Gli assistenti AI si stanno diffondendo velocemente sulla superficie del lavoro: scrivono email, riassumono riunioni, rispondono con fluidità. Ma nei punti dove un’azienda gira davvero (forecast call, deal review, standup operativi) raramente cambiano l’esito. Databricks individua due cause. La prima: il contesto da cui dipendono le decisioni è sparso tra sistemi, team e definizioni, e nessuno vede esattamente la stessa versione del business. La seconda: la maggior parte degli assistenti non è stata costruita per questo tipo di lavoro, efficace su compiti brevi e autoconclusivi ma in difficoltà a seguire dati, definizioni e workflow attraverso i sistemi.
Cosa rende il contesto pronto per la decisione
Quasi tutte le aziende hanno già i dati che servono (record CRM, dashboard, fogli di calcolo). Il problema non è l’accesso, ma che quei pezzi non si allineano in una vista unica e affidabile. Un contesto “decision-ready”, sostiene l’articolo, è una mappa condivisa che mostra come funziona davvero il business: quando esiste, i team lavorano sulle stesse definizioni e possono seguire come viene costruito un numero, invece di riconciliare cifre e discutere definizioni saltando tra strumenti. La domanda raramente è “abbiamo i dati?”, ma se quei dati possono essere interpretati insieme con abbastanza coerenza da cambiare la decisione.
Genie One e Genie Ontology
La proposta di Databricks è Genie One, un AI coworker che gira su questo contesto unificato: porta le risposte dentro gli strumenti dove si lavora già (Slack, Microsoft Teams, mobile, MCP, dashboard), trasforma gli insight in azioni (schedulare task, generare report, avviare workflow) e fa ereditare a risposte, azioni e agenti i permessi e i controlli di governance dell’azienda. Al centro c’è Genie Ontology, un layer di contesto che riflette come opera il business: impara da dati, dashboard, query, documenti e applicazioni, organizzando termini, metriche, entità e relazioni in un knowledge graph vivo, e ordinando le definizioni in base a fattori come l’utilizzo e i collegamenti ad asset certificati. È qui che Unity Catalog e Genie Ontology lavorano insieme: il primo governa accessi e definizioni certificate, il secondo costruisce sopra quella base una mappa business-aware.
Le mosse per i leader
Le indicazioni pratiche sono tre: partire da lavoro che conta già (casi ricorrenti dove i team perdono tempo a riconciliare dati), ancorare l’AI a un layer di contesto di proprietà dell’azienda così da poter adottare nuovi modelli senza perdere la ground truth, e usare la governance come leva per scalare verso lavoro a maggiore posta in gioco. Vale la pena leggere il pezzo per quello che è: la tesi di un vendor su come colmare il divario tra un’AI che produce risposte e una che partecipa alle decisioni.
- Gli assistenti generici falliscono sulle decisioni perché il contesto è frammentato, non perché manchino i dati.
- Un layer di contesto unificato e governato è la premessa per far lavorare l’AI sugli stessi numeri di chi decide.
- La governance, con Unity Catalog che alimenta l’ontologia, diventa un abilitatore piuttosto che un freno.
Fonte: Unified context: The missing layer for enterprise AI coworkers — https://www.databricks.com/blog/unified-context-missing-layer-enterprise-ai-coworkers
Hai qualcosa da aggiungere? Unisciti alla discussione.