在过去几十年中，数据工程已发展出成熟的架构原则，用于整合、管理、验证、编目和服务组织数据。大型语言模型的兴起并未消除这些问题，而是暴露了更广泛的版本。组织知识正逐渐成为可执行的基础设施：系统越来越多地检索、组装、推理并对其进行操作。
本文认为，企业人工智能（AI）系统暗示了向一种新的架构学科的转变，旨在表示、维护、管理和操作性地交付组织知识，称之为知识架构。
我们提供了一个概念模型和分类法，展示了当管理单元从记录转变为知识工件时，经典数据工程保证如何重新定义：提取、转换和加载（ETL）变为知识摄取，变更数据捕获（CDC）变为知识变更检测，数据血缘变为来源，数据目录变为知识目录，物化视图变为知识视图，金字塔架构变为原始-整理-操作知识层。
新兴格式如大型语言模型（LLM）Wiki和开放知识格式（OKF）被视为这一转变的初步证据，而非终点。中心论点是，当组织知识不再是被动的信息资源，而是被人类、代理、工作流和模型用来执行工作的操作资产时，知识架构才会变得有用。
博主点评： 文章探讨了知识架构这一概念，强调了在大型语言模型影响下，如何将组织知识转变为可操作的资产。这一转变不仅是技术上的进步，更是思维方式的革新，预示着未来信息系统的演变方向。通过重新定义数据处理流程，企业可以更有效地利用其知识资源，提升决策能力与工作效率。