作者：马洛里·德尔加迪略 和 罗布·埃尔金斯

写作日期：2026年7月28日

组织正在通过人工智能取得实质性进展。工作流程更快。曾经需要分析师花费数天时间的重复任务，现在只需几分钟即可完成。大多数技术领导者都会同意，在合适的应用中，结果令人鼓舞。但越来越明显的是，仅靠速度和效率并不能转化为可辩护的决策。这些决策需要理解：数据反映了什么，为何得出某个结果，以及分析是否涵盖了整体情况。对于企业面临的许多最关键的抉择来说，完整的画面需要地理位置。

Esri 花费了50多年时间构建了一个全面的地理空间平台，全球政府、公用事业、公共卫生机构和大型企业都依赖其决策，因为其决策对个人、社区和业务结果产生了真实影响。

当生成式人工智能进入市场时，Esri面临了一个选择。是应该快速推进，之后再弄清楚，还是花时间以反映客户需求和期望的方式做好？Esri选择了后者。这意味着将透明度和信任视为要求，而非事后补足。这也意味着要严格执行人工监督，让每个人掌控每一个结果，并确保对结果负责的人审查、指导并纠正任何自动化输出。

有三个方面定义了实际操作中的这种状态。

#1 背景：地理理解是让人工智能扎根于现实的基础

人工智能在很多方面做得很好。它大规模处理数据，发现模式，并以人类无法比拟的速度生成输出。但输出质量完全取决于模型训练时所用的数据以及它接收到的上下文。对于高风险决策，错误带来真实代价，数据质量和分析方法尤为重要。这正是地理理解决定明智与迅速决定的关键所在。

为什么本体论不能讲述全部故事

在2026年Gartner数据与分析峰会上，杰出副总裁分析师丽塔·萨拉姆描述了这个问题“智能人工智能的结果取决于包括数据语义表示在内的上下文。没有上下文——对组织数据中具体关系和规则的清晰理解——人工智能代理无法准确操作，更可能产生幻觉、引入偏见并产生不可靠的结果。”组织已经在通过构建本体和语义层来实现这一点，来绘制概念的含义以及业务流程的连接。但大多数本体论描述的是事物的本质，而不是它们存在的位置，或地点如何影响它们与周围一切的关系。

两个配送中心在本体论上可能相同，但在运营现实中却天差地别，仅因基础设施缺口、区域需求差异和气候暴露而分隔，这些只有地理因素能解释。本体论映射组织所知的知识。加入地理背景揭示了这些知识在何时何地展开。它展示了地理位置如何影响纸上看似相同但实际行为截然不同的事物之间的关系。这种区别是大多数人工智能系统和大多数知识映射项目尚未考虑到的。

实际中差距的体现

在地理位置驱动价值的行业中，这一差距迅速显现。以一家零售商评估市场扩张为例。人口统计是一个很好的起点，但不能是做出这个决定的唯一视角。零售商需要了解人们在某一区域的流动、附近有哪些商家、社区的变化。电子表格无法记录这些。管理大型投资组合的房地产公司必须综合权衡环境风险、分区、基础设施邻近性和市场动态，而不是在各个部门分散的零散报告中。评估投资组合风险的金融机构不仅需要了解客户是谁，还要了解他们所在的位置。物理条件、气候暴露、洪水风险和老化基础设施都会以资产负债表无法反映的方式影响基础数字。

ArcGIS就是为这些问题设计的。ArcGIS 汇聚了数十年的成果权威地理数据集,空间分析能力,机器学习与深度学习工具， 和数百个预训练模型.它们共同为企业提供了基础和能力，使其能够超越通用人工智能自身所能达到的范围。这些工具和模型已经存在，并且已经在使用。

#2 信任： 负责任的AI，围绕与其合作的人设计

随着人工智能的能力提升，谁真正掌控局面的问题变得更加紧迫。Esri 从客户那里经常听到这样的声音：对 AI 能力的真诚兴奋，同时也对依赖尚未完全理解的系统感到担忧。当决策带有直接问责时，这种担忧更加加剧。

这些担忧并非抽象的。金融服务公司将人工智能应用于信贷或保险决策，实际上是在决定谁能获得机会。一个城市利用人工智能优先处理道路维护或公用设施维修，实际上是在做出影响居民日常安全的决策。公共卫生机构利用人工智能进行疾病监测，为影响弱势社区的干预措施提供信息。一个将人工智能应用于应急响应的政府机构，在出现问题时无法恢复时机和准确性。

ArcGIS的制作中包含六项承诺

了解推荐是如何达成的、其依据来源以及底层模型的局限在哪里，是一项业务需求。它是能够大规模信任的人工智能的基础条件。

Esri 对负责任人工智能的理念正是建立在这一基础上六项承诺：安全、隐私、透明、公平、可靠和问责。这些承诺规范了Esri如何设计、评估和发布ArcGIS中的人工智能能力。

实际操作中，这会是具体的。透明卡让组织清晰了解Esri如何构建其AI模型、哪些数据训练了它们，以及存在哪些已知局限。这使从业者能够以明智的判断力运用人工智能。ArcGIS中的AI助手直接存在于用户每天使用的应用程序中。他们提供编码支持、工作流程指导，并用自然语言提供上下文中的回答，无需代表用户采取行动，也不会在人类判断下做出自主决策。

发布节奏反映了利害关系

ArcGIS 的发布节奏也反映了这一理念。ArcGIS中的AI能力在测试阶段需要相当长的时间才能正式发布，这是有意为之。每个阶段都是收集用户反馈、验证能力解决实际问题并确认其符合Esri客户依赖的安全与合规标准的机会。目前为ArcGIS开发的许多代理人工智能工作仍处于早期测试阶段，正是出于这个原因。把它做好比快速完成更重要。

#3 互操作性：与你已有的定位智能结合

没有企业是从零开始构建其人工智能战略。大多数公司管理着多层次的平台、数据系统和投资组合，这些投资花了多年时间才建立起来。增加位置智能的实际挑战在于让它与现有功能并行，而不是与之竞争或取代。

Esri的设计优先级很直接：企业不应在已承诺的AI平台和地理空间能力之间做出选择。目标是通过增加现有投资目前缺乏的地理背景来加强它们。

通过对模型上下文协议（MCP）的支持，ArcGIS 将地理上下文直接连接到企业已运行的代理型人工智能生态系统中。政府机构可以将ArcGIS连接到其团队日常使用的平台。这使AI驱动的决策基于权威的地理数据，而非让这些建议自由流传于其影响的地点和社区。对于希望进一步发展的组织，ArcGIS还支持使用开放标准构建空间感知的代理应用。这使得组织能够保持现有投资的完整，同时保留适应技术不断发展的空间。

在企业规模上，ArcGIS为人工智能提供了常常缺乏的东西：一个扎实、地理化的运营现实图景。

地理因素使决策基于现实

下一个地点该在哪里开设。如何在大型投资组合中定价风险。基础设施投资该从哪里来。公共卫生干预将产生最大影响。如何为不断变化的环境做好规划。地理是所有这些问题的核心。

早期将地理理解纳入AI战略的企业，比那些将地理作为附加功能的人做出更好的决策。五十多年与世界上一些最具影响力的决策机构合作的经验已经让这一点更加清晰。

Esri对人工智能的理念正是围绕这一现实构建的。它以权威数据为基础，设计透明，并致力于将人类判断置于核心。它还设计用于支持企业已依赖的平台和团队。

想了解更多关于Esri如何在ArcGIS中推动人工智能的发展，请阅读ArcGIS中AI的下一个时代.