许多企业在实施 ERP/数字化时会遇到一个现实：数据越多，非结构化内容（文档、图像、语音、工单）就越多，但真正能被业务使用的却只有有限的一部分。最近，Google Cloud 推出了一组 AI 功能，将 Gemini/Vertex AI 能力更“原生”地集成到 BigQuery 中，使数据团队能够使用 SQL 完成摘要、提取、翻译、结构化输出、向量化和相似性搜索等任务。这种做法对企业数据平台极具启发性：把 AI 变成数据层的一项标准功能，而不是让它分散在各种脚本和应用中。
这对ERP/数字化有什么价值？
- 降低门槛：业务分析师可以在熟悉的 SQL 环境中直接调用 AI，而无需学习一套新工具。
- 让非结构化数据“可计算”：将文本/图像理解和结构化抽取转化为表格字段和指标，这些字段和指标可纳入报告、风险控制和供应链预测等流程。
- 更易于治理：当 AI 调用成为数据平台的一部分时，权限、审计和成本核算更容易纳入企业治理体系。
3个可操作的用例（建议从这里开始）
- 工单/合同摘要 + 结构化字段：将长文本转换为固定字段（客户、金额、风险点、交付日期），并直接填充到表格中。
- 相似问题检索（语义搜索）：使用嵌入 + 相似度 / 向量搜索来快速查找“相似工单/相似故障/相似条款”。
- 一次性多任务生成：通过单次 SQL 调用同时执行实体抽取、情感/风险评估、翻译和摘要，输出多列结果并直接进入数据管道。
实施注意事项（避免陷阱）
- 权限与合规：将“谁可以调用、可以调用哪些模型，以及模型可以查看哪些数据”设计为一等公民。
- 成本与缓存：对于高价值场景，优先采用批处理/增量更新；不要对所有查询都实时调用大模型。
- 质量评估：建立摘要/抽取的抽样验收机制；关键字段必须能够回溯到原文证据。
参考文献
本文观点基于对公开资料的二次整理与扩展。建议阅读原文以了解详情：
