Contexto unificado: la capa que les falta a los colaboradores de AI empresariales

Los asistentes de AI se están extendiendo rápidamente por la capa superficial del trabajo. Redactan correos electrónicos, resumen reuniones y responden preguntas con una fluidez impresionante. Pero en los ámbitos donde realmente operan las empresas, como las llamadas de previsión de ventas, las revisiones de acuerdos y las reuniones operativas diarias, rara vez cambian los resultados.

El problema es doble. En primer lugar, el contexto del que dependen las decisiones comerciales está disperso en diferentes sistemas, equipos y definiciones. Nadie ve exactamente la misma versión del negocio, ya sea un CMO que analiza los resultados de una campaña o un CFO que revisa el rendimiento trimestral. En segundo lugar, la mayoría de los asistentes de AI no se diseñaron para este tipo de trabajo. Son eficaces en tareas rápidas e independientes, como buscar en una base de código, pero les cuesta seguir los datos, las definiciones y los flujos de trabajo a través de los sistemas y los procesos de negocio.

Qué hace que el contexto esté listo para la toma de decisiones

La mayoría de las empresas ya tienen los datos que necesitan: registros de CRM, paneles de control, hojas de cálculo y un flujo constante de señales de todo el negocio. El problema no es el acceso. Es que estas piezas no se alinean en una vista única y confiable, por lo que los equipos tienen dificultades para obtener información precisa y coherente.

Un contexto listo para la toma de decisiones significa más que tener los datos en un solo lugar. Es un mapa compartido que proporciona una imagen clara y conectada de cómo funciona el negocio. Cuando ese mapa existe, los equipos pueden trabajar con las mismas definiciones y entender cómo se calcula una cifra. En una llamada de previsión de ventas, por ejemplo, un líder de ventas puede ver cómo el pipeline de hoy se vincula con el uso del producto, los problemas de soporte abiertos y el historial de la cuenta en una sola vista, en lugar de intentar unir esas señales manualmente.

Sin ese contexto compartido, los equipos pierden tiempo conciliando números, debatiendo definiciones y saltando de una herramienta a otra para averiguar qué acuerdos son reales y cuáles están en riesgo. Rara vez la pregunta es "¿tenemos los datos?". Se trata de si esos datos se pueden interpretar de forma conjunta, con la suficiente coherencia y precisión, para cambiar la decisión.

Por qué los asistentes genéricos se quedan cortos

La mayoría de los asistentes de uso general están diseñados para interpretar una instrucción, recuperar lo que es más fácil de acceder y producir una respuesta fluida y segura. Aunque esto es suficiente para muchas tareas de productividad empresarial, los usuarios de negocio no tardan en notar las limitaciones porque la mayor parte del trabajo empresarial moderno es, en realidad, trabajo con datos. Antes de una llamada de previsión de ventas, un líder de ventas podría preguntar a un asistente genérico qué acuerdos tienen más probabilidades de cerrarse. El asistente puede escanear el CRM y devolver una lista ordenada según la etapa y la actividad reciente, pero no tendrá en cuenta automáticamente las tendencias de uso del producto, los problemas de soporte abiertos o los cambios en los planes de cuentas. Ayuda con una sola parte del panorama a la vez (por lo general, lo que se le ha proporcionado explícitamente), por lo que sus respuestas pueden sonar seguras sin estar fundamentadas de manera confiable en todo el contexto del que depende la decisión.

Ponga a trabajar el contexto unificado con Genie One

Genie One es el asistente de AI para el trabajo basado en datos que se ejecuta sobre un contexto unificado. En lugar de tratar cada pregunta como una interacción independiente, Genie One utiliza una capa de contexto compartido que abarca los datos de Databricks, documentos, aplicaciones SaaS y sistemas operativos. El objetivo no es simplemente responder más rápido. Es permitir que los usuarios de negocio hagan preguntas, interpreten respuestas precisas en términos comerciales y trasladen ese entendimiento de manera confiable al trabajo posterior sin tener que reconstruir la historia de fondo cada vez.

Pregunte una vez, allí donde se realiza el trabajo: Genie One lleva el contexto unificado a las herramientas donde la gente ya trabaja. Esto significa que los usuarios de negocio pueden hacer preguntas en herramientas como Slack, Microsoft Teams, dispositivos móviles, MCP o paneles de control, y obtener respuestas e información basadas en datos gobernados y en tiempo real.

De la información a la acción: Genie One proporciona capacidades de colaboración agéntica para que los usuarios puedan programar tareas, redactar documentos, generar informes y activar flujos de trabajo en herramientas conectadas. A través de Genie One, también pueden crear agentes que conviertan casos de uso recurrentes, como la preparación de previsiones de ventas, paquetes de QBR o flujos de trabajo de escalación, en agentes compartibles que automatizan esas tareas.

Aplique el gobierno de forma automática: Las respuestas, las acciones y los agentes heredan los permisos y los controles de gobierno de la empresa, lo que mantiene todo alineado con las reglas de acceso y la supervisión existentes.

En conjunto, esto se traduce en un menor costo para llegar a una decisión: menos tiempo conciliando números antes de cada reunión, menos herramientas fragmentadas que conectar y decisiones que pasan de tomar días a minutos sin comprometer la precisión ni el control.

Una capa de contexto empresarial viva

En el centro de este enfoque se encuentra Genie Ontology, una capa de contexto unificado que refleja cómo opera realmente la empresa, no solo cómo se almacenan los datos. Aprende de los datos, los paneles de control, las consultas, los documentos y las aplicaciones conectadas, y luego organiza los términos comerciales, las métricas, las entidades y las relaciones en un gráfico de conocimiento vivo.

Esto es importante porque el contexto en las empresas no es estático. Las definiciones evolucionan, las responsabilidades cambian y surgen nuevas señales. Genie Ontology clasifica las definiciones y las señales utilizando factores como el uso y los enlaces a activos certificados, lo que ayuda a determinar qué debe considerarse como autorizado en una situación determinada.

Pensemos en un líder de marketing que pregunta qué campañas están impulsando realmente el pipeline. Una respuesta útil no puede limitarse a las métricas de la parte superior del embudo. Tiene que conectar las campañas con los segmentos, los canales, las oportunidades en el CRM, los ingresos cerrados y ganados, y el uso posterior del producto, para luego explicar el resultado en los mismos términos que la organización ya utiliza para medir el impacto. Esa es la diferencia entre el contexto que está disponible en la superficie y el contexto que puede respaldar una decisión.

Gobierno integrado en el proceso

A medida que la AI se acerca más a las decisiones de negocio principales, el gobierno se convierte en un requisito fundamental en lugar de una capa de control independiente: un asistente de AI que puede leer datos en tiempo real y tomar medidas necesita permisos, linaje y supervisión claros.

Aquí es donde Unity Catalog y Genie Ontology trabajan juntos. Unity Catalog gobierna el acceso, los datos certificados y las definiciones compartidas, incluidas las métricas y los términos comerciales. Genie Ontology se basa en esa base para crear un mapa con conocimiento empresarial, combinando esos activos gobernados con el contexto aprendido de toda la organización.

En la práctica, esto significa que un analista financiero que pregunta sobre los ingresos solo ve datos aprobados y definiciones certificadas, mientras que Genie aún puede conectar señales relacionadas, como el pipeline o el uso, a través de los sistemas. El resultado es una AI que trabaja dentro de las reglas del negocio mientras utiliza una visión de contexto más amplia y conectada para respaldar las decisiones de una manera que es tanto confiable como segura.

Medidas recomendadas para los líderes empresariales

Para los líderes que desean que los colaboradores de AI ofrezcan un impacto medible, existen algunos patrones que funcionan bien:

• Comience con el trabajo que ya es importante. Elija casos de uso recurrentes en los que los equipos ya dediquen tiempo a conciliar datos, como las llamadas de previsión de ventas o los ciclos de planificación. Utilícelos como pilotos, convierta los mejores patrones en agentes y realice un seguimiento del tiempo de preparación, la precisión o el tiempo de ciclo.
• Ancle la AI en una capa de contexto propiedad de la empresa. Trate el modelo de contexto como un activo empresarial que se pueda reutilizar en todos los equipos, asistentes y modelos. Dado que ese contexto reside con usted y no dentro de un solo modelo o estructura, puede adoptar nuevos modelos sin perder la verdad fundamental de sus datos ni su contexto.
• Utilice el gobierno para permitir la escala. Asegúrese de que los colaboradores de AI hereden los controles de acceso y datos que ya utiliza, para que puedan pasar a trabajos de mayor importancia sin añadir nuevas reglas. Cuando las políticas reflejan cómo desea que se tomen las decisiones, el gobierno se convierte en una forma de ampliar el uso de la AI.

Primeros pasos

Existe una brecha creciente entre la AI que produce respuestas y la AI que puede participar en decisiones reales. Cerrar esa brecha comienza con un contexto unificado y listo para la toma de decisiones.

Genie One está diseñado para ese cambio, ya que reúne datos, decisiones y acciones en un único colaborador de AI gobernado.

Explore más: https://www.databricks.com/genie

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original