有兩家大型B2B公司，乍看之下簡直一模一樣：銷售的都是複雜、多年期的技術服務；爭取的企業客戶也多有重疊。銷售流程的階段設定、營收預測的更新節奏，高層檢視業務的節奏也相同。從顧客關係管理（customer relationship management, CRM）系統來看，兩者的作業流程也極為相似。

然而，兩家公司仍然有一些差異，使其營收、風險與反應速度大有出入。

第一家公司服務的對象是受監管的關鍵任務產業，如公用事業、金融機構與公共基礎設施。公司的銷售團隊慢慢形成一種獨特的工作模式：業務經常會暫停推進交易，先讓交付部門的主管在另一份平行文件當中檢視相關的可行性假設。解決方案架構師也會先比較各種人員配置模式，以及過往交易的例外處理紀錄，才會承諾交付範圍。而在商業條款尚未定案時，風險與法律團隊就會早早參與討論。通常只有在經過多輪內部驗證之後，案子才會上報處理。

第二家公司服務的對象則是高度數位化導向的企業，這些企業正在經歷快速轉型，追求快速部署以及迅速實現價值。比起百分之百的確定性，他們更在意的是要儘快動起來。早在交付範圍定案前，業務就會找來交付部門主管與解決方案負責人研究各種可能。文件在過程中不斷修訂。只要出現客戶有急迫需求，即使資訊還不完整，也會迅速升級處理。主管也會在早期便介入引導方向，而不是最後才來背書。

但無論哪一家，以上行為都不會記錄到CRM系統之中。CRM系統記錄的只有階段的改變與預測的更新，卻不會記錄各方如何討論可行性、如何衡量風險，以及為何延後升級處理。這些決策只存在於電子郵件、聊天紀錄、試算表、工作文件與對話當中，等到交易繼續推進，這些紀錄多半就會消失。

然而，這些脈絡雖然看似轉瞬即逝，卻正是企業組織運作的根本骨幹。這些判斷、協調與權衡的模式，形塑了工作實際如何展開。在數以百計的交易、以及每筆交易背後數以千計的小小決策當中，這些模式會不斷反覆出現。脈絡所反映的，是企業從過去的經驗學到了什麼、哪些行為能在市場上得到成功。

企業想用AI取得競爭優勢，就必須意識到這樣的脈絡正是關鍵所在。當所有企業都能取得同樣的AI模型、同一批由AI推動的工具、同樣的供應商生態系統，企業自身的脈絡就成為脫穎而出的祕訣。

過去5年，我們致力於開發技術，分析全球數百個組織中的團隊如何工作。為此，我們研究超過50家大型企業［多半為《財星》500大（Fortune 500）企業或歐洲同級企業］超過200種工作模式。我們發現，就算企業身處於同一產業、用相同的系統完成相同的業務，執行上也始終會有差異。差異的原因在於企業的脈絡，而不是在於能否取得工具。

關於脈絡為何已成為決定性的競爭優勢來源，以及企業該如何取得並運用這樣的優勢，以下是領導人需要了解的重點。

我們所謂「脈絡」是指什麼？

所謂脈絡，就是企業在實際運作中展現的做事方式：團隊在各個系統之間遵循的工作流程、回應哪些訊號、不同角色介入的順序、會觸發行動的例外情況，以及在真實工作中反覆出現的判斷取捨。這些模式只有在實際運作中才會顯現，而不會寫進正式流程。

在第一家公司（服務受監管產業），脈絡會要求客戶經理、任務主管與風險評估相關人員必須先確保產品服務能夠交付、事後也經得起審查，才能讓交易繼續往下。而在第二家公司（客群為數位化導向企業），脈絡則會要求抓住早期訊號、追求速度，就算資訊不完整也無妨。這些規則很少會明文寫進政策手冊，而是展現於各種行為，從哪些事項會得到批准、延遲、上報或阻攔而不斷增強。

幾十年來，各種管理系統的重點一直是「消除差異」：透過標準化，提高效率與控制力。雖然這確實能夠節省成本，卻也少了細微的處理彈性。AI改變了這種局面：正因為模型是通用的，才需要有明確的脈絡做為基礎，反映特定企業內部真正在意的因素。

策略專家長期以來一直主張，永續的競爭優勢是在於各種珍貴、稀缺、難以模仿、無可替代的資源。企業的脈絡資訊完全符合這4項標準。

脈絡資訊的珍貴，在於會影響營收、風險、速度與客戶信任。它的稀缺，在於會反映出獨一無二的顧客組合、限制因素與過去的決策。它的難以模仿，在於競爭對手雖然能夠複製流程，卻無法複製多年執行過程潛移默化的學習。它的無可替代，是因為如果沒有企業脈絡資訊，就算是最先進的AI系統，也會抹平那些真正重要的差異。而隨著一再重複，形成的影響也會不斷累積：脈絡會透過各個角色與工作流程，持續引導各種日常決策，對績效形成長期的影響。

AI是讓脈絡資訊的價值提升，而非減少。

隨著AI愈來愈便宜、快速、普及，「能否取得最先進的模型」已不再是勝負關鍵。許多企業現在都使用相同的模型與平台，但成效卻大不相同。原因並不在於模型品質，而在於脈絡。

AI系統本質上就是通用的。除非你明確告訴它，否則AI並無法判斷哪些訊號更重要、哪些取捨更優先、風險與速度又該如何取得平衡。當AI只是疊加到一般流程上時，效果是讓行為趨於標準化；唯有讓AI能夠根據企業的脈絡資訊來判斷，才能放大企業的獨到之處。

這也解釋了為何許多AI試行計畫難以放大規模。雖然許多早期實驗在受控的環境中看來前景可期，然而一旦用在實際工作流程，成效卻難有突破。要是AI沒有團隊實際的運作資訊做為基礎，就難以掌握企業內部的取捨與協作規範。原本在演示環境有效的方法，一旦碰上實際運作的複雜環境，就常常無力應對。這種時候，領導人一般的反應就是調整提示詞、新增文件檔案，或增加訓練數據。這些方式雖然也稍有助益，但很少能夠解決核心問題，因為模型不瞭解企業的運作邏輯。除非AI系統能夠真正以企業的實際運作為基礎，否則改進就僅限於局部、也難以長久。

在過去，企業會透過重新設計工作流程與系統，把脈絡融入其中。如今，同樣的脈絡資訊可直接應用於模型與AI代理，著力點從重新設計系統，轉向放大判斷力。脈絡本身並無改變，真正改變的是能夠系統性地取得脈絡資訊，並即時應用於員工已經在使用的工具中。

脈絡的實際應用：如何影響決策

為了解釋脈絡的實務用法，請見以下範例。在我們研究的一家大型企業，銷售總監負責一個價值1,000萬至1,500萬美元的企業客戶。總監發現CRM系統標註一筆商機處於「協商」階段。業務人員的註記十分正面，交易看來似乎進展順利。

但總監再細看最近的活動紀錄，卻注意到幾個細微的訊號。在聊天討論串裡，一位交付經理詢問提議的交付範圍能否分階段進行。一位解決方案架構師悄悄更新訂價模型，刪除了兩個選用模組。一封顧客電子郵件提到的是「內部預算協調」，而非「法務審核」。

分開來看，這些都不算什麼大問題。是否重要，取決於企業的具體脈絡。如果該企業傾向規避風險，這種模式或許就很常見；太早往上報只是徒增困擾。但如果該企業為速度導向，類似的模式過去往往預示著進度將落後，除非領導層及早介入。

這樣的差別，並不會顯現在CRM系統裡，而是存在於企業在眾多交易與角色互動所累積的經驗中。這些脈絡並不能直接取代銷售總監的判斷，而是協助校準，判斷是該上報處理、重新界定交易，又或是依照企業以往的成功經驗繼續前進。經過幾百次決策不斷重複校準，未來就能讓預測更準確、介入更及時、執行更一致。長期下來，便能減少預測波動、改善領導層介入的時機、提高成交率的可預測性，這一切都能直接轉化為可衡量的績效提升。

這種做法不限於銷售領域。在採購領域，系統會記錄採購訂單與核准，但不會記錄例外情況的協商情形或對供應商風險的判斷。在客服領域，工單系統會記錄問題解決代碼，但不會記錄防止問題升級的協調模式。在財務領域，ERP系統會記錄交易，但不會記錄信貸決策或資本配置背後的權衡。在各個部門，紀錄系統多半就是記錄結果，但很少記錄執行的過程。

如果企業的脈絡能夠一致、與策略相符、並透過日常行動不斷強化，就能轉化為競爭優勢。

高階領導團隊現在該做什麼？

AI的投資報酬率能有多高，除了要看模型的能力，也要看模型與企業營運脈絡的配合程度。一味採用AI模型，卻未以企業的脈絡為基礎，就有可能在試用時覺得前景可期，但營運效益難以持久，改進也限於局部片面。

想讓AI投資真正轉化為可衡量的報酬，領導人就必須打造一個脈絡層，讓AI的運行以營運現實做為基礎。這就是所謂的「脈絡工程」（context engineering）：紀錄工作實際如何執行，將各種模式編碼成可用訊號，並在決策時刻為模型與AI代理提供正確的脈絡。脈絡層並不是文件檔案，而是企業的基礎建設。要打造脈絡層，需要採取4項明確的行動。

1. 為工作流程加入記錄機制，以捕捉脈絡

投資取得相關技術，記錄工作在各個系統與協作環境當中如何展開［即工作圖譜（work graph）］，以此建立一個持續更新的視圖，呈現決策序列、協調模式及各項取捨。以此為基礎，打造全公司的脈絡數據庫：一個經過驗證、將反覆出現的執行模式與結果相互連結的知識庫。由於所有部門都會產生脈絡訊號，因此所有部門均應參與脈絡數據庫的打造。

2. 讓AI在運行時調用脈絡數據庫，做為AI的脈絡層

每個AI系統都該連接到脈絡數據庫。而這會需要系統判斷使用者意圖，檢索與任務相關的精確脈絡片段。脈絡太少，輸出的結果就太過空泛；脈絡太多，又會形成雜訊，增加出錯的可能。「精確」是讓脈絡轉化為績效的關鍵，也往往是「試行計畫停滯不前」與「正式部署後能改善成果」之間的差異。

3. 建立治理機制與信任

脈絡工程需要明確的隱私、安全與存取控制機制。敏感資訊必須妥善管理或遮蔽；應明訂驗證、保存與更新的規範。治理機制也該明訂：有哪些團隊、為了哪些目的、能夠存取哪些脈絡層。信任是根本；若缺乏信任，脈絡資訊便無法如實記錄，也無法放心運用。

4. 持續監測影響，讓投資報酬率形成完整回饋循環

除了記錄AI的使用情形，也要記錄使用的成果。如果預測準確率提高、交易速度加快、風險事件減少、或是流程週期縮短，則表示AI的運作確實是以脈絡為基礎。但要是沒有看到這些改進，則代表脈絡層與檢索邏輯需要改進。要監控這些成果，就需要將AI互動連結到各項業務指標，並依據績效數據，不斷更新脈絡模型。長期下來，這會形成一個遞增的回饋循環，讓企業的判斷愈來愈精準。

這種轉變改變了高層領導團隊的思維模式。過去，即使技術投資由業務部門發起或主導，但企業所用技術的設計、治理與維護主要是由集中式的IT或工程部門負責。但在模型導向的企業中，脈絡本身成為基礎設施：會不斷更新，展現出企業運作的方式。企業的競爭優勢與AI投資報酬率，取決於AI模型層與脈絡層的整合程度。

未來，模型的取得會愈來愈容易；但脈絡仍然是各企業獨有的資產，也就能夠持續構成競爭優勢。

（林俊宏譯）