Celonis 首席科学家：企业 AI 落地缺的是业务上下文
企业 AI 从试点走向日常运营，真正的瓶颈不是模型能力，而是缺少业务上下文；Shah 主张从具体决策场景切入，逐步验证再规模化。
企业 AI 能生成建议、自动执行任务，但如果不理解企业实际怎么运转，再强的模型也可能忽略真实约束、做出代价高昂的错误判断。Celonis 企业 AI 首席科学家 Devavrat Shah 认为，关键在于把 AI 接到企业已有的流程和数据上，构建一层上下文——让 AI agent（能自主执行任务的模型程序）看懂工作流、在设定的边界内行动，并给出可被人工审核的建议。
正文摘录
- title: 为上下文感知的 AI 正名 - sourcecompany: MIT Technology Review - bodymarkdown: 企业 AI 可以生成建议、自动化任务，并帮助组织更快地做出决策。但如果缺乏对业务实际运作方式的理解，即便是强大的模型也可能忽略那些决定决策是否正确的约束条件和相互关系。随着企业希望将 AI 从实验阶段推进到日常运营中，未来的挑战在于为技术提供上下文，使其能够在复杂的业务流程中发挥有用的作用。 对于 Celonis 企业 AI 首席科学家 Devavrat Shah 而言，这种上下文正是他所称的“决策智能”的核心。他认为，AI agent 可以在更大的决策流程中支持单个任务，但它们需要理解每个任务所扮演的角色以及围绕它的业务条件。“你不能凭空做到这一点，”他说。没有正确的运营上下文，agent 就有可能忽略重要约束、犯下代价高昂的错误，或者在试图弄清楚自己需要知道什么时消耗过多的计算资源。 解决方案始于将 AI 与企业已经在使用的流程和数据连接起来。一个上下文层可以帮助 agent 理解工作流、在既定的护栏内运作，并生成可供人们审查和批准的建议。Shah 建议组织从一个具体的业务决策入手，找出其中最困难的步骤，并测试 AI 能否改进它们。然后，衡量在速度 and 价值上的收益，可以帮助判断某个应用是否值得扩展。 这种方法还可能改变员工花费时间的方式。将重复性的手动工作自动化，并跨团队协调任务，可以解放人们，让他们专注于更复杂的战略决策。然而，要实现这一收益，需要在员工教育上投入，使员工能够理解 AI 的输出及其影响，而不是简单地把决策交给 agent。 展望未来，Shah 认为机会将从日常运营任务扩展到财务、劳动力管理、营销和销售等领域的全企业规划。有了正确的上下文，AI 可以帮助组织评估选项，并更快地做出重要决策。