即时本体：廉价智能对数据意味着什么——Hrishi Olickel，Southbridge AI

Hrishi Olickel 在 AI Engineer 演讲中指出，一条数据管线因丢失贷款金额的负号，把净额 78.4 万美元变成 530 万美元债务，且多个模型一致给出错误结果。他认为数据转换不能依赖通用 schema 或自信的 agent，因为客户对计费、支持和合规部门含义不同，有效结构取决于数据来源、存储约束、决策目标和模型假设。他提出 just-in-time ontology：在问题已知时构建转换，并保留其上下文与证据以便复用。演讲以俄亥俄州竞选财务实体消解项目为例，区分设计管线的模型、执行单项任务的模型和优化系统的模型，并强调定义、留出案例与分歧检查的重要性。

AI推荐理由 AI Engineer 演讲，作者 Hrishi Olickel 以贷款金额符号丢失导致 78.4 万美元净值被算成 530 万美元债务的案例，说明通用 schema 与自信 agent 在数据转换中的风险，并提出 just-in-time ontology：在问题明确时构建转换并保留上下文与证据。内容涉及多模型分工（设计管线、执行任务、优化系统）与俄亥俄州竞选财务实体消解案例，对 AI 应用与数据工程有实际参考价值；但为会议演讲摘要，缺少可复现细节与量化结果。