据Sifted报道，随着越来越多企业将人工智能嵌入各类业务流程，多位企业技术负责人提出，模型能力之外还需补上对用户行为与具体情境的理解，否则难以获得预期结果。
此前在博彩运营商Allwyn负责营销与广告技术的Carolina de Freitas表示，很多人没有意识到，企业可能拥有世界上最好的AI模型，但如果没有关于实际情况的正确情境信息，就得不到想要的结果。她补充说，缺少这一情境层，企业部署的算法产出的结果“并没有真正理解用户行为背后的情境”。
据Sifted报道，所谓情境驱动的AI正在改变企业的运营方式：AI不再向广泛人群投放通用信息，而是学习客户的兴趣与习惯，据此调整其看到的内容。
AI与行为智能公司Intent HQ首席执行官Jonathan Lakin表示，没有情境，AI模型不会给出企业想要的结果。他指出，大语言模型在单次交互或请求中能够容纳、处理并引用的信息量即上下文窗口，存在上限。“目前商业可用模型中最大的上下文窗口大约为一百万个token。”他称，生成式模型虽然可以起草内容并分析大量数据，但大语言模型只能容纳较短的上下文窗口。
Fifth Third Bank的AI与数据分析高管David Porras则将人类情境描述为赋予客户数据意义的理解层，帮助AI理解个体的行为。据Sifted报道，正因如此，一些企业领导者正从单纯以原始算力衡量模型能力转向其他维度。
Intent HQ的客户包括银行、电信运营商和零售商等面向消费者的企业。客户将该公司技术直接嵌入自有的手机或设备应用，用户下载或更新应用后，软件在后台于本地分析其日常习惯、位置和作息。以鞋类零售商为例，其技术可根据客户的生活方式判断其正在寻找哪类鞋，再发送相应信息，而非向所有买过鞋的客户统一发放折扣。
为弥合原始数据与理解人类情境的AI之间的差距，系统需要一层聚焦于Lakin所称“深度信号智能”的基础设施。他表示，把用户的日常行为转化为可用情境意味着处理大量数据，深度信号智能即从这些行为数据中辨别哪些具体动作能够揭示人的意图，且“我们需要在设备上做到这一点，不让任何原始数据外泄”。
据Sifted报道，企业过去通过将数据囤积在数据湖中获取客户情境，但这一方式正变得愈发困难：全球数据保护法规限制了对客户进行画像，存储行为数据也使其成为网络攻击的重点目标。de Freitas表示，数据保护的要求不会消失，因此在数据仓库和内部系统中保存的客户数据越少，对合规与风险管理越有利。
以客户行为和习惯而非原始算力作为AI战略基础的企业，正采用去中心化的设备端系统存储数据。Lakin以苹果的隐私处理方式作比：“如果你想想苹果如何处理隐私，那是在设备端进行的，我们也是这样考虑的。”数据不再被全部传输至数据仓库，而是留在用户设备上。后台系统以广播请求的方式工作，例如不再全天候追踪用户位置，而是询问所有设备：是否有设备属于一位晚间列车延误、且通常订购外卖的用户。