Celonis Context Model: ชั้นบริบทใหม่ที่อาจเปลี่ยนวิธีใช้ AI ในองค์กร

• งานไหลผ่านระบบต่าง ๆ อย่างไร
• กฎและข้อจำกัดของแต่ละขั้นตอน
• จุดคอขวดหรือข้อยกเว้น
• ผลลัพธ์ที่เกิดขึ้นจริงในกระบวนการ

Celonis เรียกช่องว่างนี้ว่า “operational blind spots” หรือจุดบอดของ AI ในองค์กร

Celonis Context Model ถูกออกแบบมาเพื่อทำหน้าที่เป็นชั้นกลางระหว่างข้อมูลกับ AI โดยรวบรวมข้อมูลกระบวนการและความรู้ทางธุรกิจ แล้วแปลงให้ AI เข้าใจได้

CCM: Digital Twin ของการดำเนินงานองค์กร

หัวใจของ CCM คือการสร้าง แบบจำลองดิจิทัลของการทำงานในองค์กร (digital twin of operations) แบบเรียลไทม์

โมเดลนี้ทำงานโดย:

• สร้าง แบบจำลองกระบวนการธุรกิจแบบไดนามิก จากข้อมูลจริง
• ดึงสัญญาณข้อมูลจากระบบ แอปพลิเคชัน อุปกรณ์ และการโต้ตอบทั่วทั้งองค์กร
• แปลง workflow ที่ซับซ้อนให้ AI เข้าใจและใช้เหตุผลได้

ผลลัพธ์คือ AI ไม่ได้เห็นแค่ข้อมูลดิบ แต่เห็น แผนที่การทำงานของธุรกิจจริง เช่น

• ลำดับขั้นของกระบวนการข้ามระบบ
• กฎและ dependency ระหว่างขั้นตอน
• ข้อยกเว้นและคอขวด
• รูปแบบผลลัพธ์และประสิทธิภาพ

Celonis ระบุว่าแนวทางนี้ช่วยให้ AI สามารถ ให้คำแนะนำที่แม่นยำ อธิบายได้ และนำไปใช้จริงได้ ในระดับองค์กร

Ikigai Labs เติมความสามารถด้าน Decision Intelligence

การเข้าซื้อ Ikigai Labs ทำให้แพลตฟอร์มของ Celonis ไม่ได้แค่เข้าใจสถานการณ์ปัจจุบัน แต่ยังสามารถ คาดการณ์และจำลองอนาคตของกระบวนการธุรกิจ ได้

Ikigai Labs พัฒนาเทคโนโลยีจากงานวิจัยที่เกี่ยวข้องกับ MIT และใช้โมเดลที่เรียกว่า Large Graphical Model (LGM) ซึ่งออกแบบมาเพื่อข้อมูลองค์กรแบบโครงสร้าง เช่น

• สเปรดชีต
• ฐานข้อมูล
• ข้อมูล time‑series ทางธุรกิจ

เมื่อรวมเข้ากับ CCM ระบบจะได้ความสามารถใหม่ เช่น

• Forecasting: คาดการณ์ผลลัพธ์จากข้อมูลกระบวนการในอดีต
• Planning: ทดลองกลยุทธ์หรือการจัดสรรทรัพยากร
• Simulation: จำลองสถานการณ์ก่อนนำไปใช้จริง

เทคโนโลยีนี้มีประโยชน์มากในข้อมูลที่พบได้บ่อยในองค์กร เช่น ข้อมูลการเงิน ซัพพลายเชน หรือการดำเนินงาน ซึ่งมักอยู่ในรูป ตารางและข้อมูลตามเวลา

เมื่อ AI สามารถ “จำลองอนาคต” ของกระบวนการได้

AI ในองค์กรจำนวนมากวันนี้เน้นสองอย่างคือ

• วิเคราะห์ข้อมูล
• ทำงานอัตโนมัติ

แต่เมื่อเพิ่ม การจำลองสถานการณ์ (simulation) เข้าไป องค์กรสามารถใช้ AI เพื่อทดสอบการตัดสินใจล่วงหน้าได้ เช่น

• คาดการณ์การหยุดชะงักของซัพพลายเชน
• ทดลองเปลี่ยน workflow ก่อนใช้งานจริง
• ปรับการจัดสรรทรัพยากรให้เหมาะสม
• ลดเวลาการวางแผนจากการวิเคราะห์แบบ manual

ในอุตสาหกรรมอย่าง การผลิตและโลจิสติกส์ สิ่งนี้ช่วยให้องค์กรเปลี่ยนจากการแก้ปัญหาแบบ reactive ไปสู่ การตัดสินใจเชิงคาดการณ์และ scenario‑driven

ความหมายสำหรับลูกค้าองค์กร

เป้าหมายระยะยาวของ Celonis คือช่วยให้องค์กรนำ AI ไปใช้ในกระบวนการจริงได้ ไม่ใช่แค่ทดลองในโปรเจ็กต์แยกส่วน

ด้วย Context Model องค์กรสามารถ:

• เชื่อม AI agents เข้ากับ workflow ธุรกิจจริง
• ลดความเสี่ยงของการตัดสินใจ AI ที่ขาดข้อมูลบริบท
• ประสานงานระหว่างคน ระบบ และ AI บนข้อมูลเดียวกัน
• ปรับปรุงกระบวนการอย่างต่อเนื่องด้วย insight จาก AI

ในทางปฏิบัติ CCM ถูกวางตำแหน่งให้เป็น แผนที่การดำเนินงานกลางขององค์กร ที่ AI ใช้อ้างอิงก่อนวิเคราะห์หรือดำเนินการ

เดิมพันเชิงกลยุทธ์ของ Celonis

ที่ผ่านมา Celonis เป็นที่รู้จักจากเทคโนโลยี process mining และ process intelligence ที่ใช้วิเคราะห์กระบวนการธุรกิจจากข้อมูลระบบ

แต่การเปิดตัว Context Model และการซื้อ Ikigai Labs แสดงให้เห็นว่าบริษัทกำลังขยายบทบาทไปอีกขั้น: จากเครื่องมือวิเคราะห์กระบวนการ ไปสู่ โครงสร้างพื้นฐานสำคัญสำหรับ Enterprise AI

หากแนวคิดนี้สำเร็จ “context layer” อาจกลายเป็นส่วนประกอบใหม่ในสแต็กเทคโนโลยีขององค์กร โดยทำหน้าที่เชื่อม data infrastructure กับ AI agents เพื่อให้ AI เข้าใจและทำงานกับโลกธุรกิจจริงได้อย่างแม่นยำมากขึ้น