一句话看懂：观远数据联合创始人兼 CTO 张进在 InfoQ《科技领导者面对面》访谈中提出，企业级 AI 落地的关键不是模型参数或数据治理，而是补齐业务上下文，并给出了一套“5A 路径”的落地方法论，直指当前企业“个人用 AI 效率翻倍、业务用 AI 没效果”的普遍困境。
事件核心：发生了什么
张进在访谈中将过去十年 AI 演进划分为预测性 AI、生成式 AI、智能体 AI 三个阶段，并提出“context is all you need”的判断——企业级 AI 的核心是沉淀企业独有的决策知识，包括指标口径、策略取舍、历史判断依据等散落在文档、邮件和聊天记录里的非结构化信息。他认为传统技术方案读不懂这些信息，而大模型加 Agent 第一次让系统同时理解结构化与非结构化数据。
基于这一判断，观远数据总结出一套新 5A 路径：敏捷化（让数据被看见）、场景化（绑定商业价值场景）、自动化（洞察固化成规则）、行动化（Agent 直接执行决策）、自进化（数字员工适应业务变化）。张进特别强调，5A 路径的前置动作是厘清企业生意主链路，同时指出“数据治理先行”的做法可能顺序颠倒——业务是动态的，治理是静态的，更务实的路径是用场景反向牵引数据治理。观远数据创立于 2016 年，经历了 BI、AI+BI 再到 AI 原生决策智能平台三个阶段。
为什么重要
这一观点切中了当前企业 AI 落地的核心矛盾：底层模型能力快速提升，但业务侧实际收益有限。张进给出的解释是，决策需要的上下文——比如库存补货时要考虑促销活动、工厂产能、在途货物、老板邮件等信息——长期没有被技术方案覆盖。这次访谈的价值在于，它把“上下文”从一个模糊概念转化成可执行的分阶段路径，为处于困惑期的企业技术负责人提供了一个参照框架。
同时，张进明确反对“先做数据治理再谈 AI”的常见思路，主张用具体场景倒逼治理优先级。这对过去几年大量投入数据中台建设却见效甚微的企业，是一个值得认真对待的纠偏信号。对 BI 厂商而言，这也是从“看数工具”向“决策智能平台”转型的一种具体路径表达。
对用户/开发者/创作者的影响
对企业技术决策者，启示是不要等数据治理完美后再启动 AI，而是先找高频、量大、结果可衡量的业务场景跑通闭环，再做治理。对开发者和产品负责人，访谈提示了能力建设重心的变化：相比模型调参，如何获取、清洗、沉淀业务上下文——包括非结构化的文档和沟通记录——将成为企业 AI 应用的核心工程问题。对正在选型的企业采购方，可以用“上下文融合能力”和“是否支持 Agent 直接执行动作”作为评估 AI 产品的参考维度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，观远数据的 5A 路径仍以方法论的形态呈现，后续值得观察三点：一是这套路径是否会产品化为可配置的通用工具，而非停留在咨询服务层面；二是在“让 Agent 直接接管决策”的环节中，如何界定出错时的责任边界，这决定了企业客户是否敢于真正采用；三是传统 BI 厂商是否会跟进类似“上下文优先”的叙事，以及这一方向是否能形成可量化的客户价值证据。
来源：InfoQ CN
