CData 推出 Connect AI Gateway：讓 AI 記得公司的規則，比一直換模型更重要？
讓不同 AI 理解相同公司規則。從報表定義、知識審查、身份與預算，評估 CData 新企業 AI 閘道。
同樣問「這個月營收多少」，兩位同事可能得到不同答案：一個算已開立發票，另一個算已收款，還有人把退款算進去。AI 接上公司資料之後，也會遇到這種問題。它知道欄位名稱，不代表已經理解公司真正採用的計算方式。CData 新推出的 Connect AI Gateway，把企業脈絡與規則放在模型、代理與資料系統之間，嘗試讓不同工具用同一套理解回答問題。
CData 產品與技術主管 Raviv Levi 在 X 發表產品，本次採集時貼文有接近一千個喜歡、超過一百萬次瀏覽。官網則明確寫出企業早期存取於九月二十九日開放，採申請方式。這是新方案的使用階段，不能把頁面的展示與既有客戶標誌，直接理解成所有企業都已部署這款新閘道。
我的判斷是，這類產品的價值在於把業務定義、權限與操作紀錄變成可管理的共同層。更強的模型可以改善推理，若公司對同一個指標沒有一致定義，模型仍可能回答得流暢卻不符合需求。導入時最先要確認的，是規則如何建立與審查，以及每一次回答能否回到正確來源。
閘道是在資料與 AI 之間增加一個管理入口
Gateway 可譯為閘道，這裡可以理解成請求進出時經過的共同入口。使用者或代理提出問題，閘道依身份、規則與成本安排模型或工具，再把必要的業務脈絡與資料交給後續流程。它不等於另一個聊天模型，也不能替代公司原有資料系統。
CData 官方把新方案分成模型與工具連接、控制與治理、脈絡引擎，以及資料連接等部分。這些是產品架構方向，實際支援的系統、權限與使用限制仍需依文件與早期存取條件確認。對讀者而言，重點是不要把每一個連接器的存在，當成所有工作流程都已完成整合。
MCP 是 AI 工具連接外部資料與功能的一種通訊方式。企業即使有 MCP 入口，仍需要決定代理可查哪些內容、用什麼身份查，以及取得資料後如何解釋。連上系統只是入口，資料含義與操作責任還要另外安排。
這可以用公司新員工的經驗理解。給他資料庫帳號，只解決「看得到」的問題，要知道哪份資料是正式來源、哪些欄位有特殊定義，以及哪種操作需要批准，仍需要公司的工作知識。AI 也需要類似資訊，只是這些資訊最好能被結構化、更新與核對。
同一個營收問題，為什麼需要共同定義
假設一家訂閱服務把已收款、未退款的訂單當作月營收，並採固定時區結算。另一個部門的試算表卻用訂單建立時間，還保留取消訂單。兩個數字可能都由真實資料算出，差異來自定義。這是本文用來說明的假設情境，不是 CData 的客戶實例或實測結果。
如果 AI 每次自己猜計算方式，答案就可能隨提示與模型改變。共同定義可以清楚寫出來源、時間範圍、篩選條件與計算方式，再讓不同工具依同一規則工作。這樣才比較容易理解差異是資料變了、規則變了，還是查詢出了問題。
CData 的脈絡引擎頁面說明，會整理系統結構、資料模型、語意定義與公司知識。語意定義可以理解成欄位與指標在業務上的正式含義。它也描述以可閱讀檔案與連接關係保存概念，讓資料負責人能審查變更。這提供了共同知識如何管理的產品方向。
使用端仍需要有人決定什麼叫正式定義。若業務與財務本來就有不同用途，未必應強迫兩者使用同一個數字，而可以明確區分「收款營收」與「訂單金額」。讓名稱與條件清楚，通常比讓模型任選一個答案更可靠。
定義也應包含日期與版本。公司更改結算方式後，歷史報表可能仍依舊規則保存。AI 回答今年與去年資料時，需要知道是否能直接比較。把變更記錄放在可追蹤的位置，才不會讓每次規則更新都造成一輪數字爭議。
「從請求學習」需要審查，才適合變成公司知識
產品公告提到閘道會從 AI 請求學習，建立公司運作知識。官方脈絡頁也談到使用者更正、常見查詢與人工審查。這應理解成知識管理與請求脈絡的改進方向，不能直接推定公司資料被拿去重新訓練某個模型，或所有個人更正都會立即分享給全部同事。
學到的內容可能有不同可信度。某位同事說「我們都用這個欄位」，可能只是他所在小組的習慣，另一份正式文件則可能規範全公司。若兩者衝突，系統需要保留來源並交給適當人員確認，而不是隻選最近一次對話當成真相。
因此，可以把候選知識與正式知識分開。候選知識包含新提議、疑似更正與尚未確認的關係，正式知識則有負責人、適用範圍與版本。這是導入流程的建議，不代表平台已替每家公司建立完成的治理制度。
知識審查也應能回復。若某次更正導致其他部門得到錯誤答案，團隊需要知道哪一項定義改了、誰批准，以及能否回到上一版。這和程式版本管理有相似之處：修改本身需要可見，影響也需要可追蹤。
衡量學習是否有用，可以觀察重複提問時是否減少相同錯誤，以及新增規則是否造成其他問題。只看系統記住多少內容，無法判斷品質。知識越多而衝突越多，反而可能增加維護成本，清楚、可審查的少量定義更容易成為可靠起點。
身份與資料權限，不能只在模型那一端設定
CData 治理頁面把控制放在 AI 請求與資料連接兩層，並描述身份、查詢權限、完整操作鏈紀錄與存取撤銷。這些功能讓企業有機會追蹤「誰透過哪個代理做了什麼」，實際效果仍要在自己的系統與身份設定下驗證。
假設銷售同事能讀取客戶聯絡資料，卻不能看其他部門的人事資訊。代理替這位同事工作時，不應因為連接了共同工具，就取得原本沒有的資料。是否保留使用者身份、是否採共用帳號，以及兩種模式如何限制資料，需要在試行時確認。
共用服務帳號可以簡化某些連線，也可能讓來源系統只看見同一個身份。這時閘道紀錄是否能保留實際使用者，便很重要。否則問題發生後，只知道一個帳號查過資料，卻不知道是哪個人或代理提出請求。
讀取與修改也應分開。第一個試行可以只讀取資料，確認定義與權限，若之後要讓代理修改紀錄，再增加可審查內容、指定對象與回復方式。能查到正確報表，不代表已經適合自行更動業務系統。
操作紀錄也需要自己的保存安排。官方頁面說明可下載查詢紀錄的保留時間與輸出方式，企業若有更長的內部保存需求，就要確認匯出與後續管理。不能只看「有紀錄」便推定所有資料永久保留，也不宜讓紀錄變成另一個未受管理的資料來源。
模型路由與預算，是在同一條請求裡做選擇
模型路由是依規則把工作送到某個模型。CData 的模型閘道頁面描述身份綁定的虛擬金鑰、不同層級的預設模型、預算與備援。虛擬金鑰讓呼叫端使用可撤銷的身份入口，實際模型供應商憑證留在閘道內，這是官方所述的設計。
預算有軟限制與硬限制的差別。軟限制可以提醒負責人，硬限制則在呼叫供應商前拒絕超出範圍的請求。這能幫團隊管理代理反覆呼叫造成的費用，但仍需要設定合理額度，並知道限制觸發後工作如何處理。
如果某個模型暫時不可用，備援規則可以選擇另一個候選。這裡仍要驗證工具相容、輸出格式與完成品質。供應商宣稱切換順暢，不代表你的特定流程在更換模型後一定保持相同結果。定義可以共用，模型行為仍可能不同。
共同脈絡也可能減少不必要的輸入與來回。若任務只需要一個計算結果，就不必把整份資料全部送到模型。這是值得測試的成本方向，實際節省幅度要看資料、工具與工作方式。本文不把任何示範數字推廣成公司保證收益。
成本評估應一起記錄結果品質、重試與人工補救。如果模型費用下降，卻增加了大量人工核對，就未必有整體收益。先讓同一組任務在受控條件下比較，才能知道脈絡與路由是否真的改善工作。
CData 產品與技術主管公布的原始介紹影片。示範呈現產品方向，實際部署仍需依自己的資料與權限驗證。 影片來源：Raviv Levi（CData 產品與技術主管）官方 X。
官方宣稱的準確率與成本差距，要保留測試條件
官網展示準確率與模型成本差距的內部研究，也明列沒有獨立第三方驗證，使用的是含已知資料的測試環境，結果可能不代表正式環境。這個限制應與亮眼數字一起閱讀，不能只把最大差距寫成一般企業的固定省費比例。
內部測試可以提供產品方向與待驗證的假設，但公司的資料可能更混亂、規則更多，工作也可能涉及未測過的外部系統。採購方應要求了解任務組成、正確答案判斷與成本範圍，再用自己的代表性資料測試。
這篇搭配產品主管公布的原始影片與官方頁面，呈現閘道整合脈絡與控制的方向。影片是產品說明，不能替導入方完成權限、可靠性與長期成本驗證。網站上的合作標誌也需要依個別合作內容理解，不能當成新產品已全面落地的證明。
可以從一份報表開始，而非一次接入全部系統
一個有用的試行，是選出一份經常出現定義爭議、但可以人工核對的報表。先寫清楚正式來源、指標定義、時間與負責人，再提供一組已知答案的問題。讓不同使用者與模型查詢，確認答案是否遵守同一規則與各自權限。
接著加入例外情況，例如資料不存在、定義衝突或使用者沒有權限。系統應能清楚說明限制或交給人員處理，不能為了回答完整而猜測。這些結果能顯示共同知識與控制是否一起運作。
最後比較導入前後的差異：同一問題的答案是否一致、人工更正是否減少、每項有效完成工作的成本是否合理，以及問題能否從紀錄追查。若改善明確，再逐步增加資料來源。這種方式讓產品能力與公司流程一起成長，也比較容易控制維護負擔。
常見問題
閘道會取代公司正在用的聊天模型嗎？
它主要提供共同的連接、脈絡與控制入口，可以管理不同模型與工具。是否需要修改現有應用，要依使用介面與支援條件確認，不能只憑架構圖判斷。
AI 會從員工更正學習，就不需要維護知識了嗎？
仍需要負責人與審查。更正可能只適用特定部門或時段，衝突與版本也需要處理。學習能協助累積候選資訊，正式定義仍要有治理流程。
現在可以直接使用所有新功能嗎？
官方把新方案列為企業早期存取，需申請並確認條件。展示功能、既有平台功能與實際可用範圍，應在試行前逐項核對。
讓不同 AI 共用可以追查的公司知識
Connect AI Gateway 的新方向，是把業務脈絡、模型選擇與資料權限放在共同入口。對企業，價值會出現在同一個問題是否得到一致答案、權限是否保留，以及錯誤是否能追查。
先從一份報表與一組已知答案開始，建立可審查的定義，再測試身份、例外與成本。當公司知識可以被清楚管理，模型升級才更容易接上既有流程，而不用每次重新教一遍。
