Celonis Context Model：補上企業AI最缺的「情境層」

企業近年大量投資AI，但有一個根本問題一直存在：AI可以分析數據，卻未必真正理解一間公司點樣運作。

流程、規則、部門之間的依賴、例外情況——呢啲營運細節通常散落喺ERP、CRM、資料倉庫同各種系統之中。結果就出現AI所謂的「營運盲點」。

企業流程智能公司 Celonis 最近推出 Celonis Context Model（CCM），同時宣布收購決策智能初創 Ikigai Labs，目標正正係解決呢個問題：在企業AI架構中加入一層新的 「context layer（情境層）」。

呢一層會建立一個即時更新的營運模型，令AI代理（AI agents）可以先理解業務流程，再作出分析、建議甚至自動化行動。

企業AI一直缺少的一層：Context

目前大多數企業技術架構大致有兩層：

• Data layer：資料庫、資料湖、ERP、CRM
• AI layer：模型、分析系統或AI代理

但中間其實缺少一樣重要元素：業務流程的真實情境（context）。

Celonis指出，如果AI唔理解流程如何跨系統運作、有哪些規則或限制，就很容易得出不完整甚至錯誤的建議，形成所謂的 operational blind spots（營運盲點）。

Celonis Context Model 的角色，就是填補呢個空隙——將企業營運邏輯轉換成AI可以理解同推理的結構。

換句話說，它係一個連接 企業數據 → AI決策 的中間層。

CCM：企業營運的即時數碼孿生

CCM的核心概念係建立一個 real‑time digital twin（即時數碼孿生），模擬整個企業營運流程。

系統會整合：

• 各類業務系統與應用程式
• 裝置與互動數據
• 流程事件數據
• 企業知識與規則

然後把這些資訊轉換成AI可以理解的結構化模型。

在這個營運數碼孿生中，AI可以看到的不只是流程設計，而是：

• 真實的跨系統流程
• 業務規則與依賴關係
• 例外情況與瓶頸
• 成效與績效模式

Celonis形容，這讓AI真正「看懂」公司如何運作，而不只是讀取資料。

當AI建議改變流程或自動化任務時，就可以根據這個營運地圖作推理，令結果更準確、可解釋、可執行。

Ikigai Labs帶來的：Decision Intelligence

收購 Ikigai Labs 之後，Celonis平台不只是看流程，還可以預測與模擬未來決策。

Ikigai的技術來自與MIT相關的研究，其核心是一種名為 Large Graphical Model（LGM） 的專利模型。

這種AI特別針對企業常見的資料形式：

• 試算表
• 資料庫
• 雲端資料倉庫
• 時序資料

也就是金融、供應鏈、營運管理最常見的 表格型與時間序列數據。

整合後，Celonis平台新增幾個關鍵能力：

• Forecasting（預測）：根據歷史流程數據預測未來結果
• Planning（規劃）：評估不同營運策略或資源分配
• Simulation（模擬）：在真正改變流程前測試不同情境

簡單講：系統不只是知道「現在發生什麼」，還可以模擬「如果改變會發生什麼」。

為什麼模擬對企業AI很重要

很多企業AI現在主要做兩件事：

• 分析數據
• 自動化任務

但如果AI能夠 模擬未來情境，企業決策方式就會完全不同。

結合CCM與Ikigai技術之後，企業可以：

• 預測營運中斷或瓶頸
• 在實施前測試流程變更
• 優化資源分配與工作流程
• 用模擬取代大量人工規劃分析

在供應鏈或製造業等領域，這意味著企業可以由被動應對問題，轉為 預測式與情境驅動決策。

對企業客戶意味著什麼

Celonis的整體目標，是幫企業從零散的AI實驗走向真正的營運級AI部署。

透過把AI建立在實際營運情境之上，企業可以：

• 將AI直接連接到真實業務流程
• 減少錯誤或不完整的AI決策
• 協調人員、系統與AI代理
• 持續透過AI洞察改善流程

在這個架構下，Context Model 就像企業的共同營運地圖，所有AI代理在分析、建議或自動化時都會以此為基礎。

Celonis的戰略轉型

過去Celonis主要以 process mining（流程挖掘） 和 process intelligence（流程智能） 聞名。

但透過推出Context Model並收購Ikigai Labs，公司其實正嘗試重新定位自己：

由流程分析工具，轉型為 企業AI的基礎架構平台。

如果這個策略成功，CCM可能會成為企業技術堆疊中的一個新標準層：

介乎數據基礎設施與AI代理之間，負責提供AI理解真實商業運作所需的情境。

換句話說，Celonis正在押注一件事——未來企業AI是否可靠，很大程度取決於它是否真正理解企業如何運作。