統合コンテキスト：エンタープライズAIコワーカーに欠けているレイヤー

AIアシスタントは、業務の表面的なレイヤーに急速に普及しています。メールの下書き、会議の要約、質問への回答などを、驚くほど流暢に行います。しかし、予測会議、案件レビュー、日常のスタンドアップミーティングなど、ビジネスが実際に動いている現場では、成果に影響を与えることはほとんどありません。

問題は2つあります。第一に、ビジネス上の意思決定が依存するコンテキストが、システム、チーム、定義の間に散在していることです。キャンペーン結果を見るCMOであれ、四半期業績をレビューするCFOであれ、ビジネスのまったく同じバージョンを見ている人はいません。第二に、ほとんどのAIアシスタントは、このような業務向けに構築されていません。コードベースの検索といった、迅速で自己完結型のタスクには効果的ですが、システムやビジネスプロセスをまたいでデータ、定義、ワークフローを追跡することには苦労します。

何がコンテキストを意思決定に直結させるのか

ほとんどの企業は、CRMレコード、ダッシュボード、スプレッドシート、そしてビジネス全体から絶えず送られてくるシグナルなど、必要なデータをすでに持っています。問題はアクセスではありません。これらの要素が、信頼できる単一のビューに統合されていないため、チームが正確で一貫したインサイトを得るのに苦労していることです。

意思決定に直結するコンテキストとは、単にデータを1か所に集めること以上の意味を持ちます。それは、ビジネスがどのように機能しているかを明確かつ有機的に示す、共有されたマップです。そのマップがあれば、チームは同じ定義に基づいて作業し、数値がどのように構成されているかを追跡できます。たとえば、予測会議において、営業リーダーは今日のパイプラインが製品の使用状況、未解決のサポート問題、アカウント履歴とどのように結びついているかを、手動でシグナルをつなぎ合わせる代わりに、単一のビューで確認できます。

この共有されたコンテキストがなければ、チームは数値の擦り合わせ、定義の議論、ツールの行き来に時間を費やし、どの案件が確実で、どれがリスクにさらされているかを判断することになります。「データはあるか？」という疑問が生じることはほとんどありません。問題は、そのデータを一貫性と正確性を持って統合的に解釈し、意思決定を変えられるかどうかです。

なぜ一般的なアシスタントでは不十分なのか

ほとんどの汎用アシスタントは、プロンプトを解釈し、最もアクセスしやすい情報を取得して、流暢で自信に満ちた回答を生成するように設計されています。多くのビジネス生産性タスクにはそれで十分ですが、現代のビジネス業務のほとんどは実質的にデータ業務であるため、ビジネスユーザーはすぐに限界を感じることになります。予測会議の前に、営業リーダーが一般的なアシスタントに、どの案件が最も成約する可能性が高いかを尋ねるかもしれません。アシスタントはCRMをスキャンし、ステージや最近のアクティビティに基づいて整理されたリストを返しますが、製品の使用傾向、未解決のサポート問題、アカウントプランの変更などを自動的に考慮することはありません。一度に全体の一部（通常は明示的に与えられたもの）しか処理できないため、意思決定が依存する完全なコンテキストに確実に裏付けられていないにもかかわらず、自信ありげな回答をしてしまうのです。

Genie Oneで統合コンテキストを活用する

統合コンテキストで動作するGenie Oneは、データ駆動型の業務に最適なAIアシスタントです。Genie Oneは、個々の質問を独立したやり取りとして処理するのではなく、Databricksのデータ、ドキュメント、SaaSアプリケーション、運用システムにまたがる共有コンテキストレイヤーを使用します。目的は単に回答を早くすることではありません。ビジネスユーザーが質問し、ビジネス用語で正確な回答を理解し、毎回背景を再構築することなく、その理解を次の業務に確実に引き継げるようにすることです。

業務が発生する場所で、一度だけ質問する：Genie Oneは、人々がすでに使用しているツールに統合コンテキストをもたらします。これにより、ビジネスユーザーはSlack、Microsoft Teams、モバイル、MCP、ダッシュボードなどのツールで質問し、ガバナンスが効いたリアルタイムデータに基づいた回答やインサイトを得ることができます。

インサイトからアクションへ：Genie Oneは自律的なコワーク機能を提供し、ユーザーが接続されたツールでタスクのスケジュール、ドキュメントの下書き、レポートの生成、ワークフローのトリガーを実行できるようにします。また、Genie Oneを通じて、予測の準備、QBR資料の作成、エスカレーションワークフローなどの繰り返し発生するユースケースを、それらのタスクを自動化する共有可能なエージェントに変換することもできます。

ガバナンスを自動的に適用：回答、アクション、エージェントは、ビジネスの権限とガバナンス管理を継承するため、既存のアクセスルールや監視体制との整合性が維持されます。

これらすべてが合わさることで、意思決定に至るコストが削減されます。すべての会議の前に数値を擦り合わせる時間が減り、つなぎ合わせる必要のある断片的なツールが減り、正確性やコントロールを損なうことなく、意思決定を数日から数分に短縮できます。

生きたビジネスコンテキストレイヤー

このアプローチの中心にあるのが、データの保存方法だけでなく、ビジネスが実際にどのように運営されているかを反映する統合コンテキストレイヤーであるGenie Ontologyです。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、関係性を生きたナレッジグラフに整理します。

エンタープライズにおけるコンテキストは静的なものではないため、これは重要です。定義は進化し、所有権は移転し、新しいシグナルが登場します。Genie Ontologyは、使用状況や認定アセットへのリンクなどの要因を使用して定義とシグナルをランク付けし、特定の状況で何が信頼できる情報源としてカウントされるべきかを判断するのに役立ちます。

マーケティングリーダーが、どのキャンペーンが実際にパイプラインを牽引しているかを尋ねる場合を考えてみましょう。有用な回答は、ファネル上部のメトリクスにとどまることはできません。キャンペーンをセグメント、チャネル、CRMの商談、受注収益、下流の製品使用状況に結びつけ、組織が影響を測定するためにすでに使用しているのと同じ用語で結果を説明する必要があります。これが、表面的なコンテキストと、意思決定をサポートできるコンテキストの違いです。

ガバナンスの組み込み

AIがビジネスの核心的な意思決定に近づくにつれ、ガバナンスは独立した管理レイヤーではなく、中核的な要件となります。ライブデータを読み取ってアクションを実行できるAIアシスタントには、明確な権限、リネージ、監視が必要です。

ここで、Unity CatalogとGenie Ontologyが連携します。Unity Catalogは、アクセス、認定データ、メトリクスやビジネス用語を含む共有定義を管理します。Genie Ontologyはその基盤の上に構築され、これらの管理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て、ビジネスを認識するマップを作成します。

実際には、財務アナリストが収益について質問した場合、承認されたデータと認定された定義のみが表示されますが、Genieはシステム間でパイプラインや使用状況などの関連するシグナルを接続できます。その結果、ビジネスのルールの範囲内で動作しながら、より広範で接続されたコンテキストビューを使用して、信頼性と確実性の高い方法で意思決定をサポートするAIが実現します。

ビジネスリーダーのための具体的なアクション

AIコワーカーに測定可能なインパクトをもたらしてほしいと考えるリーダーにとって、いくつかのパターンが効果的です：

• すでに重要となっている業務から始める。予測会議や計画サイクルなど、チームがすでにデータの擦り合わせに時間を費やしている、繰り返し発生するユースケースを選択します。それらをパイロットとして使用し、最適なパターンをエージェントに変換し、準備時間、正確性、またはサイクルタイムを追跡します。
• 企業が所有するコンテキストレイヤーにAIを定着させる。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います。そのコンテキストは、単一のモデルやハーネスの内部ではなく、自社内に存在するため、データのグラウンドトゥルース（真実の基準）やコンテキストを失うことなく、新しいモデルを採用できます。
• ガバナンスを活用してスケールを実現する。AIコワーカーが、すでに使用しているデータおよびアクセス制御を確実に継承するようにします。これにより、新しいルールを追加することなく、より重要度の高い業務に移行できます。ポリシーが意思決定のあり方を反映している場合、ガバナンスはAIの活用範囲を拡大するための手段となります。

はじめに

回答を生成するAIと、実際の意思決定に参加できるAIとの間には、格差が広がりつつあります。その格差を埋めるには、意思決定に直結する統合されたコンテキストから始まります。

Genie Oneはそのような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、ガバナンスの効いた単一のAIコワーカーに統合します。

詳細はこちら：https://www.databricks.com/genie

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事