Celonis Bangun Lapisan Konteks Baru untuk Enterprise AI lewat Context Model dan Akuisisi Ikigai Labs

Masalah Besar: AI Tanpa Konteks Operasional

Di banyak perusahaan besar, infrastruktur teknologi biasanya terdiri dari dua lapisan utama:

• Data layer: database, data warehouse, ERP, dan sistem operasional
• AI layer: model AI atau agen otomatis yang menganalisis dan mengambil tindakan

Masalahnya, AI sering bekerja langsung di atas data tanpa memahami konteks operasional—bagaimana proses bisnis sebenarnya berjalan dari satu sistem ke sistem lain.

Celonis menyebut kondisi ini sebagai "operational blind spots" atau titik buta operasional. Tanpa memahami alur proses, aturan, dan dependensi antar sistem, rekomendasi AI bisa menjadi tidak akurat atau sulit diterapkan.

Context Model: Digital Twin Operasi Bisnis

Untuk mengatasi masalah tersebut, Celonis memperkenalkan Celonis Context Model (CCM).

Platform ini menciptakan digital twin real‑time dari operasi bisnis—sebuah representasi digital yang menggambarkan bagaimana proses perusahaan benar‑benar berjalan.

CCM dibangun dari berbagai sumber informasi perusahaan, termasuk:

• data proses dari sistem operasional
• pengetahuan bisnis dan aturan internal
• interaksi antar aplikasi, perangkat, dan pengguna

Semua informasi ini diterjemahkan menjadi model terpadu yang bisa dipahami oleh AI.

Dengan pendekatan ini, AI tidak hanya melihat data mentah, tetapi juga memahami:

• alur proses nyata antar sistem
• aturan operasional dan dependensi
• pengecualian dan bottleneck
• pola hasil dan kinerja

Celonis menggambarkan CCM sebagai peta operasional perusahaan yang membantu AI “berpikir” dengan konteks bisnis yang sebenarnya, bukan hanya statistik dari data.

Integrasi dengan Platform Data dan AI

Agar bisa digunakan dalam ekosistem perusahaan yang kompleks, CCM dirancang untuk terhubung dengan berbagai platform data dan AI.

Di sisi data, Celonis menyebut integrasi zero‑copy dengan:

• AWS
• Databricks
• Microsoft Fabric

Sementara integrasi dengan Snowflake direncanakan hadir kemudian.

Untuk ekosistem AI dan agent, CCM juga dapat bekerja dengan berbagai platform seperti:

• Amazon Bedrock
• Anthropic Claude
• IBM watsonx Orchestrate
• Microsoft Copilot
• Oracle OCI Enterprise AI

Tujuannya adalah agar berbagai sistem AI yang berbeda tetap bisa mengakses sumber konteks operasional yang sama.

Peran Ikigai Labs: Decision Intelligence

Akuisisi Ikigai Labs memperluas kemampuan platform Celonis dari sekadar pemetaan proses menjadi decision intelligence.

Ikigai Labs mengembangkan teknologi berbasis riset yang terkait dengan MIT dan menggunakan pendekatan bernama Large Graphical Model (LGM). Teknologi ini dirancang khusus untuk data perusahaan yang berbentuk tabular dan time‑series—jenis data yang umum ditemukan dalam spreadsheet, database, dan sistem operasional.

Dengan integrasi Ikigai, platform Celonis memperoleh kemampuan tambahan seperti:

• Forecasting: memprediksi hasil operasional dari data historis
• Planning: mengevaluasi strategi dan alokasi sumber daya
• Simulation: menguji berbagai skenario masa depan sebelum diterapkan

Dengan kata lain, sistem tidak hanya memahami kondisi saat ini, tetapi juga dapat mensimulasikan bagaimana operasi akan berubah di masa depan.

Mengapa Simulasi Penting untuk AI Perusahaan

Sebagian besar penerapan AI di perusahaan saat ini fokus pada analisis data atau otomatisasi tugas.

Penambahan kemampuan simulasi membuka pendekatan baru: AI untuk perencanaan dan pengambilan keputusan berbasis skenario.

Dengan CCM dan teknologi Ikigai, perusahaan dapat:

• memprediksi gangguan operasional
• menguji perubahan proses sebelum diterapkan
• mengoptimalkan alokasi sumber daya
• mempercepat siklus perencanaan dengan simulasi otomatis

Dalam industri seperti manufaktur atau rantai pasok, pendekatan ini memungkinkan organisasi beralih dari model operasional reaktif menjadi operasi yang prediktif dan berbasis skenario.

Dampaknya bagi Pelanggan Enterprise

Bagi perusahaan besar, tujuan utama pendekatan ini adalah membuat AI lebih aman dan dapat dipercaya untuk proses bisnis nyata.

Dengan memberikan konteks operasional yang lengkap, Celonis mengatakan organisasi dapat:

• menghubungkan AI langsung ke workflow bisnis
• mengurangi risiko keputusan AI yang keliru
• menyelaraskan manusia, sistem, dan agen AI
• meningkatkan proses secara berkelanjutan lewat analitik dan otomatisasi

Dalam praktiknya, CCM berpotensi menjadi peta operasional bersama yang digunakan oleh berbagai sistem AI saat menganalisis atau menjalankan proses bisnis.

Langkah Strategis Celonis

Selama ini Celonis dikenal sebagai perusahaan process mining dan process intelligence. Dengan Context Model dan teknologi Ikigai Labs, perusahaan kini mencoba naik satu tingkat lebih tinggi dalam arsitektur AI perusahaan.

Strateginya jelas: menjadikan context layer sebagai komponen inti dalam tumpukan teknologi enterprise modern—sebuah lapisan yang menghubungkan data perusahaan dengan agen AI yang menjalankan operasi bisnis.

Jika pendekatan ini berhasil, Celonis tidak hanya menjadi alat analisis proses, tetapi juga fondasi konteks operasional yang memungkinkan AI perusahaan bekerja dengan lebih akurat, transparan, dan dapat dipercaya.