# gupta-garg-context-graphs-trillion-dollar-opportunity-2025-12-22

## Veille

Foundation Capital Context Graphs - una nuova generazione di sistemi di registrazione per gli agenti AI

## Titre Article

AI's trillion-dollar opportunity: Context graphs

## Date

2025-12-22

## URL

https://x.com/JayaGup10/status/2003525933534179480

## Keywords

context graph, system of record, agenti AI, tracce decisionali, orchestrazione, enterprise, dati, governance, startup, workflow

## Authors

Jaya Gupta, Ashu Garg

## Ton

Profilo: articolo di un investitore VC (Foundation Capital), registro analitico strategico, prospettiva di tesi d'investimento.
Stile: tono assertivo e strutturato, argomentazione basata sul contrasto (operatori storici vs startup). Utilizza esempi concreti (Salesforce, Workday, SAP) per fondare l'astrazione. Vocabolario tecnico del software aziendale mescolato al gergo VC. Citazioni e riferimenti ad altre analisi (Jamin Ball). Pubblico target: founder, investitori, decisori tecnologici aziendali.

## Pense-betes

- Tesi centrale: le prossime piattaforme da mille miliardi di dollari non nasceranno dall'aggiunta di AI ai dati esistenti, ma dalla cattura delle "tracce decisionali"
- Distinzione chiave: Regole (ciò che dovrebbe accadere) vs Tracce Decisionali (ciò che è accaduto in questo caso specifico)
- Context Graph = registro strutturato di tracce decisionali collegate tra entità e nel tempo
- Ciò che manca ai sistemi attuali: logica delle eccezioni, precedenti, sintesi cross-sistema, catene di approvazione informali
- Vantaggio strutturale delle startup "systems of agents": si trovano nel percorso di esecuzione, non leggono a posteriori
- Limiti degli operatori storici: Salesforce/Workday memorizzano lo stato attuale, non lo stato al momento della decisione; Snowflake/Databricks ricevono i dati dopo le decisioni tramite ETL
- 3 percorsi per le startup: sostituire i SoR esistenti, sostituire moduli, creare nuovi SoR
- Esempi citati: Regie (AI SDR), Maximor (finanza), PlayerZero (ingegneria di produzione), Arize (osservabilità degli agenti)
- Segnali per i founder: elevato organico sul workflow, decisioni con eccezioni, organizzazioni "collante" tra i sistemi

## RésuméDe400mots

Jaya Gupta e Ashu Garg di Foundation Capital sviluppano una tesi sull'emergere di una nuova generazione di sistemi di registrazione incentrati sulle tracce decisionali piuttosto che sugli oggetti aziendali tradizionali.

La generazione precedente di software aziendale ha creato un ecosistema da mille miliardi di dollari diventando sistemi di registrazione: Salesforce per i clienti, Workday per i dipendenti, SAP per le operazioni. La domanda attuale è se questi sistemi sopravvivranno alla transizione verso gli agenti AI.

Gli autori concordano con l'analisi di Jamin Ball secondo cui gli agenti non sostituiscono i sistemi di registrazione ma ne innalzano i requisiti. Tuttavia, identificano un livello critico mancante: le tracce decisionali. Queste catturano le eccezioni, le deroghe, i precedenti e il contesto cross-sistema che attualmente risiedono in Slack, nelle conversazioni del deal desk, nelle chiamate di escalation e nella memoria dei dipendenti.

La distinzione fondamentale contrappone le regole (ciò che dovrebbe generalmente accadere) alle tracce decisionali (ciò che è accaduto in questo caso specifico, secondo quale policy, con quale eccezione, su quale precedente). Gli agenti hanno bisogno di accesso non solo alle regole ma alla storia della loro applicazione.

Le startup "systems of agents" hanno un vantaggio strutturale: si trovano nel percorso di esecuzione. Vedono il contesto completo al momento della decisione e possono rendere persistenti queste tracce come artefatti durevoli. L'accumulo di queste tracce forma un "context graph": un registro vivente delle decisioni collegate tra entità e nel tempo, in cui il precedente diventa interrogabile.

Gli operatori storici non possono costruire questo context graph. I sistemi operativi come Salesforce memorizzano lo stato attuale, non lo stato al momento della decisione. I data warehouse come Snowflake ricevono i dati tramite ETL dopo che le decisioni sono state prese, perdendo il contesto decisionale.

Gli autori identificano tre percorsi per le startup: sostituire i sistemi di registrazione esistenti (come Regie per le piattaforme di sales engagement), sostituire moduli specifici (come Maximor per la finanza), oppure creare nuovi sistemi di registrazione per categorie di verità mai catturate prima (come PlayerZero per l'ingegneria di produzione).

I segnali per identificare queste opportunità includono un elevato organico su workflow manuali, decisioni ricche di eccezioni e l'esistenza di organizzazioni "collante" (RevOps, DevOps, SecOps) che esistono proprio perché nessun sistema cattura il workflow interfunzionale.

## GrapheDeConnaissance

- Jaya Gupta —publie→ thèse context graphs (CONCEPT, 0.95)
- Ashu Garg —publie→ thèse context graphs (CONCEPT, 0.95)
- Foundation Capital —emploie→ Jaya Gupta (PERSONNE, 0.9)
- Foundation Capital —emploie→ Ashu Garg (PERSONNE, 0.9)
- context graph —est_basé_sur→ traces de décision (CONCEPT, 0.95)
- context graph —remplace→ systèmes de record traditionnels (CONCEPT, 0.85)
- startups systems of agents —surpasse→ incumbents (Salesforce, Workday) (ORGANISATION, 0.88)
- Salesforce —utilise→ état actuel pas état décisionnel (CONCEPT, 0.9)
- Snowflake —utilise→ données reçues après les décisions via ETL (CONCEPT, 0.88)
- Regie —remplace→ plateformes sales engagement (TECHNOLOGIE, 0.82)
- exceptions, précédents, contexte cross-système —fait_partie_de→ traces de décision (CONCEPT, 0.9)
- agents IA —améliore→ exigences des systèmes de record (CONCEPT, 0.85)

---
Canonical: https://www.thekb.eu/it/fiches/gupta-garg-context-graphs-trillion-dollar-opportunity-2025-12-22/