“`html

由Zeta Global呈现

AI所承诺的与其所交付之间的差距并不微妙。同一个模型在一个系统中可以产生精确、有用的输出，而在另一个系统中则会产生通用、无关的结果。问题不在于模型，而在于上下文。

大多数企业系统并非为AI的运作方式而构建。数据分散在各个工具中。身份信息不一致。信号到达延迟或根本无法到达。系统记录事件，但无法将它们连接成连续的视图。

AI依赖于这种连续性。没有它，模型会填补空白，使结果看起来很完美，但缺乏相关性。这就是大多数团队陷入困境的地方。

更好的模型无法修复碎片化、过时或商品化的数据。Gartner估计，由于数据质量差，组织平均每年损失1290万美元。AI并不能解决这个问题，而是以更大的规模更快地暴露它。

镜像测试

有一个快速的诊断测试。给你的AI一个完美的高意向客户信号，看看会返回什么。如果输出是通用或无关的，模型需要改进。但如果模型在干净数据上产生尖锐有用的结果，然后在真实生产数据上崩溃，问题就出在数据上。

在实践中，几乎总是第二种情况。AI就像一个放大镜，强大的数据系统会变得更有力，而薄弱的系统会变得更加明显。那些一直依赖碎片化、 poorly integrated 客户数据的组织，再也无法隐藏在报告延迟和手动解释的背后。AI将问题清晰地呈现出来。

上下文是新的身份层

这才是下一个演进的有趣之处。即使你解决了数据质量问题，客户档案的构建和使用方式仍在进行第二次转变。

多年来，企业数据系统存储内容：CRM中的交易、数据仓库中的人口统计信息、营销平台中的活动响应。这些记录描述了已经发生的事情。它们对于报告很有用，但并非为AI而构建。

AI需要上下文。上下文不是静态记录。它是客户的当前视图，包括最近的行为、跨渠道信号和新兴意图。连接一个互动到下一个互动的线索。身份告诉你某个人是谁。上下文告诉你他们在做什么以及他们可能接下来做什么。

考虑一个简单的例子：要求AI推荐一个海滩度假目的地，它可能会建议夏威夷或佛罗里达。告诉它你有三个孩子，它会提供适合家庭的选择。让它访问你最近的搜索模式、你的支付能力信号以及过去一年中你搜索过的地方，推荐会完全改变，因为模型不再从人口统计类别工作，而是从你当前是谁以及你在做什么的实时画面工作…

原文链接：https://venturebeat.com/orchestration/why-ai-breaks-without-context-and-how-to-fix-it

关注微信号：智享开源 ，可及时获取信息

Google推出每月9.99美元AI健康教练，5月19日上线

多伦多警方逮捕短信轰炸团伙，数千人收到恶意短信

Startup Battlefield 200申请截止5月27日：赢取VC关注、全球曝光、TechCrunch报道及10万美元机会

Spotify欲成为AI生成个人音频的家园

中国Moonshot AI以200亿美元估值融资20亿美元，开源AI需求激增

Spotify AI DJ新增法语、德语、意大利语和巴西葡萄牙语支持