编辑部 整理自 凹非寺
量子位 | 公众号 QbitAI
当大模型改变人类信息交互方式、算力成本不断降低，一个关键问题浮现在每一位企业决策者面前：
如何让AI真正成为企业的“智慧大脑”，驱动业务决策全面升级？
大模型来了，万物皆可Chat，但企业级AI应用的规范复杂得多，不是简单的Excel+Chat就能完成。
在第三届AIGC产业峰会上，数势科技联合创始人谭李，指出了当下行业面临的挑战。
而AI Agent的出现为这一难题提供了解决性方案。
数势科技就是代表之一，他们通过SwiftAgent平台，为企业打造随时在线的“数据分析与决策平台”，让每一位业务人员都能像与专业分析师对话一样，轻松获取数据洞见，做出更明智的业务决策。
为了完整体现谭李的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。
中国AIGC产业峰会是由量子位主办的AI领域前沿峰会，20余位产业代表与会讨论。线下参会观众超千人，线上直播观众320万+，累计曝光2000万+。
话题要点
- 拿到数据不等于拿到洞见。要让数据触手可得，随时随地支撑决策分析。
- 三大趋势加速新数据消费范式：数据右移、决策下移、管理后移。
- 要让不懂代码的业务人员能够以最快的速度，以即需即给的方式获取数据和事实。
-
基础模型成本的显著下降(如DeepSeek)为企业级AI应用创造了可能性，预期还会进一步降低。
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，今天非常荣幸和大家做分享和交流，今天大会前面几位嘉宾做了很好的分享，我印象比较深刻的是微软刘炜清老师跟大家分享了科研助手，今天我给大家分享让每一个打工人今后都能够有一个数据分析与决策助手。
在正式分享前，请允许我简要介绍数势科技。作为中国企业级数据分析与智能决策领域的AI Agent先行者，我们于2023年推出了SwiftAgent产品平台，目前已服务数十家行业头部企业，包括多家世界500强和中国500强领军企业。
过去几年，我们全程参与并见证了众多企业的数字化转型历程。大模型技术的出现为整个Agent行业带来了前所未有的发展机遇和增长速度。今天，我将重点与各位分享一个关键领域的创新：如何通过AI Agent技术推动企业数据分析与智能决策能力的全面升级。
我将从三个方面展开讨论，首先让我们从行业宏观视角审视数据分析与应用领域的过去、现在与未来。
从这张图表可以清晰看出，即使在数字化程度领先的互联网公司或相对传统的实体企业中，最优秀的企业也仅处于“当前”所示的水平：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，能够实时获取所需数据并进行日常分析决策。
然而，对绝大多数业务人员而言，经常遇到的问题依然是数据分析面临大量的排队，没有办法即时满足数据消费需求。同时在应用场景价值方面，目前我们主要用于对过去事实进行陈述和原因性分析。
但是我们发现这远远满足不了企业数字化经营的需要。面向未来，不止是老板要用数据，不止是业务人员要用数据，还会有大量的Agents是数据消费的主体，这势必会诞生一种新的数据建设或者数据消费的形态。
从数据分析角度来看很容易理解，拿到数据并不等于拿到洞见，而且速度是最关键的，当我们做分析的时候，不能接受排队等待，而是要让数据触手可得，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“数据右移”。在数据的采集、存储、加工、建模、消费整个链条上，随着技术进步，数据工作的重心越来越往右移，以消费促治理、以消费驱动数据生产是当前主旋律。
第二个“决策下移”。以往企业每年每个季度做关键决策都是集中式的，现在分散式决策已经成为了必然，尤其在乌卡时代下，关税战、贸易战每天在打着，我们服务了一些出海的企业，他们每天都在及时吸收和消化大量信息，每天各个部门和业务单元都要做出非常敏捷的决策。
最后是“管理后移”。现在我们看到一些科技型企业以及数字化企业，他们不再给员工设置非常详细的各种业务规则，而是说我招到优秀的人给他好的命题让他自主发挥，管理的动作往往摆在后面。这样三种趋势进一步加剧大家对于数据及时、准确、敏捷的需求。
下面我们聊一聊供给侧现状。
我这画了一个简单的曲线，过去供给侧成本下不来，大模型智能大家消费不起，我们看到第一个突破点是DeepSeek的爆火给大模型基座带来数十倍的成本降低，在OpenAI等领先企业的技术推动下，加之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的事情。我们期待到明年再开这个会的时候，我们把这个数拉的更低、百万tokens成本降下来两个量级。
企业级分析智能体正在崛起
下面我们从产业视角打开看一下。我们用两个维度衡量各种AI Agent应用：
- 容错率
- 对于现有工作流的革新程度，是基于原来的工作流还是打造一个新范式。
在这两个维度下，很容易画出这样一张类似的图，我们发现每个领域都有不同的创业公司竞相追逐。我们数势科技所在数据分析和决策的领域，相对而言是需要突破原来的传统的数据分析和数据消费的范式，同时是有高精准度要求的领域。
我们都知道大模型的幻觉问题是需要大家花很多精力去解决的，这对于企业级分析决策落地非常关键。从2023年开始，我们花了大量时间和精力专注新一代以AI Agent数据分析和决策的智能体，我们把它叫做SwiftAgent，这个平台核心解决四个层面问题：
第一个我们给到不懂代码的业务人员，让他们能够以最快的速度、即需即给的方式获取数据和事实；
在此基础上，SwiftAgent还能基于数据事实生成智能归因和深度洞察，告诉业务人员为什么数据会呈现当下的情况，过去一个季度甚至过去一天订单量抖动的情况到底发生在哪样的业务单元、哪样的商品类型，哪样的一些渠道类型；
第三个层面是决策建议，因为对于业务人员来说未来要做数据分析的目的不是为了做分析本身，是为了要么做出一个决策，要么传递一个决策，载体是一个报告，可能写成PPT、word或者其他文档的方式，要用数据证实为什么做出这样的决策，智能报告的生成尤其加上行业化知识的智能报告就成为一个关键；
最后，我们关联决策动作，大家知道Agent有一个很重要能力是自主的长距离的复杂任务规划和执行能力，要把Action关联起来，这是我们说新一代面向企业做分析和决策的智能体应该有的四个非常核心的能力。
这张图展示了我们怎么从产品逻辑构建它，这应该是我们第一次对外发布，相信过几个月大家会看到市面上各种各样的厂商发布类似的图。我们核心第一做到零门槛用数，第二是零幻觉分析，第三是零等待决策，这里几个关键点跟大家做理解的分享。
第一个我们怎么样让企业级数据做到数据就绪，大家经常讲AI Ready Data，你如果让大模型去到企业数仓和数据库底表，用我们自然语言转成SQL语句方式取数的话，60%的情况都是不准的，拿不到你要的数据的，准确是一个问题。
第二个是性能和速度，没有办法让业务人员等几分钟回来给到你答案，所以它其实就需要专业的数据语义引擎来完成数据就绪，数势过去五年时间，一直打造在semantic layer这一层的数据语义引擎，核心要做的是让企业原始数据按照行业和业务逻辑转译成为大模型能理解的AI就绪数据。
第二个很重要的能力，行业里面聊的比较多，尤其是长距离任务过程中，会涉及到大小模型结合使用的情况。对于大模型不擅长的数据分析领域，比如说时间要素的识别：过去三个月到底包不包含本月？现在行业里面几个大模型都不见得回答的准确。再比如业绩分析的时候，怎么让大模型理解“业绩”这种相对模糊的自然语言精准地完成取数？这需要我们既要用到行业里面领先的大模型，同时也需要用到数据领域/分析领域决策的小模型，在这种情况下我们做到了“智能就绪”。
第三我们完成分析决策的时候涉及到非常多的技能要求。总结起来有几层，第一个智能问数，是指通过自然语言方式拿到想要的数据；第二个诊断归因，洞悉每一个数据指标背后的各种维度、各种因子、各种关联因素；第三个模拟预测，能够对于未来的指标的走势做相关的预测和模拟；第四个策略评估能力。
这四点是企业级产品做到分析决策里面非常核心的能力，除此之外，企业级的用数权限同样重要，不能让一线业务人员直接问到行长级别的数据。
行业里面大家经常会说ChatBI是让大家很容易想到的事情，大模型来了万物皆可Chat，今天聊万物皆可AI，大家说大模型来了万物皆可Chat，大家很容易的认为说Excel+Chat就可以完成数据分析，个人级别的应用确实没有问题，但当我们聊企业级的应用时就会变得格外复杂。
下面是去年我们便已实现商业化合作的城商行项目，这也是行业最早实现大模型分析Agent落地的案例。在这个案例里，我们的SwiftAgent是给到行里面大几十位分支行行长和部门主管使用，首先解决了数据洞察即时获取难的问题，另外在关键的业务决策上，还能基于行业里面的分析范式为具体的业务主管提供业务处理SOP和深度决策报告。
在金融场景外，我们的产品在零售行业也有广泛的应用。中国餐饮连锁竞争非常激烈，如何赋能每一个经营的业务单元？我们为店长以及管几十家店的督导提供了数据分析Agent，让他们能够实时掌握经营动态情况，了解总部对于所有加盟商管理的制度以及推出新品时候的营销规划，这结合了结构化数据分析和非结构化知识问答能力，赋能每个店长随时随地做更科学经营决策的能力。
最后，我今天也带来行业首发的
《智能分析Agent白皮书》，深入探讨了智能分析Agent的定义、分类、技术架构及创新能力，并通过实际案例展示了这一技术在各行业的应用，揭示了智能分析Agent如何在企业中解决决策痛点，提升分析与决策效率。
在这个数据和AI成为新生产力的时代，我们希望通过AI Agent让每一个打工人获得即时、迅捷、准确的数据，让数据赋能企业运营，谢谢！
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
