 描述为连接代理与组织数据、上下文和工具,并配备感知权限的治理能力。
这种方法始于现有工作系统附近。Edisyl 所述主张则始于一个旨在跨系统流转的知识包。这两种方法可能重叠,组织也可以同时使用二者。
核心权衡在于可复用的业务语义应当存放在哪里。平台可以让其环境中的应用更方便地使用上下文服务。独立层则必须通过复用、更清晰的知识归属等收益,证明额外集成工作的合理性。
对买方而言,便利性具有实实在在的价值。现有的管理机制、访问控制和运营熟悉度,可以减少引入另一项能力所需的工作。因此,评估可移植性时,应与现实可行的替代方案比较,而不是与一个不存在切换成本的假想环境相比。
与此同时,原生便利性可能掩盖上下文工作在多大程度上变得应用专属。团队可能会发现,一旦采用另一种工具,其定义、指令和审核流程都需要大幅重建。
公平的比较标准,是保留有用行为所需的投入。移动一个文件很容易展示;而要在不同应用间保留经批准的解释、访问边界和来源可追溯性,则是一项要求更高的任务。
这正是兼容性声明值得仔细解读的原因。支持某种连接,并不必然意味着应用能够正确使用知识包中的每一部分。接收系统仍决定如何选择和使用所提供的信息。
假设某个组织分别使用不同的助手处理员工支持和运营分析。两者可能都需要同一套“已批准供应商”的定义,但对信息访问的要求不同。
如果可移植层能够在不暴露受限材料的前提下保留这一共享定义,它就会很有价值。若每个助手都需要独立的解释和维护流程,所承诺的复用价值就不那么有说服力了。
这些内容并不能证明 Edisyl 优于 Microsoft 或其他任何供应商。相关产品的覆盖范围不同,而该公告也没有提供正面比较评估。
竞争层面的含义更为有限。企业买方现在多了一个可供安置其应用所需知识的位置。供应商必须说明,为何这些知识应留在其产品内部,或为何值得拥有独立的归属。
对开发者而言,这一决策会影响架构与调试。当回答出现问题时,他们需要判断问题源于来源选择、解释、访问权限,还是生成过程。
如果其行为透明,独立层可以让这些边界更容易检查。如果责任被分散到多个供应商之间,它也可能让检查变得更困难。
因此,Edisyl 的机会取决于它能否减少重复的知识工作,同时不制造同样棘手的协调工作。这是一个可以衡量的产品问题,而不是发布公告本身已经确立的结论。
专家上下文仍需独立测试
更好的源材料可以改善 AI 工作流,但并不能保证答案正确。
质疑的出发点在于区分“获取”与“使用”。提供相关信息,并不能证明模型会正确应用这些信息、保留其限定条件,或识别出信息不足的情形。
学术研究 Lost in the Middle 发现,在其测试的模型和任务中,信息所处的位置会影响表现。当相关材料置于较长输入内容中时,有时会被较低效地使用。
这一历史结果不应被视为 Edisyl 或所有现代模型的当前基准。它持续具有的方法论意义在于:评估应检验系统如何使用上下文,而不应假定上下文的存在已经解决了问题。
独立风险指南也提出了类似观点。NIST 的生成式 AI 概述讨论了“幻觉”,即以自信方式呈现错误或不准确的输出。该指南还建议在评估和持续监控中审查来源与引用。
将这一点应用于 Edisyl,可为解读该公告提供若干边界。带有来源支撑的答案仍可能误述来源原意。专家材料仍可能被应用到其适用范围之外。公司批准的定义仍可能与更新后的政策相冲突。
这些属于评估层面的担忧,而非已有文档证实的 Edisyl 缺陷。现有公告没有提供能够解决这些问题的独立结果。
有说服力的评估应在受控条件下比较同一项工作。审查者需要清楚描述任务、可获得的信息,以及用于判断正确性的标准。
比较还应考虑已有且胜任的工作流。与一个缺乏相关公司信息的助手相比,增强型产品自然会显得更有吸引力。更有价值的问题是,它在客户已经维护的上下文之外究竟增加了什么。
困难案例的重要性尤为突出。系统可能正确回答常规问题,却仍然无法妥善处理例外情况、缺失信息或相互冲突的来源。买方在扩大责任范围之前,需要看清这些边界。
专家意见分歧带来了另一项挑战。专业解读并不总是一致,业务规则也不总能与通用标准严丝合缝地对应。
有用的系统应在关键之处保留这种分歧。消除呈现中的模糊性,或许会让答案更易阅读,却可能让其背后的决策更难以辩护。
维护同样值得严格审视。若来源发生变化,组织需要了解哪些解释和下游答案需要复核。知识产品应被视为一项持续的运营承诺来评估。
控制也不仅仅意味着拥有底层文档。买方应明确谁可以修改解释、批准更新,以及决定哪些应用可以接收这些内容。
当多个系统共享同一知识时,这些问题尤其重要。复用可以高效传播修正,也可能传播未被察觉的错误。
因此,Deloitte 的 Edisyl 发布应被视为一种产品论题,其中仍有待验证的要求。它指出了一个可信的瓶颈,但尚未证明所提出的产品能以多大一致性消除这一瓶颈。
关注可用性、可移植性和客户证据
下一项真正有意义的证据,应表明客户能够部署什么、系统变更后能保留什么,以及实际工作中有哪些改善。
未来数月的首个信号,是具体的产品可用性。一项有价值的更新应说明哪些 Knowledge Packs 已可用、其支持范围,以及客户在使用前必须完成哪些工作。
这之所以重要,是因为开发合作伙伴关系与可重复部署回答的是不同问题。受到密切支持的合作项目可以发现有价值的需求,但并不能证明其他客户能够多么轻松地采用其成果。
清晰的可用性信息,将增强 Edisyl 正在成为可重复产品业务的论据。若持续的描述仍局限于开发活动,则这一结论仍无法确定。
可用性还应让维护责任清晰可见。买方需要区分供应商提供的内容,与必须由自身专家批准的解释。
第二个信号,是经展示验证的可移植性。最有力的证据将显示:同一套经维护的知识能够在不同 AI 应用中运行,同时保留其限定条件和访问边界。
不必要求措辞完全一致。不同应用可以以不同方式呈现等效推理。关键在于,它们是否保留相同的已批准语义,并提供足够证据让审查者检查结果。
成功的演示将增强 Edisyl 的核心主张。大量应用专属的重建工作,则会削弱“独立包能够减少重复工作”的论点。
可移植性还具有组织层面的含义。客户应能够理解自身的知识资产,而不必完全依赖于当前恰好展示这些资产的界面。
第三个信号,是相对于既有工作流衡量的客户证据。有价值的报告应明确任务,说明比较方式,并描述改善之处与仍然存在的失败模式。
仅有采用并不能证明答案质量。员工可能因系统更易使用而偏好它,但专业审查者仍可能发现重要的解释错误。
相反,经过谨慎评估的小范围部署,可能比广泛使用的公告提供更有力的证据。范围与衡量方式决定了一项客户成果实际能够支持什么结论。
积极结果将增强把专家知识视为持续维护产品的理由。若证据仅限于经过筛选的演示,商业和技术问题仍悬而未决。
对知识工作者而言,实际问题是经批准的专业知识是否变得更容易查找、更安全地复用。对开发者而言,问题是上下文是否变得更容易检查。对买方而言,问题是新增的一层是否证明了自身存在的价值。
不妨从组织无法承受每次采用新助手时都重新解读的知识开始。明确谁负责批准它、例外情况存放在哪里,以及员工如何验证答案。随后,请潜在供应商展示:当这些知识发生变化,或在不同应用之间迁移时,会发生什么。Deloitte 的 Edisyl 发布值得关注,因为它将这些责任带入了采购讨论。应通过实际任务、可信的比较和可检查的维护流程来判断这一主张。在决定下一个 AI 工作流将运行在哪里之前,你能否说明,究竟由谁控制让其答案变得有用的知识?



