企业环境中往往并行运行着多种人工智能平台、系统及工具，涵盖客户支持、对话助手以及工作流程自动化等领域。尽管这些技术具备复杂性与快速响应能力，但在实际落地过程中，常因缺乏对业务逻辑的准确理解而导致输出结果错误或混乱。这种脱节被认为是阻碍企业获取人工智能投资回报的核心障碍之一。
麻省理工学院技术评论洞察（MIT Technology Review Insights）的一项调查显示，虽然所有受访组织均在一定程度上应用了人工智能，但仅有不到五分之一（16%）的组织从中提取到了变革性价值。具体而言，40% 的受访者表示仅在特定任务或团队中获得了适度收益，21% 实现了有意义的收益，而剩余 23% 则反馈收益微小甚至为零。
目前，大多数企业仍处于人工智能应用的初级阶段。数据显示，38% 的受访者认为其企业主要处于试点使用阶段，35% 的企业将人工智能作为辅助工具（如副驾驶或聊天助手）服务于员工。相比之下，仅 12% 的企业在生产环境中部署了人工智能代理，只有 3% 的企业表示正在利用人工智能承担关键流程中的大部分工作。
Atlan 联合创始人 Prukalpa Sankar 指出：“模型的能力与其在组织内部的实用性之间存在巨大差距。”他认为，虽然从广义上讲，通用人工智能的概念已具雏形，但对于当今多数公司而言，现有的方法并未发挥实际效用。
Sankar 强调，缺失的关键环节在于“背景”（Context），即人工智能如何理解业务本身。语境层构成了连接记录系统、数据系统与人工智能平台之间的架构基础设施。它将企业的隐性知识转化为机器可读的环境，从而支持人工智能代理或模型的精细化管理及知识积累。Sankar 比喻道：“如果没有这一上下文层，就像雇佣了世界上最聪明的实习生，却未给予任何工作指引。”
