統一コンテキスト：エンタープライズAIコワーカーに欠けた層

今日のエンタープライズ環境では、AIアシスタントが仕事の表面層に急速に浸透している。メールの下書き、会議の要約、質問への流暢な回答などが可能だが、実際にビジネスが回る場面——予測電話会、案件レビュー、運用定例会——では、その結果を変えることはほとんどない。

問題は二つある。第一に、ビジネス上の意思決定に依存するコンテキストが、システム、チーム、定義に散らばっている。CMOがキャンペーン結果を見る場合も、CFOが四半期業績をレビューする場合も、誰も全く同じバージョンのビジネスを見ているわけではない。第二に、ほとんどのAIアシスタントはこうした作業向けに作られていない。コードベースの検索のような迅速で自己完結型のタスクには効果的だが、システムやビジネスプロセスを横断してデータ、定義、ワークフローを追跡することは苦手である。

Databricksは、Genie OneとGenie Ontologyを通じて「統一コンテキスト」でこの問題に取り組んでいる。Genie Oneは、実際の仕事のためのAIコワーカーとして位置づけられ、統一コンテキストを使用してビジネス用語で回答し、信頼できるデータに基づいて推論を示し、Slack、Teams、ダッシュボードなどのツールで意思決定をアクションに変換する。

Genie Ontologyは、ビジネスが実際にどのように機能するかを反映する統一コンテキストレイヤーである。データ、ダッシュボード、クエリ、ドキュメント、接続されたアプリケーションから学習し、ビジネス用語、メトリクス、エンティティ、関係を生きた知識グラフに整理する。エンタープライズではコンテキストが静的に留まらないため、定義の進化、所有権の移行、新しいシグナルの出現に対応し、使用状況や認証アセットへのリンクなどの要素を用いて定義やシグナルをランク付けし、特定の状況で権威あるものを判断する。

例えば、マーケティングリーダーがどのキャンペーンがパイプラインを実際に推進しているかを尋ねる場合、有益な回答は漏斗上部のメトリクスで止まってはならない。キャンペーンをセグメント、チャネル、CRMの機会、クローズドワンの収益、ダウンストリームの製品使用状況に接続し、組織が影響を測定するのと同じ用語で結果を説明する必要がある。これが表面で利用可能なコンテキストと意思決定をサポートできるコンテキストの違いである。

AIが中核的なビジネス上の意思決定に近づくにつれ、ガバナンスは不可欠な要件となる。Genie OneはUnity CatalogとGenie Ontologyの組み合わせによりこれを実現する。Unity Catalogがアクセス、認証データ、共有定義を管理し、Genie Ontologyがその上にビジネス認識マップを構築し、統制されたアセットと組織全体から学習したコンテキストを組み合わせる。その結果、財務アナリストが収益について問い合わせると、承認されたデータと認証された定義のみが表示され、同時にGenieはパイプラインや使用状況などの関連シグナルをシステム間で接続できる。ビジネスのルール内で動作しつつ、より広範で接続されたコンテキストビューを利用して意思決定を信頼性高くサポートするAIが実現する。

リーダーがAIコワーカーから測定可能なインパクトを得るための指針として、Databricksは以下を提案する。すでに重要である仕事から始め、チームがデータ調整に時間を費やしている予測電話会や計画サイクルなどの繰り返しユースケースをパイロットとして選び、ベストパターンをエージェントに変換し、準備時間、精度、サイクルタイムを追跡する。AIを企業所有のコンテキストレイヤーに固定し、コンテキストモデルをチーム、アシスタント、モデル間で再利用可能なエンタープライズアセットとして扱う。ガバナンスを活用してスケールさせ、AIコワーカーが既存のデータとアクセス制御を継承し、新しいルールを追加せずにリスクの高い作業にも進出できるようにする。

結論として、回答を生成するAIから実際の意思決定に参加するAIへの移行には、統一された意思決定準備の整ったコンテキストが必要である。Genie Oneはそのシフトのために構築されており、データ、意思決定、アクションを単一のガバナンスが効いたAIコワーカーに統合する。