企业表示简化（ERS）：降低企业 AI 的表示复杂度

arXiv 论文提出 Enterprise Representation Simplification（ERS），将其定义为在限定范围内减少不必要的表示复杂度、同时保留必需信息；并给出 Enterprise Representation Complexity（ERC）这一与表示方式无关的模型，用 Representation Objects、Interactions、Behaviors、Supporting Sources 四个维度刻画表示范围。论文还提出表示结构带来的生命周期义务与经济模型，并用 Text-to-SQL 研究作为证据。

此前企业 AI 讨论多聚焦模型与检索能力，而该论文把问题前移到企业信息表示本身，并给出可跨表示状态比较复杂度的 ERC 模型，使架构简化与检索优化得以区分。

企业信息由应用、项目、技术与组织边界塑造，结构随时间累积，形成维护与解释负担。Objects、Interactions、Behaviors 构成依赖类别，Supporting Sources 刻画表示暴露程度。任务级 ERC 降低，意味着 AI 需要识别、关联和解释的表示范围缩小。

产品与研发团队可据此在数据接入、语义层与检索管线设计前，先评估表示结构的维护、治理、依赖与变更成本，并区分一次性改造投入与持续性全局、任务级成本。

• 在企业数据接入或语义层产品中，加入基于 ERC 四维度的表示复杂度评估功能，输出可比较的复杂度基线。
• 为 AI 应用设计者提供任务级 ERC 指标，用于判断知识库或数据模型改造是否真正降低 AI 解释负担。
• 将经济模型中的全局表示成本、任务级成本与一次性转换成本纳入产品定价或 ROI 测算工具。

• ERC 四维度的具体度量方法、评分规则与可复用工具尚未在证据中给出。
• Text-to-SQL 证据的具体实验设置、数据与结论强度未在证据中说明。
• 经济模型的参数来源与在真实企业场景中的验证结果未知。
• 该论文是否经过同行评审、是否有独立复现，证据中未体现。