企业信息通过应用、项目、技术、组织边界和局部需求形成的工件进行表示。这些结构随时间累积，导致企业必须维护并供信息使用者和 AI 系统解释的表示复杂度。本文提出企业表示简化（ERS），其目标是在限定范围内去除不必要的表示复杂度，同时保留所需信息。为比较不同表示状态的复杂度，定义了企业表示复杂度（ERC）模型，采用四个维度：表示对象、交互、行为以及支持来源。对象、交互和行为相互依赖，支持来源描述表示的可见性。ERC 可在表示层面和任务层面进行定义，从而实现不同表示方案的可比性，并区分架构简化与检索优化的作用。
ERC 的两个直接后果被进一步展开。其一，表示结构会产生生命周期义务，包括维护、治理、依赖管理、变更、增强和运行等。基于此构建的经济模型将成本划分为全局循环成本、任务层面循环成本和一次性转换成本，并在给定时间范围内评估整体支出。其二，降低任务层面的 ERC 能缩小 AI 系统需要识别、关联和解释的表示范围。文本到 SQL（Text‑to‑SQL）研究表明，简化模式和推理复杂度可提升推理准确率。需要强调的是，ERC 并非通用的复杂度、性能或成本度量，而是提供可度量的架构变量，用于比较表示方案、转换效果、经济收益以及 AI 推理表现。
点评：ERC 为企业在保持业务完整性的前提下系统性地评估和削减表示冗余提供了框架，配合经济模型可帮助决策者量化简化收益，尤其在大模型驱动的企业 AI 场景中具有实用价值。