检索并不足够：组织级AI为何需要认知基础设施

AI智能体所使用的组织知识通常缺乏认知结构：检索系统仅呈现语义相关的内容，而不区分有约束力的决策与被放弃的假设、有争议的主张与已成定论的结论，或已知事实与未决问题。我们认为，组织级AI的天花板不在于检索保真度，而在于认知保真度（epistemic fidelity）——即系统将承诺强度、矛盾状态与组织无知表示为可计算属性的能力。我们提出OIDA框架，将组织知识结构化为携带认知类别、具有类别特定衰减的重要性分数以及带符号矛盾边的类型化知识对象（Knowledge Object）。知识引力引擎（Knowledge Gravity Engine）以确定性方式维护分数，并具有已证明的收敛保证（充分条件：最大度 < 7；经验上在度达到43时依然稳健）。OIDA引入了“作为被建模无知的QUESTION”（QUESTION-as-modeled-ignorance）：一种具有逆衰减的原语，能以递增的紧迫性浮现组织所不知道的内容——这一机制在所有被调研的系统中均不存在。我们描述了认知质量分数（EQS），一种包含五个组成部分并带有显式循环性分析的评估方法。在一项受控比较（n=10个回答对）中，OIDA的RAG条件（3,868个token）取得EQS 0.530，而全上下文基线（108,687个token）为0.848；28.1倍的token预算差异是主要混淆因素。QUESTION机制得到了统计验证（Fisher p=0.0325，OR=21.0）。形式化性质已经确立；同等token预算下的决定性消融实验（E4）已预注册但尚未运行。