Salesforce: ה-AI שלכם ינעל אתכם לפלטפורמה

כולם מדברים על מודלים גדולים, אבל המשחק האמיתי הוא קונטקסט. לא, הכוונה היא לא ל-ChatGPT שזוכר שיחה – אלא לשכבת המידע העסקי שה-AI צריך כדי לקבל החלטות נכונות. ברגע שסוכני AI עוברים מניסויים לייצור, כל טעות יכולה לעלות המון כסף. וכאן נכנס לתמונה ה'קונטקסט המהימן' – הוא הפך להיות המטבע החדש של ה-AI הארגוני.

מה בעצם קונטקסט, ולמה הוא כל כך חשוב?

תארו לכם סוכן שירות לקוחות שעומד לאשר החזר כספי. הוא צריך את מדיניות ההחזר, את ההיסטוריה של הלקוח, את פרטי המוצר ואת הכלל שמאשר חריגות. תנו לו מידע חלקי או שגוי, והוא יחזיר תשובה בטוחה בעצמה אבל שגויה. זה מטרד כשמשתמשים ב-AI לכתיבת טקסטים, אבל כשמייפים סוכנים לבצע פעולות – כמו עדכון תחזית מכירות – זה עסק יקר.

המצב הנוכחי? חברות מאמצות כלי AI בקצב מסחרר, אבל התוצאות לא משתנות יחסית. נתוני חברה מראים שבין רבעון ראשון 2025 לרבעון ראשון 2026, השימוש בכלי AI גדל ב-328%, אבל תפוקת ה-PR גדלה רק ב-49%. הפער הזה הוא פער הקונטקסט. כפי ש-Anthropic מסבירים: הבנייה עם מודלי שפה נעשית פחות 'למצוא את המילים הנכונות לפרומפט', ויותר 'לענות על השאלה הרחבה יותר של מהי צורת הקונטקסט שתניב את ההתנהגות הרצויה'.

המירוץ של הספקים: כולם מוכרים 'קונטקסט', אבל זה אומר דברים שונים

כל ספק בתחום הנתונים, הניתוח וה-AI מבטיח עכשיו קונטקסט מהימן. Salesforce, למשל, עשתה התחייבות אסטרטגית לזה – ורכשה את Informatica תמורת כ-8 מיליארד דולר כדי לבנות שכבת נתונים מנוהלת מתחת לסוכנים שלה. IBM שילמה כ-11 מיליארד דולר על Confluent כדי להכניס נתונים בזמן אמת מתחת לסוכנים שלה. והם לא לבד.

אבל 'קונטקסט' היא מילה רופפת, וספקים שונים פותרים בעיות שונות:

• מחנה שכבת המשמעות: כאן מגדירים את המונחים מראש – כמו 'לקוח פעיל' או 'הכנסה נטו' – כך שכל הכלים משתמשים באותה הגדרה. חברות כמו Qlik, Strategy ו-ThoughtSpot מכרו את זה שנים, עכשיו זה משווק כקונטקסט ל-AI. מעבר לזה יש אונטולוגיה – מפה של איך כל העסק מתחבר – ו-Palantir בנתה על זה את העסק שלה. המחיר: מודלים עסקיים ידניים הם איטיים ויקרים.
• מחנה האחזור: גישה שדוחה את המודל, ונותנת ל-AI לשלוף מידע רלוונטי מתוך מסמכים, כרטיסים ולוגים – האסוציאציה המוכרת של retrieval-augmented generation (RAG). יש תפקיד חדש: מהנדס קונטקסט. היתרון הוא מהירות, אבל החיסרון הוא שמודל ששולף טקסט דומה לשאלה עדיין לא מבין את העסק; הוא ממציא קשרים שלא קיימים.
• תשתיות ואחסון: ספקים כמו Dell, NetApp ו-Everpure טוענים שצריך קודם למצוא, לתייג ולהעביר נתונים למודל במהירות. הם מוכרים מטא-נתונים – הנתונים על הנתונים – כמו תאריך רכישה ותשלום. אבל מטא-נתונים לבדם לא מספיקים; הם לא אומרים למודל אם הלקוח נחשב פעיל.
• ממשל ואיכות נתונים: חברות כמו Collibra, Alation ו-Atlan, עם שחקני תצפית נתונים כמו Acceldata ו-Monte Carlo, מדגישות שכל קונטקסט ש-AI לא יכול לערוב לו הוא סיכון. שושלת, איכות והרשאות הם מה שמחליט אם הקונטקסט בטוח לשימוש.

היתרונות של הפלטפורמות הגדולות

שחקנים גדולים כמו Snowflake, Databricks, Oracle, Microsoft, AWS ו-Google Cloud לא צריכים לבחור גישה אחת; הם מארחים את כולן. הם בונים אונטולוגיה – גרף ידע – מעל הנתונים שהם כבר מאחסנים. Snowflake מפרידה בין קונטקסט שהלקוח מגדיר לבין זה שהפלטפורמה מסיקה. Databricks הכניס גרף ידע מתחת לכלי ה-Genie שלה. Microsoft קוראת לזה Fabric IQ, Google Cloud משלבת את אותו רעיון ב-Agentic Data Cloud וב-Knowledge Catalog.

רוב ההצעות האלה עדיין בשלבי תצוגה מקדימה, וההבטחה שכל סוכן ירש את ההגדרות שלכם מתארת יותר לאן המוצרים הולכים מאשר איפה הם היום. אבל היתרון ברור: הפלטפורמות כבר מחזיקות את הנתונים, אז הן יכולות להרכיב קונטקסט ישירות.

מי מחזיק בקונטקסט – מי מחזיק בכוח

כאן נכנסת אזהרת הנעילה: אם אתם מסתמכים על שכבת קונטקסט של ספק, אתם ננעלים לפלטפורמה שלו. Salesforce מחברת נתוני לקוחות ישירות לסוכנים שלה, ServiceNow קנתה את data.world כדי לעשות אותו דבר בתוך זרימות העבודה. הנוחות ברורה – העבודה כבר שם, אז הם מדליקים את הקונטקסט בשבילכם. אבל התוצאה היא שהשכבה הזו, שמקנה שימושיות ל-AI שלכם, שייכת לספק, לא לכם.

לכן, הלקח לחברות הוא לקחת שליטה על שכבת ההגדרות של הנתונים שלכם. אל תיתנו לספק אחד להגדיר מהו 'לקוח פעיל' עבורכם. השקיעו במשאבים הפנימיים – כמו אותו מהנדס מהטורים שבמקום לנסות לגרום ל-LLM להבין את העסק, מיפה את הידע העסקי לתצוגות SQL סמנטיות. המודל לא נהיה חכם יותר; ההנדסה מתחתיו כן.

אז בפעם הבאה שמישהו מוכר לכם 'קונטקסט מובנה', תשאלו: מי מגדיר אותו, ואם תעבורו פלטפורמה, האם תהיו חופשיים?

בסוף, הכול חוזר לאותו עקרון: תשתית נתונים טובה ומנוהלת היא מה שמחזיק את ה-AI שלכם יציב – ועצמאי.