Databricks专家Amber Roberts指出，智能体AI的价值在于业务上下文而非提速。企业急于规模化而忽视用例成熟度，导致ROI难显。生产力应衡量人借助AI助手完成的工作，并保留质量指标与人类判断。传统指标仍有效，但需补充AI专属评估。最大误区是未验证就扩张，实为准备度或基础设施不足。

Databricks产品营销总监Richard Tomlinson指出，自然语言分析长期未兑现承诺，瓶颈不在大模型，而在缺乏业务上下文。可信的AI分析需三层基础：受治理的数据、明确可读的语义定义，以及可追溯验证的信任层。语义锚定将问题绑定到企业实际指标、关系与规则，治理则贯穿AI代理的每个决策。Genie通过本体、对话上下文管理和权限控制，让非专业用户也能获得可信答案。

AI代理演示容易，但生产部署困难。代理需要业务上下文才能正确行动，但信息分散和数据过时会导致不一致、延迟和成本上升。解决方案是构建持久统一的业务上下文数据层。10月14日，Arango的Ravi Marwaha将讲解六项数据要求，并分享金融与临床研究案例。

Databricks 推出 Genie One MCP，基于 Genie Ontology 提供受治理的业务上下文，使 ChatGPT、Claude、Copilot 等 AI 助手能准确理解指标定义、数据关系与权限，可靠回答业务问题。它支持按用户身份鉴权，确保结果合规可追溯，并可直接在现有工具中使用。

京东零售产研提出，AI Native零售需重构组织，关键在于模型、业务上下文与反馈闭环三要素。以JoyOxygenZERO为例，将一线判断写回系统形成组织上下文。AI Native是一号位工程，需目标统一、学习闭环快、执行高效，让个人经验转化为组织能力。

Genie Agents能将受治理的业务上下文转化为特定领域的AI代理，通过单一提示词创建，基于Unity Catalog中的结构化数据、文档和文件进行推理。代理质量取决于上下文质量，而非提示词。建议从单一聚焦用例开始，便于测试和基准评估，再逐步扩展知识源和工具，以提供可靠、可追踪的答案。

文章讨论了在组织中推广AI代理时的挑战，包括安全性、工具过载和基本问题回答能力。提出了“上下文湖”概念，作为AI代理与工具之间的知识层，帮助代理理解组织的术语和业务上下文，从而提供一致、准确的答案，提升AI代理在复杂环境中的智能和效率。

OpenAI Frontier是一个企业平台，旨在构建和管理AI代理，解决系统碎片化问题。它强调共享业务上下文、知识培训和治理，以确保代理的有效运作。Frontier支持现有系统集成，允许企业利用已有数据和应用，尽管存在供应商锁定的担忧，OpenAI仍希望通过广泛整合实现AI代理与人类的协作。