AI 的万亿美元机会：上下文图谱 (Context Graphs)

上一代企业软件通过成为“记录系统”(Systems of Record) 创造了万亿美元的生态。Salesforce 统领客户，Workday 管理员工，SAP 掌控运营。拥有了核心数据和工作流，就拥有了不可替代的护城河。

然而，随着 AI Agent（智能体）时代的到来，这些传统系统正面临前所未有的挑战。Jamin Ball 在《记录系统万岁》中指出，Agent 不会取代记录系统，而是提高了对“优秀系统”的定义门槛。

我们对此深表赞同，但想更进一步：Agent 不仅需要更好的数据访问和治理，它们更需要一层目前在企业中完全缺失的维度——决策痕迹 (Decision Traces)。

1. 规则 vs. 决策痕迹：Agent 真正缺什么？

目前的讨论大多假设 Agent 运行所需的数据已经存在，只需通过语义层或规则来调用。但这只是一半的真相。

规则告诉 Agent“通常应该发生什么”（例如：使用官方 ARR 进行报告）。
决策痕迹则记录了“在特定情况下发生了什么”（例如：基于某项先例，由 VP 特批，在 V3.2 政策下使用了特定定义）。

那些真正驱动企业运转的决策逻辑——例外处理、改写、先例、跨系统上下文——目前都散落在 Slack 频道、口头沟通和员工的大脑中。

2. 上下文图谱：AI 时代的真相来源

当 Agent 处于执行路径上时，它们能看到决策时刻的完整全貌。如果我们将这些决策痕迹持久化，就会形成一个上下文图谱 (Context Graph)。

这不是模型虚无缥缈的“思维链”，而是一个由决策事件串联起来的、可查询的记录。它不仅解释了“发生了什么”，更解释了“为什么允许它发生”。随着时间推移，这个图谱将成为企业实现真正自动化的核心资产。

3. 为什么现有的巨头难以构建它？

Salesforce 或 ServiceNow 等传统巨头受限于其架构：它们存储的是“当前状态”，而不是决策时的“历史上下文”。当一个折扣被批准时，支撑该决策的复杂背景往往随之消失。

而 Snowflake 或 Databricks 等数据仓库虽然拥有时间维度，但它们处于“读取路径”而非“执行路径”。数据通过 ETL 进入仓库时，决策的实时上下文已经丢失了。

4. 创业公司的三条路径

新兴的 Agent 系统初创公司拥有结构性优势，它们正通过以下方式重塑格局：

直接替代：如 Regie.ai 正在构建 AI 原生的销售参与平台，取代 Outreach 等传统工具，让 Agent 成为第一类执行主体。regie.ai
模块化切入：如 Maximor.ai 在不替换 ERP 的情况下，自动化财务关账等高复杂度流程，成为决策逻辑的真实来源。maximor.ai
创造全新类别：如 PlayerZero 正在构建生产工程领域的上下文图谱，连接代码、配置和客户行为，回答“为什么会崩溃”这种现有系统无法回答的问题。playerzero.ai

此外，Arize 等公司正在构建 Agent 观测层，为这套新栈提供必要的监控和评估基础设施。arize.com

5. 创始人的关键信号

如果你发现某个业务流程满足以下特征，那就是构建上下文图谱的绝佳机会：

高人力投入：如果一个流程需要 50 个人手动处理，通常意味着其决策逻辑极其复杂，传统工具难以胜任。
重例外决策：逻辑不是确定性的，而是充满了“视情况而定”和对先例的依赖。
跨系统交汇点：如 RevOps、DevOps 或 SecOps 等“胶水职能”，它们的出现正是因为没有任何单一系统能拥有跨职能的工作流真相。

总结：

未来的万亿美元平台，可能不再仅仅是存储数据的系统，而是捕捉并利用“决策痕迹”的系统。记录系统没有死，它只是被重新想象成了更加智能、具备记忆且能够自我进化的上下文图谱。

x.com/JayaGup10/status/2003525933534179480