理应资讯
企业经营智能化

MIT Technology Review Insights × Celonis:没有运营上下文,企业 AI 智能体很难从试点走到日常决策

理应编辑室 ·

MIT Technology Review Insights 与 Celonis 合作的 Business Lab 访谈中,Celonis 企业 AI 首席科学家 Devavrat Shah 强调:智能体要做「决策智能」,必须接到企业真实流程与约束;否则会空转算力或踩中业务红线。

MIT Technology Review Insights 10 月 22 日刊出与 Celonis 合作的 Business Lab 内容(定制内容,非编辑部独立新闻)。Celonis 企业 AI 首席科学家、麻省理工教授 Devavrat Shah 主张,企业 AI 要从实验走进日常运营,关键是给技术补上「这家企业实际怎么运转」的上下文。

他把价值重心放在决策智能:战略决策与高频运营决策都跑在既有流程上,人在其中承担不同「角色/任务」;智能体适合增强或在边界清晰时自动其中若干原子步骤,但不能真空运作。缺上下文时,前沿模型即便最终能问出来,也会烧掉大量算力;更常见的是漏掉约束与护栏,轻则推荐失准,重则影响财务预测等贵错场景。

Celonis 一侧的叙事是:公司本就做流程智能(把系统中的事件与流程对齐、找偏差、再造流程);在此之上为各步骤配置「有角色的智能体」,并与系统记录层、上层业务用户/编排智能体协同。上下文模型要同时完成三件事——对下层系统做恰当抽象以便「可智能体化」、以带护栏的角色智能体执行步骤、并对其他智能体基础设施保持可对接,最终仍由人审阅、批准,必要时再自动化。落地仍要过 InfoSec 与厂商信任门槛;数据不必一开始完美,但权限与接入是硬步骤。

flowchart TB
  SoR[系统记录 / 工作流事件] --> Ctx[上下文 / 流程层]
  Ctx --> RA[带角色与护栏的智能体]
  RA --> Hum[专家审阅与批准]
  RA --> Oth[其他智能体基础设施]

Shah 给决策者的起步建议:先选定一个要增强的决策,拆流程,抓住最难的一步试智能体,再量速度与价值决定是否扩大;治理上把每个角色能做什么写清(Celonis 提到认证角色智能体一类合同式边界);对人则要做输出解读与工具培训,把人力从重复协调转向更战略的选择。展望覆盖重复劳动、协调类工作,以及财务/人力/营销/销售等规划决策的加速——均为受访人观点,非正式产品基准。读者需注意稿件为品牌合作访谈,事实主张来自受访方表述。

# Celonis# 决策智能# 企业AI# 流程上下文# 智能体