Kontext je nové zlato: Nová vlna agentic AI kupuje porozumění, ne zpracování

Revoluce AI je na mrtvém bodě – ne kvůli nedostatečné výpočetní síle, ale protože organizace řeší špatné problémy.

Zatímco celosvětové výdaje na GenAI se očekává, že dosáhnou 644 miliard dolarů v roce 2025, odborníci také varují, že více než 40% projektů agentic AI bude zrušeno do roku 2027. Skutečně, nedávná akviziční aktivita – jako je akvizice Snowflake Crunchy Data za 250 milionů dolarů a akvizice Rubrik Predibase – signalizuje fundamentální posun: další fáze podnikového AI je o více než výpočetních schopnostech… Je to o hlubším porozumění.

Chytré peníze se pohybují

Podle průzkumu S&P Global Market Intelligence z roku 2025 zrušilo 42% podniků většinu svých nedávných iniciativ AI, oproti pouze 17% v roce 2024. Dalších 46% opustilo demonstrace proof-of-concept před zahájením výroby.

Tyto projekty AI nejsou selhávající kvůli technickým omezením, ale spíše kvůli semantickým mezerám. Pokud může systém AI zpracovat petabajty dat, ale nemůže pochopit, co znamená “životní hodnota zákazníka” napříč různými potřebami oddělení, body selhání budou pravděpodobně kontextuální.

Zvažte strategii za integrací Snowflake Postgres semantických AI schopností, které mají za cíl vytvořit základnu, kde mohou agenti AI pochopit transakční kontext a obchodní sémantiku – umožňující vývojářům “vytvořit důvěryhodné agenty AI” s “větší agilitou, viditelností a kontrolou.” Akvizice Rubrik Predibase podobně cílí na pomoc zákazníkům “zabezpečit nasazení agentic AI” prioritou kontextuální přesnosti vedle výpočetní síly.

Kde se kontext setkává se škálovatelností

Úspěch nedávné spolupráce Palantir s Qualcomm na rozšíření schopností AI porozumění je dalším demonstrací transformační síly kontext-first AI architektury. Jejich “Ontologie” přístup — vytváření lingvistických precedencí pro mapování obchodních konceptů, vztahů a pravidel do strojově čitelných formátů — transformuje AI z rozpoznávání vzorců na obchodní uvažování a ukazuje, jak semantické porozumění umožňuje AI fungovat účinně, i v offline nebo zdrojově omezených prostředích.

Například v souvislosti s jejich jadernými energetickými iniciativami AI Palantir nepředpovídá pouze selhání zařízení — ale také rozumí kaskádovým obchodním dopadům napříč dodavatelskými řetězci a regulačními požadavky, které vedou k těmto selháním nebo z nich vyplývají. Podobně ve výrobě jejich systémy chápou vzájemné závislosti mezi kontrolou kvality, řízením zásob a závazky zákazníků, umožňující holistický přehled operací, který pomáhá předpovídat a preventivně zmírnit problémy.

Jeden výkonný pracovník Palantir uvedl, “Ontologie [založený přístup] umožňuje uživatelům konstruovat pracovní postupy, které zahrnují a kombinují heterogenní logické aktiva,” umožňující AI být “zabezpečeně zavedena do stále složitějších rozhodovacích kontextů.”

Revoluce kontext-first infrastruktury

Posun od efektivita-první k význam-první architekturám představuje fundamentální přehodnocení podnikového AI. Podle Gartnerovy 2025 Data & Analytics Summit tato transformace závisí na třech kritických faktorech:

• Semantická datová architektura: Každý datový bod musí nést obchodní význam, ne pouze výpočetní hodnotu. Jak výzkum Enterprise Knowledge ukazuje, semantické vrstvy slouží jako mosty mezi surovými daty a aplikacemi, poskytující “sjednocené a kontextualizované pohledy” umožňující intuitivní interakce uživatelů.
• Integrace obchodního logika: Aby moderní AI poskytla maximum hodnoty, vyžaduje integraci s předem stanovenými obchodními kontexty, specifickými pro potřeby každé organizace. Oracle AI Agent Studio demonstruje tento přístup poskytováním přístupu k Oracle Fusion Applications API, znalostním úložištím a předdefinovaným nástrojům, které zachovávají podnikovou specifickou obchodní logiku v AI poháněných pracovních postupech. Taková řešení umožňují agentic AI systémům integraci obchodních ontologií s Model Context Protocols (MCP), které umožňují bezproblémovou, kontext-rich interpretaci dat a umožňují agentům AI fungovat napříč různými podnikovými zdroji dat.
• Kontextuální rozhodovací motory: McKinseyova 2025 AI zpráva o pracovišti zdůrazňuje, že úspěšné podnikové AI systémy musí důkladně rozumět obchodním dopadům každé úkolu, pro každou organizaci. Avšak pouze 1% společností se domnívá, že dosáhly AI zralosti, což zdůrazňuje mezeru mezi současnými schopnostmi a kontextovými požadavky.

Konkurenční implikace

Organizace, které mohou úspěšně založit kontext-rich AI systémy, vytvoří pro sebe samo-podporující výhody.

Každá obchodní interakce má potenciál prohloubit nuancované porozumění agentic AI specifickým potřebám každé podnikové organizace, zlepšující výkon a vytvářející konkurenční příkopy, které bude obtížné pro ostatní replikovat pouze pomocí výpočetní síly. Deloitteova zpráva o stavu generativní AI potvrzuje, že zatímco 60% organizací sleduje až 20 AI experimentů, ty, které se zaměřují na “oborově a podnikově specifické výzvy”, vidí dramaticky lepší výsledky.

Dopady na talent jsou stejně významné. Zatímco inženýři AI požadují vysoké platy, skutečná vzácnost jsou profesionálové, kteří rozumí jak implementaci AI, tak i obchodní doméně ontologie. PwCova 2025 předpověď zdůrazňuje, že “úspěch AI bude stejně tak o vizi jako o adopci, s společnostmi, které potřebují systematické, transparentní přístupy k potvrzování udržitelné hodnoty.” Jinými slovy, pokud lidé, kteří školí AI, aby rozuměli obchodním potřebám, sami nerozumí těmto potřebám, ani agenti AI, které vytvářejí, je nerozumí.

Strategická imperativa

Co přesně jsou architektonické změny, které organizace musí provést?

Gartnerova 2025 Data & Analytics Summit zdůrazňuje důležitost přechodu z technických metadat na semantická metadata – data, která jsou obohacena o předdefinované obchodní definice, ontologie a vztahy. Tento posun “Semantický-První Návrh” je kritický pro organizace, které mají za cíl získat smysluplné poznatky a zajistit jasnost napříč systémy. Současně je efektivní kontextuální AI governance zásadní pro rozlišení skutečných agentic AI schopností od nedostatečných modelů, které nabízejí pouze základní automatizaci, ale jsou mylně marketingovány jako agentic.

Společnosti, které uspějí s agentic AI, budou ty, jejichž agenti AI byli strategicky nakonfigurováni, aby rozuměli obchodním kontextům dostatečně hluboce, aby mohli autonomně a účinně jednat.

Agentic AI příležitost

Gartner předpovídá, že 33% podnikového softwaru bude zahrnovat agentic AI do roku 2028, oproti méně než 1% v roce 2024. Vzestup agentic AI činí semantickou infrastrukturu nezbytnou; k dosažení toho AI systémy vyžadují:

• Hluboké kontextuální porozumění pro autonomní rozhodnutí sladěná s obchodními cíli.
• Semantickou konzistenci napříč všemi zdroji dat pro prevenci konfliktních akcí mezi odděleními a úkoly
• Integraci obchodního logika pro zajištění souladu s organizačními pravidly a předpisy

Zatímco organizace investují miliardy do vývoje agentic AI, ty bez semantických základů budou čelit rostoucím selháním.

Kontextová imperativa

Jak se agentic AI systémy stávají stále více rozšířené, rozdíly mezi organizacemi se semantickou infrastrukturou a těmi bez ní se budou pouze prohlubovat. Pro podniky investující do agentic AI je volba jasná: vytvořit semantické základy nyní nebo sledovat, jak kontextově vědomí konkurenti přemění chytřejší AI investice na nezvratitelné výhody.

V éře hojné výpočetní síly kontext je nové zlato, a ti, kteří mohou naučit své AI systémy skutečně porozumět podniku, který obsluhují, získají Midasův dotek.