今天小編分享的科學經驗：數勢科技譚李：企業級AI應用不止ChatBI，拿到數據不等于拿到洞見，歡迎閱讀。
當大模型改變人類信息互動方式、算力成本不斷降低，一個關鍵問題浮現在每一位企業決策者面前：
如何讓 AI 真正成為企業的 " 智慧大腦 "，驅動業務決策全面更新？
大模型來了，萬物皆可 Chat，但企業級 AI 應用的規範復雜得多，不是簡單的 Excel+Chat 就能完成。
在第三屆 AIGC 產業峰會上，數勢科技聯合創始人譚李，指出了當下行業面臨的挑戰。
而 AI Agent 的出現為這一難題提供了解決性方案。
數勢科技就是代表之一，他們通過 SwiftAgent 平台，為企業打造随時在線的 " 數據分析與決策平台 "，讓每一位業務人員都能像與專業分析師對話一樣，輕松獲取數據洞見，做出更明智的業務決策。
為了完整體現譚李的思考，在不改變原意的基礎上，量子位對演講内容進行了編輯整理，希望能給你帶來更多啟發。
中國 AIGC 產業峰會是由量子位主辦的 AI 領網域前沿峰會，20 餘位產業代表與會讨論。線下參會觀眾超千人，線上直播觀眾 320 萬 +，累計曝光 2000 萬 +。
話題要點
拿到數據不等于拿到洞見。要讓數據觸手可得，随時随地支撐決策分析。
三大趨勢加速新數據消費範式：數據右移、決策下移、管理後移。
要讓不懂代碼的業務人員能夠以最快的速度，以即需即給的方式獲取數據和事實。
基礎模型成本的顯著下降 ( 如 DeepSeek ) 為企業級 AI 應用創造了可能性，預期還會進一步降低。
以下是演講全文：
供需側都在迎來新範式
感謝主持人，各位來賓，大家上午好！
我是數勢科技的譚李，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炜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打工人今後都能夠有一個數據分析與決策助手。
在正式分享前，請允許我簡要介紹數勢科技。作為中國企業級數據分析與智能決策領網域的 AI Agent 先行者，我們于 2023 年推出了SwiftAgent 產品平台，目前已服務數十家行業頭部企業，包括多家世界 500 強和中國 500 強領軍企業。
過去幾年，我們全程參與并見證了眾多企業的數字化轉型歷程。大模型技術的出現為整個 Agent 行業帶來了前所未有的發展機遇和增長速度。今天，我将重點與各位分享一個關鍵領網域的創新：如何通過 AI Agent 技術推動企業數據分析與智能決策能力的全面更新。
我将從三個方面展開讨論，首先讓我們從行業宏觀視角審視數據分析與應用領網域的過去、現在與未來。
從這張圖表可以清晰看出，即使在數字化程度領先的互聯網公司或相對傳統的實體企業中，最優秀的企業也僅處于" 當前 "所示的水平：企業内10%的非技術人員在 BI 分析師和業務分析師的支持下，能夠實時獲取所需數據并進行日常分析決策。
然而，對絕大多數業務人員而言，經常遇到的問題依然是數據分析面臨大量的排隊，沒有辦法即時滿足數據消費需求。同時在應用場景價值方面，目前我們主要用于對過去事實進行陳述和原因性分析。
但是我們發現這遠遠滿足不了企業數字化經營的需要。面向未來，不止是老板要用數據，不止是業務人員要用數據，還會有大量的 Agents 是數據消費的主體，這勢必會誕生一種新的數據建設或者數據消費的形态。
從數據分析角度來看很容易理解，拿到數據并不等于拿到洞見，而且速度是最關鍵的，當我們做分析的時候，不能接受排隊等待，而是要讓數據觸手可得，随時随地支撐決策分析。
現在有三個關鍵趨勢會從需求側加速新數據消費範式的到來。
第一個 " 數據右移 "。在數據的采集、存儲、加工、建模、消費整個鏈條上，随着技術進步，數據工作的重心越來越往右移，以消費促治理、以消費驅動數據生產是當前主旋律。
第二個 " 決策下移 "。以往企業每年每個季度做關鍵決策都是集中式的，現在分散式決策已經成為了必然，尤其在烏卡時代下，關稅戰、貿易戰每天在打着，我們服務了一些出海的企業，他們每天都在及時吸收和消化大量信息，每天各個部門和業務單元都要做出非常敏捷的決策。
最後是 " 管理後移 "。現在我們看到一些科技型企業以及數字化企業，他們不再給員工設定非常詳細的各種業務規則，而是說我招到優秀的人給他好的命題讓他自主發揮，管理的動作往往擺在後面。這樣三種趨勢進一步加劇大家對于數據及時、準确、敏捷的需求。
下面我們聊一聊供給側現狀。
我這畫了一個簡單的曲線，過去供給側成本下不來，大模型智能大家消費不起，我們看到第一個突破點是DeepSeek 的爆火給大模型基座帶來數十倍的成本降低，在 OpenAI 等領先企業的技術推動下，加之開源模型生态的蓬勃發展，我們相信指數級成本降低是必然的事情。我們期待到明年再開這個會的時候，我們把這個數拉的更低、百萬 tokens 成本降下來兩個量級。
企業級分析智能體正在崛起
下面我們從產業視角打開看一下。我們用兩個維度衡量各種 AI Agent 應用：
容錯率
，低容錯高精準的和偏創意、相對寬容的；
對于現有工作流的革新程度，是基于原來的工作流還是打造一個新範式。
在這兩個維度下，很容易畫出這樣一張類似的圖，我們發現每個領網域都有不同的創業公司競相追逐。我們數勢科技所在數據分析和決策的領網域，相對而言是需要突破原來的傳統的數據分析和數據消費的範式，同時是有高精準度要求的領網域。
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，這對于企業級分析決策落地非常關鍵。從 2023 年開始，我們花了大量時間和精力專注新一代以 AI Agent 數據分析和決策的智能體，我們把它叫做 SwiftAgent，這個平台核心解決四個層面問題：
第一個我們給到不懂代碼的業務人員，讓他們能夠以最快的速度、即需即給的方式獲取數據和事實；
在此基礎上，SwiftAgent 還能基于數據事實生成智能歸因和深度洞察，告訴業務人員為什麼數據會呈現當下的情況，過去一個季度甚至過去一天訂單量抖動的情況到底發生在哪樣的業務單元、哪樣的商品類型，哪樣的一些渠道類型；
第三個層面是決策建議，因為對于業務人員來說未來要做數據分析的目的不是為了做分析本身，是為了要麼做出一個決策，要麼傳遞一個決策，載體是一個報告，可能寫成 PPT、word 或者其他文檔的方式，要用數據證實為什麼做出這樣的決策，智能報告的生成尤其加上行業化知識的智能報告就成為一個關鍵；
最後，我們關聯決策動作，大家知道 Agent 有一個很重要能力是自主的長距離的復雜任務規劃和執行能力，要把 Action 關聯起來，這是我們說新一代面向企業做分析和決策的智能體應該有的四個非常核心的能力。
這張圖展示了我們怎麼從產品邏輯構建它，這應該是我們第一次對外發布，相信過幾個月大家會看到市面上各種各樣的廠商發布類似的圖。我們核心第一做到零門檻用數，第二是零幻覺分析，第三是零等待決策，這裡幾個關鍵點跟大家做理解的分享。
第一個我們怎麼樣讓企業級數據做到數據就緒，大家經常講 AI Ready Data，你如果讓大模型去到企業數倉和數據庫底表，用我們自然語言轉成 SQL 語句方式取數的話，60% 的情況都是不準的，拿不到你要的數據的，準确是一個問題。
第二個是性能和速度，沒有辦法讓業務人員等幾分鍾回來給到你答案，所以它其實就需要專業的數據語義引擎來完成數據就緒，數勢過去五年時間，一直打造在 semantic layer 這一層的數據語義引擎，核心要做的是讓企業原始數據按照行業和業務邏輯轉譯成為大模型能理解的 AI 就緒數據。
第二個很重要的能力，行業裡面聊的比較多，尤其是長距離任務過程中，會涉及到大小模型結合使用的情況。對于大模型不擅長的數據分析領網域，比如說時間要素的識别：過去三個月到底包不包含本月？現在行業裡面幾個大模型都不見得回答的準确。再比如業績分析的時候，怎麼讓大模型理解 " 業績 " 這種相對模糊的自然語言精準地完成取數？這需要我們既要用到行業裡面領先的大模型，同時也需要用到數據領網域 / 分析領網域決策的小模型，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候涉及到非常多的技能要求。總結起來有幾層，第一個智能問數，是指通過自然語言方式拿到想要的數據；第二個診斷歸因，洞悉每一個數據指标背後的各種維度、各種因子、各種關聯因素；第三個模拟預測，能夠對于未來的指标的走勢做相關的預測和模拟；第四個策略評估能力。
這四點是企業級產品做到分析決策裡面非常核心的能力，除此之外，企業級的用數權限同樣重要，不能讓一線業務人員直接問到行長級别的數據。
行業裡面大家經常會說 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，大家很容易的認為說 Excel+Chat 就可以完成數據分析，個人級别的應用确實沒有問題，但當我們聊企業級的應用時就會變得格外復雜。
下面是去年我們便已實現商業化合作的城商行項目，這也是行業最早實現大模型分析 Agent 落地的案例。在這個案例裡，我們的 SwiftAgent 是給到行裡面大幾十位分支行行長和部門主管使用，首先解決了數據洞察即時獲取難的問題，另外在關鍵的業務決策上，還能基于行業裡面的分析範式為具體的業務主管提供業務處理 SOP 和深度決策報告。
在金融場景外，我們的產品在零售行業也有廣泛的應用。中國餐飲連鎖競争非常激烈，如何賦能每一個經營的業務單元？我們為店長以及管幾十家店的督導提供了數據分析 Agent，讓他們能夠實時掌握經營動态情況，了解總部對于所有加盟商管理的制度以及推出新品時候的營銷規劃，這結合了結構化數據分析和非結構化知識問答能力，賦能每個店長随時随地做更科學經營決策的能力。
最後，我今天也帶來行業首發的《智能分析 Agent 白皮書》，深入探讨了智能分析 Agent 的定義、分類、技術架構及創新能力，并通過實際案例展示了這一技術在各行業的應用，揭示了智能分析 Agent 如何在企業中解決決策痛點，提升分析與決策效率。
在這個數據和 AI 成為新生產力的時代，我們希望通過 AI Agent 讓每一個打工人獲得即時、迅捷、準确的數據，讓數據賦能企業運營，謝謝！
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
點亮星标
科技前沿進展每日見
