作者 | 李扬

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。欢迎您阅读全文，enjoy～

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”。新能源车的普及是客观基本面没错，并不以人力而改变。这样的分析结果并不帮助解答如何降低赔付率，或者如何降低处理赔付的成本，仅是指明了下一步优化探索的方向，而时间已经花费好几天。可见传统报告不能解决持续追问、多轮探索、追查问题根因的需求。这些都超出了传统协作套路中分析师的任务范围。

因此，新一代智能数据产品能够帮助领导交互式地探索关键数据，通过层层追问，帮助领导跳过人为筛选，直接获取并排查关键数据，大大提升决策效率。

以国内某头部绿色能源制造企业为例，我们正依托 Kyligence 三大产品线，通过推动数据标准化、决策指标化与数据知识化，在质量监测等场景中，显著提升了企业管理 SOP（标准操作流程）的自动化执行能力。

不过，仅服务于领导群体的局限在于，它只是辅助了本就具备决策能力的人，而非实现从“不能”到“能”的根本性突破。毕竟，领导原本就拥有更完整的数据和团队支持。

服务「数据分析师」？但... 专家有担心

△ 本图由 AI 生成

AI 数据智能体对「数据分析师 / 专家」当然有帮助，但并非最大的帮助。

提升工作效率：分析师本就熟练掌握 BI 工具、SQL 或编程语言，AI 在这类场景中的价值主要体现在效率提升，其效果取决于具体业务的复杂程度。短期看来，如果人类专家的水平是 80 分，AI 目前只能做到 60 分甚至更低，给到人类专家的帮助比较有限。

管理角度的危和机： 一些分析师可能会对 AI 的推广感到危险，担心被替代。甚至在心理上潜意识中抗拒 AI 的落地和推广。但放长来看，有 AI 在简单工作上的助力，被解放的专家将有机会去做更多更复杂的分析工作，这里有对个人来说前所未有的机会。

以报案率和赔付率为例，若 AI 迅速发现主要原因是新能源车推广增加，分析师便能腾出更多时间深入挖掘次要因素，比如三线城市的新能源普及率并不算高，但报案率依然上升，多半有其他原因。过去，分析师往往无暇顾及此类细节。而现在，领导能在一天内通过 AI 获得结论，分析师则多出四天时间，在业务运营、优化和归因等方面开展更深入、更全面的研究。从而提升业务能力的上限。

我认为，这就是 AI 时代数据分析师的新角色——提升整体业务能力的上限，进行更深更广的业务分析。

△ Kyligence AI 数据智能体能力演示

以某西式快餐巨头为例，在一次“疯狂星期 X”促销活动后，某地门店出现鸡肉卷销量大涨、冰淇淋销量下滑的异常情况。复盘会上，市场总监现场提问，Kyligence AI 数据智能体在 10 秒内自动完成归因分析，快速识别主因。相比过去依赖分析师使用 SQL 和 Excel 手工分析、耗时 4 小时以上的流程，如今效率实现质的飞跃。分析师因此获得更多时间，展开更多在主因之下的次因、次次因的调研和分析。

就像大数据技术能将分析对象细化到每位顾客，实现千人千面的精准营销，AI 技术则能解放人类专家的精力，让他们在更多业务细分领域深入探索，推动新一轮数据驱动的业务创新。

服务「业务人员」？从 0 到 1 的结构性突破

△本图由 AI 生成

让没有数据分析技能的普通人也能用上数据，这才是 AI 数据智能体最大的价值所在，也是“从 0 到 1”的巨大突破。

企业普遍认为，过去由于技术人员不足，大量的用户数据需求无法得到满足，而现在，AI 能够解决这一痛点，让数据普惠大众。与领导和专家不同，这批一线的业务员在过去无法自由的用数（受限于技术和成本），是数字化决策和数字化创新的空白地带。他们不仅人数众多，可以占员工整体的 70%，还往往是企业中直接与客户打交道的人，是整个组织业务金字塔结构里坚实的底盘。通过 AI 用数来点亮这个广大的群体，是数据赋能在企业中结构性的突破，潜力不可限量。例如，Kyligence AI 数据智能体的核心能力之一在于“结合直观的业务指标语言与 AI 能力”，确保在智能问数、归因分析、报告撰写和智能决策等关键环节，输出结果具备准确性、可靠性和可解释性。目前，该产品已依托多业务场景，上线销售运营、市场营销、风险管控等多重垂直场景助手，更好助力不同部门的企业员工。

以一家大型金融企业为例，该公司拥有逾万名销售人员和千余名管理小队长。借助 Kyligence AI 数据智能体，核心目标是降低数据使用门槛、提升管理和决策效率。对销售人员而言，传统的数据模型和数据表门槛较高，而现在他们可以通过自然语言查询关键指标，与管理层实现数据驱动的对话。例如，销售运营团队的成员即便不擅长 Excel 和报表工具，但他们了解自身的考核 KPI，如拨打连通率、通话时长、拨打频次等。在统一的指标系统中，每个人都能清晰看到个人与团队的成绩表现及对应奖励。目前的直接成效已实现分析归因时间由 2–3 天缩短至 20 分钟，区域材料准备从 5 天压缩到 2 小时内。

不过，我在不少场景中遗憾地看到，这种门槛降低所带来的价值往往被低估，甚至被忽视。

专家是数据分析技能树中的前 10% 人群，他们很难理解，如此“简单”的事情，有 70% 甚至更多的人仍然无法做到。对普通人而言，他们可能无法在几百行、多个分页的 Excel 表格中找到自己关心的内容，但在 AI 数据智能体中，他们可以用自然语言直接查询考核 KPI，更加直观地理解业务指标，还能主动进行信息分享和运营动作。

也正因如此，我们更应该关注普通人的用数体验。用 AI 数智点亮组织结构的广大基层，也意味着企业的用数能力发生了结构性改变，显著提升精细化运营中核心业务的数据使用率。

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。这将是推动企业实现深层次数智化转型的关键一步。

关于 Kyligence

跬智信息（Kyligence）由 Apache Kylin 创始团队于 2016 年创办，是领先的 Data+AI 公司，为企业客户提供大数据分析平台、AI 智能分析平台等相关产品和解决方案，以 AI 赋能全民用数，帮助企业充分利用数据价值，加速数智化转型。

Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户，包括建设银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife 等全球知名企业，并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence 获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本、歌斐资产、国方资本等机构多次投资。

华新精科成功登陆上交所主板，无锡市A股上市公司增至125家9月5日，位于无锡江阴市的华新精科(603370)成功登陆上交所主板，成为无锡市年内第三家A股上市公司。华新精科此次公开发行股票4373.75万股，申购价格为18.6元/股，实际募集资金8.14亿元。募集资金将用于补充流动资金及投向新能源车用驱动电机铁芯扩建项目和精密冲压及模具研发中心项目