數勢科技譚李：企業級AI應用不止ChatBI，拿到資料不等於拿到洞見|中國AIGC產業峰會

編輯部整理自凹非寺量子位 | 公眾號 QbitAI

當大模型改變人類資訊互動方式、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”，驅動業務決策全面升級？

大模型來了，萬物皆可Chat，但企業級AI應用的規範複雜得多，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瞭解決性方案。

數勢科技就是代表之一，他們透過SwiftAgent平臺，為企業打造隨時線上的“資料分析與決策平臺”，讓每一位業務人員都能像與專業分析師對話一樣，輕鬆獲取資料洞見，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，量子位對演講內容進行了編輯整理，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領域前沿峰會，20餘位產業代表與會討論。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

拿到資料不等於拿到洞見。要讓資料觸手可得，隨時隨地支撐決策分析。
三大趨勢加速新資料消費正規化：資料右移、決策下移、管理後移。
要讓不懂程式碼的業務人員能夠以最快的速度，以即需即給的方式獲取資料和事實。
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：

供需側都在迎來新正規化

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。作為中國企業級資料分析與智慧決策領域的AI Agent先行者，我們於2023年推出了SwiftAgent產品平臺，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，我們全程參與並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，我將重點與各位分享一個關鍵領域的創新：如何透過AI Agent技術推動企業資料分析與智慧決策能力的全面升級。

我將從三個方面展開討論，首先讓我們從行業宏觀視角審視資料分析與應用領域的過去、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網際網路公司或相對傳統的實體企業中，最優秀的企業也僅處於“當前”所示的水平：企業內10%的非技術人員在BI分析師和業務分析師的支援下，能夠即時獲取所需資料並進行日常分析決策。

然而，對絕大多數業務人員而言，經常遇到的問題依然是資料分析面臨大量的排隊，沒有辦法即時滿足資料消費需求。同時在應用場景價值方面，目前我們主要用於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，不止是老闆要用資料，不止是業務人員要用資料，還會有大量的Agents是資料消費的主體，這勢必會誕生一種新的資料建設或者資料消費的形態。

從資料分析角度來看很容易理解，拿到資料並不等於拿到洞見，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，而是要讓資料觸手可得，隨時隨地支撐決策分析。

現在有三個關鍵趨勢會從需求側加速新資料消費正規化的到來。

第一個“資料右移”。在資料的採集、儲存、加工、建模、消費整個鏈條上，隨著技術進步，資料工作的重心越來越往右移，以消費促治理、以消費驅動資料生產是當前主旋律。

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、貿易戰每天在打著，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資訊，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於資料及時、準確、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，大模型智慧大家消費不起，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，加之開源模型生態的蓬勃發展，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。

企業級分析智慧體正在崛起

下面我們從產業視角開啟看一下。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；
對於現有工作流的革新程度，是基於原來的工作流還是打造一個新正規化。

在這兩個維度下，很容易畫出這樣一張類似的圖，我們發現每個領域都有不同的創業公司競相追逐。我們數勢科技所在資料分析和決策的領域，相對而言是需要突破原來的傳統的資料分析和資料消費的正規化，同時是有高精準度要求的領域。

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，這對於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資料分析和決策的智慧體，我們把它叫做SwiftAgent，這個平臺核心解決四個層面問題：

第一個我們給到不懂程式碼的業務人員，讓他們能夠以最快的速度、即需即給的方式獲取資料和事實；

在此基礎上，SwiftAgent還能基於資料事實生成智慧歸因和深度洞察，告訴業務人員為什麼資料會呈現當下的情況，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、哪樣的商品型別，哪樣的一些渠道型別；

第三個層面是決策建議，因為對於業務人員來說未來要做資料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或者其他文件的方式，要用資料證實為什麼做出這樣的決策，智慧報告的生成尤其加上行業化知識的智慧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複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慧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釋出類似的圖。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資料做到資料就緒，大家經常講AI Ready Data，你如果讓大模型去到企業數倉和資料庫底表，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，拿不到你要的資料的，準確是一個問題。

第二個是效能和速度，沒有辦法讓業務人員等幾分鐘回來給到你答案，所以它其實就需要專業的資料語義引擎來完成資料就緒，數勢過去五年時間，一直打造在semantic layer這一層的資料語義引擎，核心要做的是讓企業原始資料按照行業和業務邏輯轉譯成為大模型能理解的AI就緒資料。

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。對於大模型不擅長的資料分析領域，比如說時間要素的識別：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確。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，同時也需要用到資料領域/分析領域決策的小模型，在這種情況下我們做到了“智慧就緒”。

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，第一個智慧問數，是指透過自然語言方式拿到想要的資料；第二個診斷歸因，洞悉每一個數據指標背後的各種維度、各種因子、各種關聯因素；第三個模擬預測，能夠對於未來的指標的走勢做相關的預測和模擬；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，企業級的用數許可權同樣重要，不能讓一線業務人員直接問到行長級別的資料。

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就可以完成資料分析，個人級別的應用確實沒有問題，但當我們聊企業級的應用時就會變得格外複雜。

下面是去年我們便已實現商業化合作的城商行專案，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，首先解決了資料洞察即時獲取難的問題，另外在關鍵的業務決策上，還能基於行業裡面的分析正規化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。中國餐飲連鎖競爭非常激烈，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資料分析Agent，讓他們能夠即時掌握經營動態情況，瞭解總部對於所有加盟商管理的制度以及推出新品時候的營銷規劃，這結合了結構化資料分析和非結構化知識問答能力，賦能每個店長隨時隨地做更科學經營決策的能力。