Kyligence AI 数据智能体自推出以来,已在金融、零售、制造等行业的客户实际业务中落地,带来了诸多超出预期的变化。Kyligence 联合创始人兼 CTO 李扬近期也在内部交流中,围绕两个核心问题分享了他的思考:AI 数据智能体究竟在为谁服务?它能为用户带来哪些真正可见的转变?这篇文章,或许能引起一些共鸣。
代表观点:
- 我们的目标很明确:AI+数据分析,必须服务企业中 70% 以上的非技术人员——也就是广大业务人员和职能线同事。
- 为什么要服务大众?因为这带来了用数能力的结构性变革,用 AI 数智点亮组织结构的广大基层,显著提升精细化运营中核心业务的数据使用率。
- 新一代智能数据产品可帮助领导交互式地探索关键数据,通过层层追问,跳过人为筛选,直接获取并排查关键数据,大大提升决策效率。
- AI 时代数据分析师的新角色——提升业务数字决策能力的上限,进行更深更广的业务分析。常规的基础的业务数据分析能力将由 AI 来完成。
- Kyligence AI 数据智能体的愿景,就是让数据能力真正普惠到企业的每一个角落,帮助更多业务人员掌握数据、用好数据,在日常决策与管理中发挥更大价值。
正文分享:
最近,AI 数据智能体(Data Agent)逐渐成为我们与客户探讨的核心议题。在与来自银行、保险、零售、制造等行业的企业深入沟通时,我切实感受到业务场景与 AI 融合所释放的巨大潜力,也从实践中收获了不少启发。当前人工智能行业话题热度高涨,整理了一些最新观察与思考,欢迎进一步探讨。
AI 数据智能体究竟服务于谁?
回顾数据分析产品和数字化平台的发展历程,它们往往高度依赖技术人员介入,部署和培训过程也相对繁琐。
那么,在 AI 的加持下,Data Agent 这类应用真正应该惠及谁?在我们这个领域,我经常遇到三类人群:管理层领导、数据分析师/行业专家,以及非技术型的业务人员。谁更需要 AI 的帮助,帮助谁更能提升企业的整体竞争力?
早在 2023 年,我们就结合大语言模型推出了 Kyligence Copilot,率先上线了 AI 问数、深度归因分析、洞察决策等能力。那时候我们的目标就很明确:AI+数据分析,必须服务企业中 70% 以上的非技术人员——也就是广大业务人员和职能线同事。因为领导有支持团队,本来就不缺数据分析能力。专家自身就是能力者,AI 对于他们是锦上添花。只有对广大的普通业务人员,AI 带来了 0 到 1 从“不能”到“能”的数字决策能力,激发了一线业务的数字创新力。这也是对软件服务商来说最大的机会与价值所在。
服务「领导」?但...领导有团队
△ 本图由 AI 生成
「领导层」无疑是 AI 数据智能体的受益者。传统的工作模式下,领导往往面临以下挑战:
- 数据客观性受限: 下属提供的数据可能带有主观筛选,或受限于对领导布置任务的理解程度,不够客观和全面。
- 报告的低时效性: 人工找数和撰写报告耗时较长,如果数据分析整理花费了几天甚至一周,可能错过决策的最佳时间窗口。
- 报告无法回答“下一个”提问:报告篇幅很长,但不一定包含决策所需的所有线索。有时第一批数据会指向第一方案并不可行,进而开启第二、第三方案的讨论,此时的追问往往难以当场得到满意答复。还会出现报告范围通常较窄,无法覆盖领导更宏观的战略思考维度情况。
我曾看到一家大型保险公司的案例,他们的“综合赔付率”指标需要逐级下钻:从汽车、房产等二级维度,进一步细分至燃油车、新能源车等,往往要深入五层才能定位问题根源。这种层层追问不仅耗时(可能需要三五天才能完成报告),更关键的是,最终产出的三四十页分析报告,仍是分析师基于个人理解筛选数据后的产物。比如某次关于赔付成本的报告认为“新能源车成熟度低,导致报案率上升,赔付率上升,最后赔付成本上升”。新能源车…