全球7000种语言，AI能翻译的不到200种。但企业AI面临的困境比这更隐蔽——我们花了三年时间打磨大模型，却发现它们根本不懂企业如何运转。
这是SAP CEO Christian Klein最新文章的核心判断。他认为，当前企业AI的竞争正在偏离正轨。每周都有更智能的Copilot、更强大的Agent、更复杂的编排层问世，但市场忽略了一个关键区分：企业不是靠提示词运行的，而是靠执行。
一个具体场景可以说明这种错位。当全球制造商面临供应链中断，需要重新规划库存路线时，它同时需要评估替代供应商、库存可用性、客户承诺和财务权衡。当CFO在市场波动中预测流动性风险时，简单的聊天机器人交互无法提供所需的情境。这些是相互关联的运营决策，由依赖关系、偏好、审批、财务后果和实时波及整个业务的权衡共同塑造。
Klein在过去一年与高管的无数对话中发现，讨论 inevitably 从AI能力转向运营现实。模型确实在快速改进，但更难的问题是：AI是否理解它所运营的Business Environment？
当前太多AI对话仍假设更好的模型 alone 会带来更好的业务成果。事实并非如此。企业正在发现，与运营情境脱节的智能——脱离流程、数据、规则和政策——可能产生活动却创造不了多少进展，有时甚至造成更多碎片化和风险。
一个生成的建议听起来令人信服，却可能遗漏系统中其他关键依赖。一个AI Agent可能高效自动化一个工作流，同时打乱另一个工作流的规划假设。企业不缺AI输出，缺的是能够理解运营后果的AI系统。
这才是企业AI现在浮现的真正挑战。解决它需要比编排更深的东西：情境。
数十年来，企业软件一直作为全球经济的运营支柱默默运行。财务系统、供应链、采购网络、劳动力规划平台、制造运营和客户履约流程，都通过相互连接的系统运行。这些系统不仅捕获信息，更捕获企业运作的逻辑——多年积累的流程知识和数据、治理结构、授权、政策和经济关系，塑造着公司的每一个决策。它们是企业的核心。
在AI时代，这种业务情境变得极其宝贵。没有它，AI的输出只是有根据的猜测，而非基于情境的判断。
当AI直接植根于运营流程时，它才能开始……
热门跟贴