编辑部 整理自 凹非寺
量子位 | 公众号 QbitAI
大模型改变了人类的信息交互方式，并且算力成本在不断降低，此时一个关键问题呈现在每一位企业决策者的面前。
如何让 AI 成为企业的“智慧大脑”呢？如何让它驱动业务决策全面升级呢？
大模型已经到来，世间万物都可以与 Chat 相关联。然而，企业级 AI 应用的规范要复杂许多，并非仅仅依靠 Excel 与 Chat 就能够完成。
在第三届 AIGC 产业峰会上，数势科技的联合创始人谭李指出了当前行业所面临的挑战。
而AI Agent的出现为这一难题提供了解决性方案
数势科技是其中的代表之一。他们借助 SwiftAgent 平台，为企业构建起随时处于在线状态的“数据分析与决策平台”。这样一来，每一位业务人员都能够如同与专业分析师进行对话那般，轻而易举地获取到数据洞见，进而做出更为明智的业务决策。
为了完整呈现谭李的思考，在不更改原意的情况下，量子位对演讲内容进行了编辑和整理，期望能给你带来更多的启发。
中国 AIGC 产业峰会是由量子位来主办的 AI 领域的前沿峰会。有 20 多位产业代表参与了会议并进行了讨论。线下参会的观众超过了一千人，线上直播的观众达到了 320 万以上，累计的曝光量达到了 2000 万以上。
话题要点
以下是演讲全文：
供需侧都在迎来新范式
感谢主持人，各位来宾，大家上午好！
我是数势科技的谭李。今天我很荣幸能够与大家进行分享和交流。大会前面有几位嘉宾做了很棒的分享。其中给我留下深刻印象的是微软的刘炜清老师，他跟大家分享了科研助手。今天我要给大家分享的是，让每一个打工人今后都能拥有一个数据分析与决策助手。
在开始正式分享之前，让我来简要介绍一下数势科技。数势科技是中国企业级数据分析与智能决策领域的 AI Agent 先行者。2023 年，我们推出了 SwiftAgent 产品平台。目前，该平台已为数十家行业头部企业提供了服务，其中包括多家世界 500 强企业和中国 500 强领军企业。
过去几年，我们见证并参与了众多企业的数字化转型历程。大模型技术的出现，给整个 Agent 行业带来了新的发展机遇和增长速度。如今，我将着重与各位分享一个关键领域的创新，即如何借助 AI Agent 技术推动企业数据分析与智能决策能力的全面提升。
我要从三个方面开始进行讨论。首先，让我们从行业的宏观角度去审视数据分析与应用这个领域的过去情况、当前状况以及未来发展。
从这张图表能够清晰地看出，在数字化程度领先的互联网公司以及相对传统的实体企业当中，最优秀的企业所处的水平为：企业内 10%的非技术人员，在 BI 分析师和业务分析师的支持下，能够做到实时获取所需数据并且进行日常分析决策。
然而，对于绝大多数业务人员来说，经常碰到的问题仍旧是数据分析面临着大量的排队情况，无法及时满足数据消费的需求。并且在应用场景的价值方面，当下我们主要是用来对过去的事实进行陈述以及进行原因性分析。
但是我们察觉到这远远无法满足企业数字化经营的需求。面向未来，不仅老板需要使用数据，不仅业务人员需要使用数据，还会有众多的 Agents 成为数据消费的主体，这必然会催生出一种新的数据建设或者数据消费的形态。
从数据分析的角度去理解是很容易的。拿到数据并不能等同于拿到洞见。速度是最为关键的。在我们进行分析时，不能忍受排队等待，而要让数据能够随时被获取，以便随时随地支撑决策分析。
现在有三个关键趋势会从需求侧加速新数据消费范式的到来。
第一个是“数据右移”。在数据的采集、存储、加工、建模以及消费等整个流程链条当中，随着技术不断进步，数据工作的重心逐渐往右侧移动，以消费来促进治理，以消费来驱动数据生产，这是当前的主要旋律。
第二个是“决策下移”。以往企业在每年每个季度进行关键决策时，都是采用集中式的方式。而现在，分散式决策已经成为一种必然趋势。尤其是在乌卡时代，关税战和贸易战每天都在进行。我们服务了一些出海的企业，这些企业每天都在及时地吸收和消化大量信息，并且各个部门和业务单元每天都需要做出非常敏捷的决策。
首先是“管理后移”。如今我们能看到一些科技型企业和数字化企业，它们不再给员工设定极为细致的各类业务规则。而是表示只要招到优秀的人，就给其好的命题，让其自主发挥。管理的动作通常被置于后面。这三种趋势使得大家对数据及时、准确、敏捷的需求进一步增强。
下面我们聊一聊供给侧现状。
我画了一个简单的曲线。过去，在供给侧成本方面，成本一直降不下来，大模型的智能使得大家消费不起。我们看到了第一个突破点，那就是 DeepSeek 的爆火，它给大模型基座带来了数十倍的成本降低。在 OpenAI 等领先企业的技术推动下，再加上开源模型生态的蓬勃发展，我们相信指数级成本降低是必然会发生的事情。我们期待到明年再次召开这个会议时，能够将这个数拉得更低，并且将百万 tokens 的成本降低两个量级。
企业级分析智能体正在崛起
我们接下来从产业的角度来进行观察。我们通过两个维度去对各种 AI Agent 应用进行衡量：
在这两个维度之下，很容易绘出一张类似的图。我们发现，每个领域都有不同的创业公司在相互竞争追逐。我们数势科技所在的领域，是关于数据分析和决策的，相对来说，需要突破原先传统的数据分析和数据消费的范式，并且是有高精准度要求的领域。
我们知晓大模型存在幻觉问题，这是需要大家投入诸多精力去解决的，而这对于企业级分析决策的落地极为关键。自 2023 年起，我们耗费了大量的时间和精力，专注于新一代以 AI Agent 进行数据分析和决策的智能体，我们将其称作 SwiftAgent，此平台主要解决四个层面的问题。
我们首先将其给到不懂代码的业务人员，目的是让他们能够以最为迅速的速度，采用即需即给的方式来获取数据和事实。
在此基础上，SwiftAgent 能够依据数据事实来生成智能归因以及深度洞察。它可以告知业务人员，数据为何会呈现出当前的状况，过去一个季度乃至过去一天内，订单量出现抖动的情况究竟发生在哪些业务单元、哪些商品类型以及哪些渠道类型之中。
第三个层面是决策建议。对于业务人员而言，未来做数据分析的目的并非仅仅是进行分析，而是要做出一个决策或者传递一个决策。其载体是一个报告，可以写成 PPT、word 或者其他文档的形式。需要用数据来证实为何做出这样的决策，而智能报告的生成，尤其是加上行业化知识的智能报告，就显得尤为关键。
首先，我们要关联决策动作。大家应当知晓，Agent 拥有一个极为重要的能力，那就是能够自主地进行长距离的复杂任务规划与执行。接着，需要将 Action 关联起来。而这正是我们所说的新一代面向企业开展分析和决策的智能体应该具备的四个极为核心的能力。
这张图展示了我们从产品逻辑出发构建它的方式。这应当是我们首次对外进行发布。相信在几个月之后，大家会在市面上看到各种厂商发布类似的图。我们的核心要点有：其一，做到零门槛使用数据；其二，实现零幻觉分析；其三，达成零等待决策。在这里，将这几个关键点与大家进行理解上的分享。
我们如何让企业级数据达到数据就绪的状态呢？大家常常提及 AI Ready Data。倘若让大模型深入企业数仓和数据库的底表，通过将自然语言转换为 SQL 语句的方式来获取数据，在 60%的情况下，所获取的数据都是不准确的，无法拿到所需的数据，准确与否是一个需要关注的问题。
第二个方面是性能和速度，业务人员不能等待几分钟后才回来给出答案，因此实际上需要专业的数据语义引擎来完成数据就绪。在过去的五年时间里，数势一直致力于在 semantic layer 这一层打造数据语义引擎，其核心工作是让企业的原始数据按照行业和业务逻辑转译为大模型能够理解的 AI 就绪数据。
第二个重要的能力，在行业中被较多提及，尤其在长距离任务过程里，会涉及到大、小模型结合使用的情形。对于大模型不擅长的数据分析领域，像时间要素的识别，比如过去三个月到底是否包含本月？如今在行业内，几个大模型都未必能准确回答。比如在进行业绩分析时，要让大模型理解“业绩”这种相对模糊的自然语言并精准地完成取数，这就需要我们既运用行业中领先的大模型，又运用数据领域或分析领域决策的小模型，在这种情形下我们实现了“智能就绪”。
我们在完成分析决策时涉及众多技能要求。总结如下：其一为智能问数，即借助自然语言获取所需数据；其二是诊断归因，要洞悉每个数据指标背后的各种维度、因子及关联因素；其三是模拟预测，能够对未来指标的走势进行相关预测与模拟；其四是策略评估能力。
不能让一线业务人员直接获取到行长级别的数据。
行业中大家常说 ChatBI 是容易被想到的事，大模型到来后万物皆可 Chat。今天聊万物皆可 AI，大家说大模型来了万物皆可 Chat，大家容易认为 Excel + Chat 就能完成数据分析。个人级别的应用没问题，但聊到企业级应用时就会格外复杂。
去年我们就已经实现了商业化合作的是城商行项目，此项目也是行业中最早让大模型分析 Agent 落地的案例。在这个案例中，我们的 SwiftAgent 被提供给了行里面几十位分支行行长和部门主管使用。它首先解决了数据洞察难以即时获取的问题。并且在关键的业务决策方面，还能够依据行业内的分析范式，为具体的业务主管提供业务处理的标准操作程序（SOP）以及深度决策报告。
在金融场景之外，我们的产品在零售行业有着广泛的应用。中国的餐饮连锁行业竞争极为激烈，那怎样去赋能每一个正在经营的业务单元呢？我们为店长以及管几十家店的督导提供了数据分析 Agent。通过这个 Agent，他们能够实时掌握经营动态情况。他们也能够了解总部对于所有加盟商管理的制度。还能够了解推出新品时的营销规划。这一能力结合了结构化数据分析和非结构化知识问答能力，从而赋能每个店长，让他们能够随时随地做出更科学的经营决策。
我今天带来了行业首发的《智能分析 Agent 白皮书》。这份白皮书深入探讨了智能分析 Agent 的定义、分类、技术架构以及创新能力。同时，通过实际案例展示了这一技术在各行业的应用情况。它揭示了智能分析 Agent 能够在企业中解决决策痛点，并且能够提升分析与决策的效率。
在这个时代，数据和 AI 成为了新的生产力。我们期望借助 AI Agent，让每一位打工人都能获取到即时的数据、迅捷的数据以及准确的数据。通过这些数据，能够为企业运营赋予力量。谢谢！
