企业从云数据仓库中吸取了教训。他们交出了数据和计算资源，却眼睁睁地看着自己业务中最重要的战略资产——运营模式——变成了别人的筹码，这为Iceberg创造了机会。
上当一次……
领导者们已经意识到，他们的公司需要一种新的AI代理记录系统，即上下文数据库。这类上下文数据库有两种不同的类型：
操作环境数据库存储标准操作程序和机构知识：例如，当客户打电话询问重置密码时，当法务部门审查与潜在客户签订的保密协议时，当人力资源部门回答有关新员工期权归属的问题时。
所有这些流程都包含商业秘密和知识产权，而这些都是企业的关键资产。从员工那里获取这些秘密和知识产权，可以确保流程的连续性，并建立可持续且具有防御性的资产。
分析上下文数据库是语义层的语义演进：它们包含收入或客户获取成本等指标的定义和计算。
语义层告诉人工智能数据的含义。分析上下文数据库则教会人工智能如何对数据进行推理。
Steven Talbot 最近发表的关于Omni 的智能体分析架构的文章描述了：
协调机制，根据问题、结果和已尝试过的方法来决定接下来使用哪个工具。
运营和分析上下文数据库的关键不在于数据库本身，而在于数据库内部的反馈回路。
史蒂文的系统能够实时调整，在出现故障时重试，或在获得有用信息时停止运行。这形成了一个不断提升准确性的良性循环。准确性带来信任，信任促进用户采纳，用户采纳带来更多反馈。能够构建最佳反馈循环的公司将建立最有价值的上下文数据库。
上下文数据库为流程自动化的未来奠定了基础，代表了人工智能在劳动力市场中的真正潜力。它是RPA（机器人流程自动化）的演进，但它是将非确定性融入RPA和流程发现之中。
这种不确定性对于人工智能代理的成功至关重要。它允许异常处理，从而避免了第一代RPA的常见故障模式之一。人工智能代理非常擅长接收大量内容并对其进行推理。
从人工上下文工程向自动化上下文平台的转变势在必行。上下文数据库将以独立产品和捆绑产品的形式销售。企业将从这一转型中受益：拥有不断演进、持续改进的系统。
原文： https://www.tomtunguz.com/operational-analytical-context-databases/