流程挖掘软件企业 Celonis 收购了与麻省理工学院（MIT）有合作关系的决策智能初创公司 Ikigai Labs。此次收购旨在升级名为“情境模型”（Context Model）的技术，以帮助企业级 AI 准确理解实际工作流程。Celonis 计划借此加速构建能够实时反映客户公司整体运营状况的“数字孪生”。
Celonis 于当地时间 13 日宣布收购 Ikigai Labs，并指出在规模化部署 AI 智能体的过程中，企业普遍面临“理解鸿沟”的问题。该公司解释说，如果 AI 不能充分了解企业的内部运作方式，其决策的可靠性就会下降，实际业务应用也必然受到限制。
公司新推出的“情境模型”正是为了减少这些限制。其概念是，结合来自各种应用程序、系统、设备和用户交互的流程数据与业务知识，创建一个能够实时反映企业运营的模型，并将其转化为 AI 可以理解的形式。Celonis 解释称，该模型可为 AI 提供所需的“运营可视化能力”，从而实现更准确的推理和执行。
Celonis 首席产品官（CPO）Dan Brown 指出，由于企业数据分散在多个系统中，且大部分以私有方式管理，一般的 AI 模型甚至无法正确理解特定发票与发货记录之间的关系。他表示：“没有能够展示企业运营真实状态的确定性基础，即‘真相之源’，任何 AI 智能体都难以做出值得信赖的实时决策。”
筹备超过两年的“整体业务图谱”
成立于 2019 年的 Ikigai Labs，由麻省理工学院（MIT）人工智能教授、首席执行官（CEO）兼首席技术官（CTO）Devavrat Shah 领导。这家公司在结构化数据处理和分析方面具有优势，一直基于“大型图模型”开发生成式 AI 平台，帮助 AI 更精细地理解企业特有数据。
Celonis 总裁 Carsten Thom 在接受 Computer Weekly 采访时表示，公司在“情境模型”的开发上投入了两年多的时间。目标是创建一个充当企业 AI 运营大脑的“整体业务图谱”。他分析认为，企业应用环境过于碎片化，数据湖之间竞争激烈，虽然 AI 部署需求日益增长，但实际落地却面临困难。
据 Thom 总裁介绍，Celonis 认为其核心的流程智能平台已经掌握了拼图的重要部分。不过，整个技术栈中仍缺少一些要素，而这次收购所获得的“大型图模型”能力正是其中的关键。他表示：“AI 的性能最终取决于其拥有多么丰富的上下文。现在，每个组织都能够为企业 AI 提供一个显示实际业务运行方式的‘活模型’。”
在重视准确度的行业中先行验证
Ikigai Labs 创始人 Devavrat Shah 在收购后加入了 Celonis，担任企业 AI 首席科学家。他强调：“Ikigai Labs 验证了针对大规模结构化数据的基础模型技术，而 Celonis 则对企业流程进行了系统化梳理。两家公司的结合，将能够打造出最忠实反映商业现实的运营表达方式。”
Celonis 将医疗保健服务企业 Cardinal Health 作为“情境模型”早期应用的案例。Cardinal Health 首席技术官（CTO）Jerome Levish 表示，在医疗行业，“大多数情况下正确”的 AI 是不够的。他解释说：“准确度才是最重要的。” 只有具备流程上下文，AI 智能体才能支持团队做出精确判断，再加上控制机制，才能建立对实际场景应用的信任。
这与当前企业 AI 市场的趋势相一致。仅仅在演示中展示令人印象深刻的结果已不足够，在真实运营环境中安全、可靠的 AI 正成为竞争力的核心。尤其是在医疗、物流、财务等错误成本高昂的行业，对“精准智能”的需求可能会更大。
对接 AWS、微软……尝试与竞争对手差异化
Celonis 表示，本次推出的平台能以“零拷贝”方式与亚马逊云服务（AWS）等公共云，以及 Databricks、Microsoft Fabric 等数据湖进行对接。同时，还提供包括 Oracle 数据库在内的主要企业平台连接器。此外，平台还支持与 Amazon Bedrock、Anthropic 的 Claude Corworker、IBM watsonx Orchestrate、Microsoft Copilot、Agent 365、Oracle 云基础设施企业 AI 等智能体开发平台进行集成。
在流程挖掘和流程智能市场，Celonis 的竞争对手包括 SAP 的 Signavio、IBM 流程挖掘、UiPath 等。不过，Ikigai Labs 的早期投资者 Foundation Capital 的 Ash Garg 评价称，此次收购使 Celonis 进一步强化了竞争优势。他表示，Celonis 已经通过一个以流程为核心的活模型，深刻理解了企业的运营方式、问题发生点以及后续应采取的措施，而 Ikigai Labs 的决策智能与模拟能力的加入，使其有效性进一步提升。
归根结底，此次收购的核心并非在于“更聪明的 AI”，而是在于“更准确的 AI”。企业若要将 AI 智能体投入实际工作，相较于华丽的性能，优先需要的是不遗漏业务上下文的可靠性。Celonis 的“情境模型”能在多大程度上满足这一需求，将成为未来企业 AI 市场的重要看点。
TP AI 注意事项 本文基于 TokenPost.ai 的语言模型进行摘要总结。文中可能遗漏主要内容或与事实存在出入。