当AI科学家、神经网络之父杰弗里·E.辛顿（Geoffrey E. Hinton）成为这一届诺贝尔物理学奖获得者时，全世界的目光都再一次放在了AI技术上。

但诺奖表彰的是一种技术的开创价值，而当我们想要在产业界看到AI落地的趋势时，仍然需要关注业务场景中的具体应用。只有经验老道的、积累了丰富业务经验的“行家”，才能面向生产力的实际需求，打造出精准有价值的产品。

三个月前，国内知名BI服务商思迈特正式推出基于AI Agent的新一代智能BI产品——Smartbi AIChat白泽。

AI Agent（智能体，或称人工智能助理），一句话概括，就是一种将大模型、规划和控制、记忆等能力综合起来的智能体，可以像员工一样最大程度调动企业内部的信息和工具，自主或帮助员工完成任务。它被麦肯锡等咨询机构视为最高级的AI产品形态之一。

因为，它真正融合了一个系统内的业务知识，又有简便的交互方式，可以轻松执行任务，实现可用、易用、客户乐用的成果。

而为了达到这种效果，AI Agent的落地，一定需要技术和行业两个方面的积累。

11月，思迈特迎来了13周年司庆。在它所处的领域，由人工智能技术、BI技术、行业经验共同构建的铁三角，正在协同推动一场生产力的进化。

让“AI+BI”更懂业务，头部厂商养成“模范生”

作为一款智能问答式BI产品，白泽可通过自然语言对话式查询与交互，满足用户的复杂数据计算、归因预测及数据解释、复杂嵌套式查询等多种数据分析需求。

这不禁让人发问，在BI领域率先实现突破的，为什么是思迈特？白泽背后的“铁三角”，又意味着什么？要找答案，可以把目光转向海外AI Agent产品的发展。

今年以来，海外AI Agent进步很大。帮助用户开发轻量级AI Agent、并集成到Salesforce等系统的DevRev，拿下1亿美元A轮融资。企业内部数据文档搜索Agent的开发商Hebbia，年中收获1亿美元B轮融资。微软也在今年推出了Copilot Agent，微软认为，新的Agent更注重为用户量身定制服务。

图源：ABACUS.AI

以上产品存在一些共通的特点，比如垂直一定领域，专注用户业务系统内的数据信息，试图基于这些数据，帮助用户在自己的业务场景里更好地执行一些操作。

Hebbia公司曾经给过一段很有内涵的介绍：Google只能搜索全球4%的数据，剩下96%在哪？都在各大企业内部自己的生态中。AI Agent产品，正是要在这方面打破壁垒，创造价值。

到了思迈特所处的BI领域，一切变得更加顺理成章：当其他持有AI技术的企业想方设法切入企业核心业务流程时，BI这一产品形态，天然地扎根于企业生态之上。所谓BI，不正是利用软件工具和系统对企业组织内外的数据信息进行分析，以最快最精准地辅助决策的系统吗？

思迈特在长期的业务实践中，已积累强大的BI能力，包括可视化分析、指标模型、数据模型等方面。从指标分析和管理体系的建设，到丰富的分析工具，再到平台层面各个环节的打通，思迈特有丰富的应用经验。

而在叠加AI技术后，AI需要的养分，BI都能提供；BI需要的深度智能，AI也能慷慨解囊。这解释了为什么思迈特能成功打造“AI+BI”的代表性应用。

首先，思迈特有丰富的行业Know-how，这是一种宝贵的无形资产，也是AI应用的基础。我们知道，AI的推理能力需要基于给定的信息资源，如果缺乏这种行业积累，会导致无法让产品打破浅层推理的窘境，自然无法真正满足客户需求。

此外，行业Konw-how和AI是相互促进的，AI会在这种应用范式中“学会”更多行业知识，掌握更有助于企业实现战略目标的商业智能。相比业外技术厂商，思迈特在这方面明显领先。

其次，思迈特对AI的探索同样领先。自2019年首次实现人工智能与数据分析的融合后，思迈特持续精进能力，在生成式AI兴起后，迅速集结资源打造了Smartbi对话式分析大模型版本，为推出Smartbi AIChat奠定了模型基础。

最后，思迈特对产品价值和行业需求的理解非常精准，可以给使用Smartbi AIChat的用户提供最适合的服务。

比如，Smartbi AIChat封装了Smartbi的应用插件，而这些应用插件是如何诞生的？正是思迈特把过去十余年服务5000多家客户积累的主流业务场景应用模板和知识信息，凝聚嵌入指标模型后封装而成的。这样一来，中小型客户甚至可以做到开箱轻松改、改完就能用。

这就是Smartbi AIChat难以替代的亮点：真正面向生产力，做到可用、易用、客户乐用。

瞄准生产力需求，做用户用得上的“AI+BI”

在功能性方面，Smartbi AIChat对BI与Agent融合的探索，很明显地解决了几个关键问题。最典型的是，大模型常规应用经常产生的幻觉问题。这在企业业务中显然是不可接受的失误。

普通用户可能使用过kimi、bing之类C端的大模型产品，它们难逃幻觉的制裁。哈工大和华为曾在联合发表的一篇论文中指出，幻觉有事实性幻觉——单纯的信息错误，以及忠实性幻觉——大模型推理出错这两种情况。幻觉出现主要是因为数据源、训练过程和推理三个方面存在问题。

例如，询问模型今年下半年有何重点新闻时，它可能会抓住“下半年”这个关键词，但却忽视“今年”，从而给出一份2023年下半年的总结。这就是推理过程偏离了用户指令。

而作为一个面向生产力的系统，Smartbi AIChat巧用RAG检索增强技术，规避了这些缺陷。RAG意为Retrieval-Augmented Generation，检索增强生成，也就是基于企业内部的知识数据进行一系列工作，这也符合BI的产品特性。

Smartbi AIChat将业务知识、业务规则、用户反馈、基于业务的指标模型等要素都载入向量库，整个生成过程持续收集最新的知识，边用边升级，越用越聪明。

同时，这种有深度的调用也最大程度实现了对企业数据的挖掘，解决了数据信息的长尾价值问题；由于AI的加成提升了BI的分析能力，解决了高级分析的水平问题等等。

于是，Smartbi AIChat的能力得到了极大的丰富，叠加高效的自然语言交互能力，使其更加适应企业内部不同岗位用户的需求和场景，从而能够充分发挥其功能。

例如，一线业务人员希望了解某些多指标间的关系数据，关于“同比”、“累计”、其他部门数据与本部门差异之类的细节，Smartbi AIChat都可以基于时间进行智能计算，无需业务人员再向IT提报单独新增一个指标或者看板，大大节省了时间。

这一点，与思迈特合作的某大型证券企业感触颇深。据悉，其业务人员在Smartbi AIChat上线后，使用自然语言也可以查询复杂字段和实体组成的数据结果。

例如，“2024年1月4日，现金资产超过1万且贷款金额少于1万的客户的学历、总资产和总负债情况”中的所有实体，经过向量匹配、大模型精排、调用数据模型返回相关视图等步骤后，最终调用代码解释器生成代码执行，给业务人员一个清晰的结果，无需再等待开发介入。

而对技术人员来说，当需要整理分析大批量的数据分析，甚至进行更进一步地开发作业时，Smartbi AIChat几乎可以做到随时随地向用户进行整理分析，给出结果。技术人员不再需要繁琐的编写规则语句、更改界面，用自然语言即可调动白泽的能力。

最后，管理层或者老板则可以通过Smartbi AIChat一次看遍公司数据情况。不管是层层嵌套的复杂业务情况，还是一些沉睡了很久的老数据，Smartbi AIChat都可以将其剖析得明明白白，并用多重图表方式灵活展现，真正做到即时了解公司的经营情况和环境变化。在上述证券企业案例中，管理者可以不再局限于驾驶舱指标，而是能更全面地看透公司经营状况，做出科学决策。

由此可见，Smartbi AIChat让数据分析成为了一件低门槛高效率的业务工具，让人乐于从数据出发做可靠决策，提升了生产力。

据悉，就在本月，国内领先的AI厂商智谱也官宣思迈特为其重要战略合作伙伴。我们很高兴看到BI厂商与大模型厂商的深度合作，这意味着AI技术真正赋能业务还有更大的想象空间，BI的迭代将有更多来自AI产业的力量支撑。目前，在应用方面，思迈特已与十余家头部AI厂商及软件厂商达成战略合作，与上百家ISV厂商签订OEM合作协议。思迈特的产品能力与经验，正在和头部合作伙伴的产品和服务发生共鸣，进一步为终端用户提供创新的数据应用价值。思迈特在生态合作领域的优秀表现，也获得了国际著名分析机构IDC的认可，成为BI领域唯一荣获2024“IDC中国生态创新奖项”的厂商。

塑造第二曲线，思迈特为AI应用普及探路

不难看出，思迈特依托技术+场景/产品理解的双重优势，掀起了一场以技术先进性和“懂行业”为核心的应用革命。但这可能还不是全部。智能BI的内涵其实非常丰富，思迈特还有很大的拓展空间。

图源：思迈特

一方面，当前Smartbi AIChat提供的多元化能力是智能BI的一个表现。它是仪表盘和报表的进阶升级，能分析异常数据、归纳业务走势，从展示业务到理解业务再到决策业务，这个过程对客户的价值已经实现层层强化。

另一方面，Agent的本质是针对业务积累，用标准化的数据能力解决人类的非标行为需求。那么，融合了Agent形态的BI，可能会在未来的进化中逐渐迭代为更复杂的解决方案，而非一种工具。

曾任Facebook首席技术官、Salesforce联席首席执行官的布莱特·泰勒（Bret Taylor），目前正在执掌一家估值达到40亿美元的AI Agent创业公司Sierra。Bret认为，企业运用AI转型最大的支出其实集中在“最后一公里”，即有需求但无法构建相应的应用，结果不得不花费大资源去做对业务本身没什么价值的事情。

这种情况很可能在未来得到改善。例如思迈特的下一步就是聚焦BI开发者，用AI的能力，帮助开发者用自然语言高效建立BI系统。这样一来，企业数智化转型将更轻松，最后一公里的问题也有望得到解决。Smartbi AIChat的成功经验可以证明，思迈特的创新意识、行业经验和产品化能力，是有机会给行业闯出一条路的。

最近，有36氪等行业媒体报道称，国内AI行业已有独角兽公司开始放弃单纯的模型训练，业务转向AI应用。无独有偶，硅谷角色扮演类明星AI企业Character.AI，也在8月宣布放弃预训练，采用第三方模型支持自己的业务。

从中不难看出，AI的价值是无法从早期大模型参数内卷中实现的。没有差异化的应用，没有和人、场景深度交互，AI就会变成空中楼阁。

所以，我们可以大胆假设，当前不少火热的AI应用产品选择C端的“助手”，是因为AI Agent的发展有太多门槛。而Smartbi AIChat的诞生，则说明思迈特已经迈过了产品化的门槛，开始探索更缜密的解决方案。

未来，在“（AI+BI）x需求”这条价值公式的逻辑下，思迈特将持续拓宽AI时代的数智化之路，用智能BI帮助更多企业掌握生产力，夯实自身第二增长曲线，并为行业打破天花板，看见新未来。