Kontext je nové zlato: Další vlna agentní umělé inteligence kupuje porozumění, nikoli výpočetní výkon

Revoluce umělé inteligence se ocitla ve slepé uličce – ne kvůli nedostatečnému výpočetnímu výkonu, ale proto, že organizace řeší špatné problémy.

Zatímco se očekává, že globální výdaje na GenAI dosáhnou 644 miliard $ v 2025odborníci také varují, že více než 40% Projektů agentní umělé inteligence bude do roku 2027 zrušeno. Nedávné fúze a akvizice – například akce Snowflake – skutečně… Akvizice 250 milionu dolarů z Crunchy Data a Rubrik's nabytí Predibase – signalizuje zásadní posun: další fáze podnikové umělé inteligence se týká více než jen výpočetních schopností… Jde o hlubší porozumění.

Chytré peníze se pohybují

Podle Průzkum společnosti S&P Global Market Intelligence z roku 202542 % podniků zrušilo většinu svých nedávných iniciativ v oblasti umělé inteligence, oproti pouhým 17 % v roce 2024. dalších 46% opustil demonstrační testy konceptu ještě před zahájením výroby.

Tyto projekty umělé inteligence neselhávají kvůli technickým omezením, ale spíše kvůli sémantickým mezerám. Pokud systém umělé inteligence dokáže zpracovat petabajty dat, ale nedokáže pochopit, co znamená „hodnota celoživotního cyklu zákazníka“ napříč různými potřebami oddělení, budou body selhání pravděpodobně kontextové.

Zvažte strategii, která stojí za Snowflakeovou integrace sémantických schopností umělé inteligence Postgres, jejichž cílem je vytvořit základ, kde agenti umělé inteligence rozumí transakčnímu kontextu a obchodní sémantice – což vývojářům umožní „vytvářet důvěryhodné agenty umělé inteligence“ s „větší agilitou, přehledem a kontrolou“. Akvizice Predibase společností Rubrik si podobně klade za cíl pomoci zákazníkům „bezpečně nasazovat agentickou umělou inteligenci“ tím, že upřednostňuje kontextovou přesnost vedle výpočetního výkonu.

Kde se kontext setkává s měřítkem

Úspěch nedávné společnosti Palantir spolupráce s Qualcommem Rozšíření schopností porozumění umělé inteligenci je další demonstrací transformační síly kontextově orientované architektury umělé inteligence. Jejich „Ontologický“ přístup — vytváření lingvistických precedentů pro mapování obchodních konceptů, vztahů a pravidel do strojově čitelných formátů — transformuje umělou inteligenci z rozpoznávání vzorů do srozumitelného obchodního uvažování a ukazuje, jak sémantické porozumění umožňuje umělé inteligenci efektivně fungovat i v offline prostředí nebo prostředí s omezenými zdroji.

Například pokud jde o jejich iniciativy v oblasti jaderné energie, Palantirova umělá inteligence Nepředpovídá pouze selhání zařízení – chápe kaskádovité dopady na podnikání v rámci dodavatelských řetězců a dodržování předpisů, které k těmto selháním buď vedou, nebo z nich vyplývají. Podobně v výrobníJejich systémy chápou vzájemné závislosti mezi kontrolou kvality, řízením zásob a závazky vůči zákazníkům, což umožňuje ucelený přehled o provozu, který pomáhá předvídat a preventivně zmírňovat problémy.

Jak poznamenal jeden z vedoucích pracovníků společnosti Palantir: „Přístup založený na ontologii umožňuje uživatelům vytvářet pracovní postupy, které zahrnují a kombinují heterogenní logické prvky“, což umožňuje „bezpečné zavedení umělé inteligence do stále složitějších rozhodovacích kontextů“.

Revoluce infrastruktury zaměřené na kontext

Posun od architektur zaměřených na efektivitu k architekturám zaměřeným na smysl představuje zásadní přehodnocení podnikové umělé inteligence. Podle Gartnerův summit o datech a analytice 2025 Jeho transformace závisí na třech klíčových faktorech:

• Sémantická datová architekturaKaždý datový bod musí nést obchodní význam, nejen výpočetní hodnotu. Jako konzultační společnost Podnikové znalosti výzkum ukazuje, že sémantické vrstvy slouží jako mosty mezi nezpracovanými daty a aplikacemi a poskytují „sjednocené a kontextualizované pohledy“, které umožňují intuitivní interakci uživatelů.
• Integrace obchodní logikyAby moderní umělá inteligence dosáhla maximální hodnoty, vyžaduje integraci s předem určenými obchodními kontexty, které jsou přizpůsobeny potřebám dané organizace. Oracle AI Agent Studio ilustruje tento přístup tím, že poskytuje přístup k rozhraním API aplikací Oracle Fusion, úložištím znalostí a předdefinovaným nástrojům, které zachovávají podnikově specifickou obchodní logiku v rámci pracovních postupů založených na umělé inteligenci. Taková řešení posilují agentní systémy umělé inteligence integrací obchodních ontologií s protokoly kontextu modelu (MCP), které umožňují bezproblémovou a kontextově bohatou interpretaci dat a umožňují agentům umělé inteligence fungovat napříč různými podnikovými zdroji dat.
• Kontextové rozhodovací nástroje: Zpráva společnosti McKinsey o umělé inteligenci na pracovišti za rok 2025 zdůrazňuje, že úspěšné podnikové systémy umělé inteligence musí důkladně rozumět obchodním důsledkům jakéhokoli daného úkolu pro jakoukoli danou organizaci. Přesto pouze 1 % společností věří, že dosáhly zralosti v oblasti umělé inteligence, což zdůrazňuje rozdíl mezi současnými možnostmi a kontextovými požadavky.

Konkurenční důsledky

Organizace, které dokážou úspěšně zavést kontextově bohaté systémy umělé inteligence, si vytvoří samoposilující výhody.

Každá obchodní interakce má potenciál prohloubit detailní pochopení specifických potřeb daného podniku ze strany Agentic AI, zlepšit výkon a vytvořit konkurenční výhody, které by ostatní jen s pomocí výpočetního výkonu jen těžko replikovali. Zpráva společnosti Deloitte o stavu generativní umělé inteligence potvrzuje, že zatímco 60 % organizací provádí až 20 experimentů s umělou inteligencí, ty, které se zaměřují na „výzvy specifické pro dané odvětví a podnikání“, dosahují dramaticky lepších výsledků.

Stejně významné jsou i dopady na talenty. Ačkoli inženýři v oblasti umělé inteligence pobírají prémiové platy, skutečným nedostatkem jsou profesionálové, kteří rozumí jak implementaci umělé inteligence, tak i jejímu... jakož i ontologie obchodní domény. Předpovědi PwC pro rok 2025 zdůrazňují, že „úspěch umělé inteligence bude stejně tak závislý na vizi jako na jejím přijetí, přičemž společnosti budou potřebovat systematické a transparentní přístupy k potvrzení trvalé hodnoty.“ Jinými slovy, pokud lidé, kteří školí umělou inteligenci, aby rozuměla obchodním potřebám, těmto potřebám sami nerozumí, nerozumí jim ani agenti umělé inteligence, které vytvoří.

Strategický imperativ

Jaké architektonické změny tedy přesně musí organizace provést?

Summit Gartneru o datech a analytice zdůrazňuje důležitost přechodu od technických metadat k sémantickým metadatům – datům, která jsou obohacena o předdefinované obchodní definice, ontologie a vztahy. Tento posun k „sémantickému designu na prvním místě“ je zásadní pro organizace, které se snaží získávat smysluplné poznatky a zajistit srozumitelnost napříč systémy. Zároveň je efektivní kontextová správa umělé inteligence klíčová pro odlišení skutečných schopností agentní umělé inteligence od... nedostatečné modely které nabízejí pouze základní automatizaci, ale jsou zavádějícím způsobem prodávány jako agentní.

Společnosti, které uspějí s agentní umělou inteligencí, budou ty, jejichž agenti umělé inteligence budou strategicky nakonfigurováni tak, aby dostatečně hluboce rozuměli obchodním kontextům a mohli jednat autonomně a efektivně.

Příležitost agentní umělé inteligence

Gartner předpovídá že do roku 33 bude 2028 % podnikového softwaru zahrnovat agentní umělou inteligenci, což je nárůst z méně než 1 % v roce 2024. Vzestup agentní umělé inteligence činí sémantickou infrastrukturu nezbytnou; k dosažení tohoto cíle systémy umělé inteligence vyžadují:

• Hluboké porozumění kontextu pro autonomní rozhodování v souladu s obchodními cíli.
• Sémantická konzistence napříč všemi zdroji dat, aby se zabránilo konfliktním akcím mezi různými odděleními a úkoly
• Integrace obchodní logiky pro zajištění souladu s organizačními pravidly a předpisy

Vzhledem k tomu, že organizace investují miliardy do vývoje agentní umělé inteligence, ty, které nemají sémantický základ, budou čelit rostoucí míře selhání.

Imperativ kontextu

S rostoucím rozšířením agentních systémů umělé inteligence se bude propast mezi organizacemi se sémantickou infrastrukturou a těmi bez ní jen prohlubovat. Pro podniky investující do agentní umělé inteligence je volba jasná: vybudovat sémantické základy nyní, nebo sledovat, jak kontextově uvědomělí konkurenti promění investice do chytřejší umělé inteligence v nepřekonatelné výhody.

V době hojného výpočetního výkonu, kontext je nové zlatoa ti, kteří dokážou naučit své systémy umělé inteligence skutečně porozumět podnikání, kterému slouží, si zaslouží Midas Touch.