AI不必更聰明：企業數據脈絡才是關鍵

企業人工智慧（AI）的關鍵，可能不在模型推理能力，而在企業內部數據與工作脈絡。AI若要執行業務，還必須理解組織的決策方式與工作規則。

阿里·高德西（Ali Ghodsi）Databricks共同創辦人兼執行長在舊金山舉行的Bloomberg Tech活動上表示：「AI不需要變得更聰明，欠缺的是脈絡。」Databricks透過官方貼文表示，高德西將數據脈絡列為企業AI的核心課題。

高德西所說的脈絡，不只包括企業專有數據，也涵蓋組織決策方式、工作流程、關鍵績效指標（KPI）、審批架構與內部知識。即使模型推理能力很強，若不了解企業依據哪些標準處理業務，也難以真正實現自動化。

高德西表示，活動現場詢問觀眾是否認為人工通用智慧（AGI）已經到來時，只有約10%的人舉手。相較之下，當他詢問觀眾是否認為每天使用的AI模型比大多數同事更聰明時，約90%的人舉手。

Bloomberg Television透過貼文介紹上述發言。10%與90%是活動觀眾的非正式調查數字，不代表所有企業或整體市場的統計。

Databricks目前以Genie作為建構企業脈絡的產品。Genie可將企業數據與工作規則連接成AI能夠理解的形式。

Genie Ontology是以業務角度呈現組織的整合脈絡層，負責在同一結構中連接企業使用的指標定義、權威數據來源與工作規則。

Databricks官方文件指出，Genie Ontology會結合Unity Catalog的語意系統，以及從既有資產自動擷取的脈絡。使用者可將企業定義的指標、數據來源與工作規則反映在AI回答中。

存取權限也是產品設計的重要元素。Genie Ontology的設計是只讓AI使用者有權存取的資訊，藉此同時管理企業內部數據的意義與安全範圍。

這種方法使企業AI競爭的重點，從更換模型轉向數據整理與治理。企業必須為內部數據建立意義與權限，並將工作規則與決策流程結構化，讓AI能夠運用。

企業AI中的數據不只是儲存資訊，原因也在於此。同一項指標在不同組織中可能有不同定義與審批流程。若缺少工作脈絡，AI即使句子本身正確，也可能提出組織實際上難以使用的答案。

Databricks與Bloomberg Television的LinkedIn貼文留言中，有意見認為AI缺少的不是智慧，而是企業數據與工作知識。這些反應將脈絡與數據品質視為企業AI的核心條件。

另一方面，也有留言指出，若沒有可靠的搜尋功能、權限管理與數據品質，即使加入脈絡，錯誤仍可能反覆出現。這些是社群平台使用者的意見，不是獨立市場調查結果。

企業數據與權限管理的重要性，也曾在本刊先前報導Databricks執行長談AI風險的文章中提及。AI與企業及服務連接程度提高後，除了模型效能，也必須同步管理帳戶、數據與應用程式的存取範圍。

透過連接企業數據，為AI與資安團隊提供脈絡的數據平台案例也顯示，數據控制與知識結構化對企業AI相當重要。不過，高德西的發言與Databricks的產品策略密切相關，目前沒有足夠依據斷言所有企業都會出現相同效果。

Databricks官方文件顯示，Genie Ontology截至9月11日仍處於公開預覽階段。企業AI如何超越模型效能競爭，連結數據意義、工作規則與存取權限，後續發展值得關注。