Databricks 共同創辦人暨執行長 Ali Ghodsi 向所有砸下重金搶購最新前沿 AI 模型的高層傳達一項訊息：技術本身並不是瓶頸。在他看來，多數企業的問題不在於 AI 不夠聰明，而是企業從未告訴 AI 任何關於自身業務的有用資訊。

Ghodsi 在 Bloomberg Tech 節目上主張，當前世代的 AI 模型能力已經超出大多數企業實際能運用的範圍。他說，這些系統能做到的事，與企業實際從中獲得的成果之間的落差，歸結為單一因素：脈絡。

90% 的悖論

Ghodsi 引用他在 2026 年巡迴演講中對觀眾進行調查時觀察到的一個驚人落差。僅約 10% 的受訪者認為通用人工智慧（AGI）已經到來。然而，約 90% 的人表示，他們日常使用的 AI 模型已經比多數同事更聰明。

「我們不需要 AI 變得更聰明，」Ghodsi 表示。「它只是缺乏脈絡。」

他所指的脈絡，是他所稱的「企業脈絡」：即專屬資料、組織知識、決策流程與業務邏輯，這些正是讓一家公司營運獨一無二的要素。換言之，模型本身是通用的；缺少的關鍵是模型無法自行得知的業務專屬知識。

資料基礎設施的論點

Databricks 的業務核心是協助企業整理、管理與啟用其資料。其客戶名單包括 AT&T、Rivian、Adidas、Mercedes-Benz、Unilever、Virgin 與 Bayer。

Ghodsi 強調，企業需要建構自己的「企業脈絡」與「本體論」——即描述公司資料、實體與流程之間關聯的結構化地圖——而不是假定可以直接購買一套現成的 AI 解決方案。按照他的說法，決定性的 AI 投資不是取得更聰明的模型，而是讓模型能夠依據企業實際運作方式行動的內部基礎工程。Databricks 一直都在開發為此目的設計的工具。例如其 Genie 平台，定位在擷取 AI 系統所需的企業資料、決策與流程，讓 AI 從令人驚豔的示範走向真正的自動化。

他補充，即使 AI 的進展今天就完全停，多數企業光是整理既有資料，就仍有數年的生產力提升空間。

十年的組織改造

Ghodsi 估計，實現企業全面採用 AI 可能需要長達十年，即使是科技本位的企業也不例外。這個時間表反映了一個現實：將 AI 整合進企業並非單純的軟體安裝，而是一項涉及流程、職務、誘因與文化的組織再造工程。

對於衡量這項論點的企業而言，近期的問題不是該授權哪一個模型，而是資料能多快被整理、串聯，並讓 AI 系統可用。企業如何在模型存取與內部資料整備之間分配 AI 支出，將是觀察 Ghodsi 觀點是否獲得支持的指標之一。

截至 2026 年 9 月，Ghodsi 持續推動這項訊息，主張企業應聚焦於實際的 AI 挑戰，而非存在層面的風險。

來源：CryptoBriefing