Celonis 首席科学家谈企业 AI 为何需要上下文感知

在企业 AI 从试点走向日常运营的过程中，Celonis 企业 AI 首席科学家 Devavrat Shah 认为，缺少对业务实际运作方式的理解，再强的模型也可能忽略决定决策对错的约束与关系。他把这一能力称为“决策智能”：AI 智能体可以承担更大决策流程中的单个任务，但必须知道每个任务扮演的角色及其周围的业务条件。 Shah 描述了缺少上下文的两种代价：模型可能耗费大量算力反复追问才完成简单任务；也可能遗漏关键约束与护栏，犯下从推荐餐厅到财务预测失误这类代价悬殊的错误。解决路径是先把 AI 接入企业已有的流程与数据，通过上下文层让智能体理解工作流、在既定护栏内运行，并产出可供人审核批准的建议。 Celonis 的上下文模型被设计为同时做三件事：对底层系统记录与工作流工具产生的日志做正确抽象，使流程中的环节可被智能体化；以结构化、带护栏的方式为每个环节引入“角色智能体”；并做到智能体优先，便于其他智能体基础设施直接对接。其上层是业务专家或运行在上下文层之上的智能体，输出交由人复核、批准，必要时再自动化。 落地层面，Shah 建议企业从一个具体业务决策入手，找出其中最困难的步骤，测试 AI 能否改善，再用速度与价值增益判断是否值得扩展。他指出底层系统不必完整或绝对干净，关键在于接入前通过经典信息安全流程审查供应商软件。这一模式也可能改变员工的时间分配：自动化重复性手工工作、跨团队协调任务，可让人专注于更复杂的战略决策，但这需要投入员工教育，使其能理解 AI 输出及其含义，而非直接把决策交出去。展望未来，Shah 认为机会将从日常运营任务延伸至财务、人力管理、市场营销和销售等领域的企业级规划。