數(shù)勢科技譚李：企業(yè)級(jí)AI應(yīng)用不止ChatBI，拿到數(shù)據(jù)不等于拿到洞見 | 中國AIGC產(chǎn)業(yè)峰會(huì)

明敏 2025-04-22 17:19:59 來源：量子位

編輯部 整理自 凹非寺

量子位 | 公眾號(hào) QbitAI

當(dāng)大模型改變?nèi)祟愋畔⒔换シ绞?、算力成本不斷降低，一個(gè)關(guān)鍵問題浮現(xiàn)在每一位企業(yè)決策者面前：

如何讓AI真正成為企業(yè)的“智慧大腦”，驅(qū)動(dòng)業(yè)務(wù)決策全面升級(jí)？

大模型來了，萬物皆可Chat，但企業(yè)級(jí)AI應(yīng)用的規(guī)范復(fù)雜得多，不是簡單的Excel+Chat就能完成。

在第三屆AIGC產(chǎn)業(yè)峰會(huì)上，數(shù)勢科技聯(lián)合創(chuàng)始人譚李，指出了當(dāng)下行業(yè)面臨的挑戰(zhàn)。

而AI Agent的出現(xiàn)為這一難題提供了解決性方案。

數(shù)勢科技就是代表之一，他們通過SwiftAgent平臺(tái)，為企業(yè)打造隨時(shí)在線的“數(shù)據(jù)分析與決策平臺(tái)”，讓每一位業(yè)務(wù)人員都能像與專業(yè)分析師對(duì)話一樣，輕松獲取數(shù)據(jù)洞見，做出更明智的業(yè)務(wù)決策。

為了完整體現(xiàn)譚李的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來更多啟發(fā)。

中國AIGC產(chǎn)業(yè)峰會(huì)是由量子位主辦的AI領(lǐng)域前沿峰會(huì)，20余位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾超千人，線上直播觀眾320萬+，累計(jì)曝光2000萬+。

話題要點(diǎn)

• 拿到數(shù)據(jù)不等于拿到洞見。要讓數(shù)據(jù)觸手可得，隨時(shí)隨地支撐決策分析。
• 三大趨勢加速新數(shù)據(jù)消費(fèi)范式：數(shù)據(jù)右移、決策下移、管理后移。
• 要讓不懂代碼的業(yè)務(wù)人員能夠以最快的速度，以即需即給的方式獲取數(shù)據(jù)和事實(shí)。
• 基礎(chǔ)模型成本的顯著下降(如DeepSeek)為企業(yè)級(jí)AI應(yīng)用創(chuàng)造了可能性，預(yù)期還會(huì)進(jìn)一步降低。

以下是演講全文：

供需側(cè)都在迎來新范式

感謝主持人，各位來賓，大家上午好！

我是數(shù)勢科技的譚李，今天非常榮幸和大家做分享和交流，今天大會(huì)前面幾位嘉賓做了很好的分享，我印象比較深刻的是微軟劉煒清老師跟大家分享了科研助手，今天我給大家分享讓每一個(gè)打工人今后都能夠有一個(gè)數(shù)據(jù)分析與決策助手。

在正式分享前，請(qǐng)?jiān)试S我簡要介紹數(shù)勢科技。作為中國企業(yè)級(jí)數(shù)據(jù)分析與智能決策領(lǐng)域的AI Agent先行者，我們于2023年推出了SwiftAgent產(chǎn)品平臺(tái)，目前已服務(wù)數(shù)十家行業(yè)頭部企業(yè)，包括多家世界500強(qiáng)和中國500強(qiáng)領(lǐng)軍企業(yè)。

過去幾年，我們?nèi)虆⑴c并見證了眾多企業(yè)的數(shù)字化轉(zhuǎn)型歷程。大模型技術(shù)的出現(xiàn)為整個(gè)Agent行業(yè)帶來了前所未有的發(fā)展機(jī)遇和增長速度。今天，我將重點(diǎn)與各位分享一個(gè)關(guān)鍵領(lǐng)域的創(chuàng)新：如何通過AI Agent技術(shù)推動(dòng)企業(yè)數(shù)據(jù)分析與智能決策能力的全面升級(jí)。

我將從三個(gè)方面展開討論，首先讓我們從行業(yè)宏觀視角審視數(shù)據(jù)分析與應(yīng)用領(lǐng)域的過去、現(xiàn)在與未來。

從這張圖表可以清晰看出，即使在數(shù)字化程度領(lǐng)先的互聯(lián)網(wǎng)公司或相對(duì)傳統(tǒng)的實(shí)體企業(yè)中，最優(yōu)秀的企業(yè)也僅處于“當(dāng)前”所示的水平：企業(yè)內(nèi)10%的非技術(shù)人員在BI分析師和業(yè)務(wù)分析師的支持下，能夠?qū)崟r(shí)獲取所需數(shù)據(jù)并進(jìn)行日常分析決策。

然而，對(duì)絕大多數(shù)業(yè)務(wù)人員而言，經(jīng)常遇到的問題依然是數(shù)據(jù)分析面臨大量的排隊(duì)，沒有辦法即時(shí)滿足數(shù)據(jù)消費(fèi)需求。同時(shí)在應(yīng)用場景價(jià)值方面，目前我們主要用于對(duì)過去事實(shí)進(jìn)行陳述和原因性分析。

但是我們發(fā)現(xiàn)這遠(yuǎn)遠(yuǎn)滿足不了企業(yè)數(shù)字化經(jīng)營的需要。面向未來，不止是老板要用數(shù)據(jù)，不止是業(yè)務(wù)人員要用數(shù)據(jù)，還會(huì)有大量的Agents是數(shù)據(jù)消費(fèi)的主體，這勢必會(huì)誕生一種新的數(shù)據(jù)建設(shè)或者數(shù)據(jù)消費(fèi)的形態(tài)。

從數(shù)據(jù)分析角度來看很容易理解，拿到數(shù)據(jù)并不等于拿到洞見，而且速度是最關(guān)鍵的，當(dāng)我們做分析的時(shí)候，不能接受排隊(duì)等待，而是要讓數(shù)據(jù)觸手可得，隨時(shí)隨地支撐決策分析。

現(xiàn)在有三個(gè)關(guān)鍵趨勢會(huì)從需求側(cè)加速新數(shù)據(jù)消費(fèi)范式的到來。

第一個(gè)“數(shù)據(jù)右移”。在數(shù)據(jù)的采集、存儲(chǔ)、加工、建模、消費(fèi)整個(gè)鏈條上，隨著技術(shù)進(jìn)步，數(shù)據(jù)工作的重心越來越往右移，以消費(fèi)促治理、以消費(fèi)驅(qū)動(dòng)數(shù)據(jù)生產(chǎn)是當(dāng)前主旋律。

第二個(gè)“決策下移”。以往企業(yè)每年每個(gè)季度做關(guān)鍵決策都是集中式的，現(xiàn)在分散式?jīng)Q策已經(jīng)成為了必然，尤其在烏卡時(shí)代下，關(guān)稅戰(zhàn)、貿(mào)易戰(zhàn)每天在打著，我們服務(wù)了一些出海的企業(yè)，他們每天都在及時(shí)吸收和消化大量信息，每天各個(gè)部門和業(yè)務(wù)單元都要做出非常敏捷的決策。

最后是“管理后移”?，F(xiàn)在我們看到一些科技型企業(yè)以及數(shù)字化企業(yè)，他們不再給員工設(shè)置非常詳細(xì)的各種業(yè)務(wù)規(guī)則，而是說我招到優(yōu)秀的人給他好的命題讓他自主發(fā)揮，管理的動(dòng)作往往擺在后面。這樣三種趨勢進(jìn)一步加劇大家對(duì)于數(shù)據(jù)及時(shí)、準(zhǔn)確、敏捷的需求。

下面我們聊一聊供給側(cè)現(xiàn)狀。

我這畫了一個(gè)簡單的曲線，過去供給側(cè)成本下不來，大模型智能大家消費(fèi)不起，我們看到第一個(gè)突破點(diǎn)是DeepSeek的爆火給大模型基座帶來數(shù)十倍的成本降低，在OpenAI等領(lǐng)先企業(yè)的技術(shù)推動(dòng)下，加之開源模型生態(tài)的蓬勃發(fā)展，我們相信指數(shù)級(jí)成本降低是必然的事情。我們期待到明年再開這個(gè)會(huì)的時(shí)候，我們把這個(gè)數(shù)拉的更低、百萬tokens成本降下來兩個(gè)量級(jí)。

企業(yè)級(jí)分析智能體正在崛起

下面我們從產(chǎn)業(yè)視角打開看一下。我們用兩個(gè)維度衡量各種AI Agent應(yīng)用：

• 容錯(cuò)率，低容錯(cuò)高精準(zhǔn)的和偏創(chuàng)意、相對(duì)寬容的；
• 對(duì)于現(xiàn)有工作流的革新程度，是基于原來的工作流還是打造一個(gè)新范式。

在這兩個(gè)維度下，很容易畫出這樣一張類似的圖，我們發(fā)現(xiàn)每個(gè)領(lǐng)域都有不同的創(chuàng)業(yè)公司競相追逐。我們數(shù)勢科技所在數(shù)據(jù)分析和決策的領(lǐng)域，相對(duì)而言是需要突破原來的傳統(tǒng)的數(shù)據(jù)分析和數(shù)據(jù)消費(fèi)的范式，同時(shí)是有高精準(zhǔn)度要求的領(lǐng)域。

我們都知道大模型的幻覺問題是需要大家花很多精力去解決的，這對(duì)于企業(yè)級(jí)分析決策落地非常關(guān)鍵。從2023年開始，我們花了大量時(shí)間和精力專注新一代以AI Agent數(shù)據(jù)分析和決策的智能體，我們把它叫做SwiftAgent，這個(gè)平臺(tái)核心解決四個(gè)層面問題：

第一個(gè)我們給到不懂代碼的業(yè)務(wù)人員，讓他們能夠以最快的速度、即需即給的方式獲取數(shù)據(jù)和事實(shí)；

在此基礎(chǔ)上，SwiftAgent還能基于數(shù)據(jù)事實(shí)生成智能歸因和深度洞察，告訴業(yè)務(wù)人員為什么數(shù)據(jù)會(huì)呈現(xiàn)當(dāng)下的情況，過去一個(gè)季度甚至過去一天訂單量抖動(dòng)的情況到底發(fā)生在哪樣的業(yè)務(wù)單元、哪樣的商品類型，哪樣的一些渠道類型；

第三個(gè)層面是決策建議，因?yàn)閷?duì)于業(yè)務(wù)人員來說未來要做數(shù)據(jù)分析的目的不是為了做分析本身，是為了要么做出一個(gè)決策，要么傳遞一個(gè)決策，載體是一個(gè)報(bào)告，可能寫成PPT、word或者其他文檔的方式，要用數(shù)據(jù)證實(shí)為什么做出這樣的決策，智能報(bào)告的生成尤其加上行業(yè)化知識(shí)的智能報(bào)告就成為一個(gè)關(guān)鍵；

最后，我們關(guān)聯(lián)決策動(dòng)作，大家知道Agent有一個(gè)很重要能力是自主的長距離的復(fù)雜任務(wù)規(guī)劃和執(zhí)行能力，要把Action關(guān)聯(lián)起來，這是我們說新一代面向企業(yè)做分析和決策的智能體應(yīng)該有的四個(gè)非常核心的能力。

這張圖展示了我們?cè)趺磸漠a(chǎn)品邏輯構(gòu)建它，這應(yīng)該是我們第一次對(duì)外發(fā)布，相信過幾個(gè)月大家會(huì)看到市面上各種各樣的廠商發(fā)布類似的圖。我們核心第一做到零門檻用數(shù)，第二是零幻覺分析，第三是零等待決策，這里幾個(gè)關(guān)鍵點(diǎn)跟大家做理解的分享。

第一個(gè)我們?cè)趺礃幼屍髽I(yè)級(jí)數(shù)據(jù)做到數(shù)據(jù)就緒，大家經(jīng)常講AI Ready Data，你如果讓大模型去到企業(yè)數(shù)倉和數(shù)據(jù)庫底表，用我們自然語言轉(zhuǎn)成SQL語句方式取數(shù)的話，60%的情況都是不準(zhǔn)的，拿不到你要的數(shù)據(jù)的，準(zhǔn)確是一個(gè)問題。

第二個(gè)是性能和速度，沒有辦法讓業(yè)務(wù)人員等幾分鐘回來給到你答案，所以它其實(shí)就需要專業(yè)的數(shù)據(jù)語義引擎來完成數(shù)據(jù)就緒，數(shù)勢過去五年時(shí)間，一直打造在semantic layer這一層的數(shù)據(jù)語義引擎，核心要做的是讓企業(yè)原始數(shù)據(jù)按照行業(yè)和業(yè)務(wù)邏輯轉(zhuǎn)譯成為大模型能理解的AI就緒數(shù)據(jù)。

第二個(gè)很重要的能力，行業(yè)里面聊的比較多，尤其是長距離任務(wù)過程中，會(huì)涉及到大小模型結(jié)合使用的情況。對(duì)于大模型不擅長的數(shù)據(jù)分析領(lǐng)域，比如說時(shí)間要素的識(shí)別：過去三個(gè)月到底包不包含本月？現(xiàn)在行業(yè)里面幾個(gè)大模型都不見得回答的準(zhǔn)確。再比如業(yè)績分析的時(shí)候，怎么讓大模型理解“業(yè)績”這種相對(duì)模糊的自然語言精準(zhǔn)地完成取數(shù)？這需要我們既要用到行業(yè)里面領(lǐng)先的大模型，同時(shí)也需要用到數(shù)據(jù)領(lǐng)域/分析領(lǐng)域決策的小模型，在這種情況下我們做到了“智能就緒”。

第三我們完成分析決策的時(shí)候涉及到非常多的技能要求?？偨Y(jié)起來有幾層，第一個(gè)智能問數(shù)，是指通過自然語言方式拿到想要的數(shù)據(jù)；第二個(gè)診斷歸因，洞悉每一個(gè)數(shù)據(jù)指標(biāo)背后的各種維度、各種因子、各種關(guān)聯(lián)因素；第三個(gè)模擬預(yù)測，能夠?qū)τ谖磥淼闹笜?biāo)的走勢做相關(guān)的預(yù)測和模擬；第四個(gè)策略評(píng)估能力。

這四點(diǎn)是企業(yè)級(jí)產(chǎn)品做到分析決策里面非常核心的能力，除此之外，企業(yè)級(jí)的用數(shù)權(quán)限同樣重要，不能讓一線業(yè)務(wù)人員直接問到行長級(jí)別的數(shù)據(jù)。

行業(yè)里面大家經(jīng)常會(huì)說ChatBI是讓大家很容易想到的事情，大模型來了萬物皆可Chat，今天聊萬物皆可AI，大家說大模型來了萬物皆可Chat，大家很容易的認(rèn)為說Excel+Chat就可以完成數(shù)據(jù)分析，個(gè)人級(jí)別的應(yīng)用確實(shí)沒有問題，但當(dāng)我們聊企業(yè)級(jí)的應(yīng)用時(shí)就會(huì)變得格外復(fù)雜。

下面是去年我們便已實(shí)現(xiàn)商業(yè)化合作的城商行項(xiàng)目，這也是行業(yè)最早實(shí)現(xiàn)大模型分析Agent落地的案例。在這個(gè)案例里，我們的SwiftAgent是給到行里面大幾十位分支行行長和部門主管使用，首先解決了數(shù)據(jù)洞察即時(shí)獲取難的問題，另外在關(guān)鍵的業(yè)務(wù)決策上，還能基于行業(yè)里面的分析范式為具體的業(yè)務(wù)主管提供業(yè)務(wù)處理SOP和深度決策報(bào)告。

在金融場景外，我們的產(chǎn)品在零售行業(yè)也有廣泛的應(yīng)用。中國餐飲連鎖競爭非常激烈，如何賦能每一個(gè)經(jīng)營的業(yè)務(wù)單元？我們?yōu)榈觊L以及管幾十家店的督導(dǎo)提供了數(shù)據(jù)分析Agent，讓他們能夠?qū)崟r(shí)掌握經(jīng)營動(dòng)態(tài)情況，了解總部對(duì)于所有加盟商管理的制度以及推出新品時(shí)候的營銷規(guī)劃，這結(jié)合了結(jié)構(gòu)化數(shù)據(jù)分析和非結(jié)構(gòu)化知識(shí)問答能力，賦能每個(gè)店長隨時(shí)隨地做更科學(xué)經(jīng)營決策的能力。

最后，我今天也帶來行業(yè)首發(fā)的《智能分析Agent白皮書》，深入探討了智能分析Agent的定義、分類、技術(shù)架構(gòu)及創(chuàng)新能力，并通過實(shí)際案例展示了這一技術(shù)在各行業(yè)的應(yīng)用，揭示了智能分析Agent如何在企業(yè)中解決決策痛點(diǎn)，提升分析與決策效率。

在這個(gè)數(shù)據(jù)和AI成為新生產(chǎn)力的時(shí)代，我們希望通過AI Agent讓每一個(gè)打工人獲得即時(shí)、迅捷、準(zhǔn)確的數(shù)據(jù)，讓數(shù)據(jù)賦能企業(yè)運(yùn)營，謝謝！