据MIT Technology Review 2026年10月22日报道，Celonis企业AI首席科学家Devavrat Shah提出，企业AI要从试验阶段进入日常运营，关键不在于模型单独完成任务，而在于让模型理解企业实际如何运作，即所谓“决策智能”。他认为，AI代理可以在更大的决策流程中支持单项任务，但必须知道每项任务扮演的角色及其周围的业务条件。

Shah表示，缺乏操作上下文时，AI代理可能忽略重要约束、作出代价高昂的错误判断，或在试图弄清所需信息时消耗过多计算资源。解决办法首先是把AI连接到企业已有的流程和数据。通过上下文层，代理可以理解工作流、在既定护栏内运行，并给出可供人工审核和批准的建议。

在实施路径上，Shah建议企业从一个具体业务决策入手，找出其中最困难的步骤，再测试AI能否改善这些步骤，并以速度和价值提升来衡量是否值得扩大应用。这种办法也可能改变员工的时间分配：自动处理重复性手工工作、协调跨团队任务，可让员工转向更复杂的战略性决策。

不过，要获得这一收益，企业需要投资员工教育，使员工能够理解AI输出及其影响，而不是把决策直接交给代理。Shah还看到，随着上下文能力增强，AI应用可从日常运营任务扩展到财务、劳动力管理、市场营销和销售等领域的企业级规划。他说，有了正确上下文，组织可以更快评估选项并作出重要决策。Shah称：“现在，也许（资源规划）不应花那么多时间，人们实际上正在快速作出正确选择。”

该期Business Lab节目由MIT Technology Review与Celonis合作制作。节目还提到，企业AI和AI代理如果脱离操作上下文，就会把通用原则套用到专门场景，效果不足。这一表述也解释了他为何把上下文视为企业AI从演示走向规模化应用的核心条件。