智能BI平台 AI

在今年4月的世界人工智能大会上，斯坦福大学教授吴恩达发出了一项振聋发聩的号召——他敦促所有从业者将注意力转向AI Agent。他强调：“AI Agent工作流将在今年推动人工智能取得巨大进展，甚至可能超越下一代基础模型的发展。这是一个极为重要且令人振奋的趋势，我呼吁所有人工智能从业者高度关注。”

作为企业服务领域中与AI关联最紧密的行业之一，BI行业目前也在积极拥抱AIGC技术，探索将LLM（大语言模型）、AI Agent、RAG（检索增强生成）和知识库等先进技术融入企业服务中，旨在更好地满足B端企业的复杂需求。通过解决这些问题，企业不仅能提升服务质量，还能增强客户的付费意愿，为自身创造更大的商业价值。

在这个快速变化的时代，AI Agent无疑将成为驱动未来发展的核心引擎之一。

就在本月，思迈特软件发布了第三代AI应用产品——Smartbi AIChat（中文名“白泽”）， 这款产品利用智能体AI Agent技术实现了产品能力的全面升级，并在分析方式上引领了行业变革。为此，「ToB行业头条」特别采访了思迈特软件创始人吴华夫先生。

“大模型对全球的影响堪比工业革命，这预示着新的产业变革。而从企业战略层面来看，智能BI将成为思迈特的第二增长曲线。”吴华夫透露，AI将彻底打开BI行业广阔的市场空间，帮助企业加速数智化转型，真正释放数据要素的价值，推动中国产业升级。

AI+BI颠覆行业

思迈特开启第二增长曲线

自从AI技术变革爆发以来，企业IT服务市场经历了深刻变革，特别是BI行业，已然成为AI的最佳落地场景。从互联网大厂到数据分析类公司，从传统BI厂商到初创公司，众多玩家正在加入这一赛道，探索AI+BI融合下行业价值变现的金矿。

“当前BI行业已经来到了一个新的起跑线。如何为企业带来更高的业务价值，是下一步行业竞争的关键。”吴华夫称，思迈特将智能BI作为第二增长曲线，在保证准确性、安全性的基础上，通过多年的行业积累及AI 技术的结合，实现公司业务差异化优势。

作为国产BI行业的领导者，思迈特是最早探索AI+BI融合的企业之一。早在2019年，Smartbi首度将AI与BI融合；2023年，Smartbi把之前申请了NLA专利更好地产品化，发布了Smartbi对话式分析大模型版本；近期，思迈特发布最新自研的第三代AI应用产品——Smartbi AIChat，名为“白泽”—— 意为知晓万物。

通过产品演示我们可以看到，白泽在异常分析、归因及预测等高级分析能力上有显著增强。

当用户输入指令“查询2023年10月的销售合同总金额”，后续还可以要求“对比过去三年的同月数据”，并要求它挖“2023年合同金额下降的原因”，Smartbi AIChat就会根据过往历史数据和最新市场信息，结合行业总体的发展情况，自动分析产品类型、销售渠道、客户类型、促销活动等维度，找出背后的深层原因，或者预测未来的合同金额，并根据数据反馈提出精准的建议。

而如此智能表现的背后，是思迈特将最前沿的AI技术（RAG+LLM+AI Agent架构）与Smartbi的BI能力（可视化分析、机器学习与数据模型等能力）的强强结合。

前者基于大模型，通过用户与人工智能代理的多轮对话互动，结合上下文语境，更好地理解用户的意图。后者基于思迈特特殊的数据模型、指标模型等能力，提升响应的速度和分析深度。

据了解，目前客户对于这一产品给出了非常积极的反馈，在企业落地后，BI应用的活跃度正在持续上升，用户获得了“超越常规分析之外的惊喜”。

而这，正是智能BI的巨大潜在价值。“在AIGC技术融合下，BI的市场普及率/渗透率，有望从目前不到10%攀升到70%、80%，甚至更高。”吴华夫大胆预测。

这一观点也得到了市场研究的认同。根据IDC最新发布的《中国商业智能和分析软件市场跟踪报告，2023H2》显示，2023下半年，中国商业智能与分析软件市场规模为5.2亿美元，同比增长为3.7%。根据最新一期五年预测，市场增速将在2025年恢复到高点。预计到2028年，中国商业智能软件市场规模将达到17.4亿美元，未来5年市场年复合增长率（CAGR）为13.7%。

Smartbi AIChat

如何助力企业释放数据想象力？

技术日新月异，几乎没人能精准预言明天。但我们仍然可以从只言片语中，看到一些未来的“风向”。

最近，谷歌前CEO施密特在斯坦福的一场演讲中预测，明年（AI领域）上下文窗口扩展、代理和文本到操作的组合，将会对世界产生巨大的影响。

无独有偶，Smartbi AIChat的设计理念跟施密特的预测不谋而合。

从上述图表可以看出，白泽的整个智能体由规划器（Planner）、执行计划（Plan）、代码解释器（Code Interpreter）、Smartbi Plugins（插件）和记忆体（Memory）组成。

当用户提出问题时，白泽就像一个聪明的助手，首先会用规划器仔细理解问题的意思，然后制定出详细的行动计划，并将一个大任务分成几个小任务来逐一完成。同时，每个小任务都会用到一种特殊的工具来编写代码，这个工具会利用公司内外的各种知识和信息，比如一些智能的分析工具和示例，来生成Python代码。

接下来，系统会根据任务的不同，用两种方式来处理计算。一些计算会在Smartbi的指标模型中计算，而另一些则需要用到Python去做库外计算。这种分工合作的方式，可以让我们处理各种复杂的计算任务，比如综合不同数据源甚至外部知识一起分析，预测原因等。既能保证分析的准确性和深度，又能快速地回答复杂的问题。

当所有的小任务都完成后，系统会把每个任务的结果汇总起来告诉白泽，白泽再把这些结果整理好反馈给用户。这样，用户就能得到一个全面而准确的答案。

值得注意的是，这一设计架构中有两个“独家武器”，也是思迈特对比互联网大厂通用大模型，所具有的核心优势。

一是Smartbi AIChat封装了Smartbi的应用插件。思迈特凭借过去十余年服务5000多家客户，积累了众多主流行业和典型业务场景应用模版。这些知识以指标模型为载体，将金融、政府、制造、医疗、零售、教育等多个行业的Know-how，沉淀并封装为插件。

因此，中小型客户无需从零开始进行繁琐复杂的需求沟通，开场只需要选择符合自己需求的指标模型，再根据自身需要对指标模型进行删减和适配，就能上线系统，初次使用就可以到百分之八九十的准确度，在短时间内实现“定制化解决方案”的效果。

二是Smartbi AIChat采用了RAG检索增强技术。

在大模型落地企业服务场景之初，最令人头疼的是大模型幻觉问题。

比如，面对“9.11和9.9哪个更大”的简单问题，国内外主流大模型统一翻车，认为9.11比9.9大。专业人士不得不出来解释，这类对于普通人来说的常识性问题，对于大模型来说，却需要进一步明确场景——比如明确告知大模型两个数字都是浮点数（实数）。

再比如，面对“第一个在月球上行走的人是谁？”的问题，大模型回复“Charles Lindbergh在1951年月球先驱任务中第一个登上月球”。实际上，第一个登上月球的人是Neil Armstrong。

如果是C端消费级场景，大家或许还能一笑置之。但在B端企业服务场景，你能想象在全体经营大会上数据出错的场景吗？

为了避免AI“一本正经胡说八道”，目前最常见的解决思路是收集高质量事实数据，结合专业的知识库/数据库，直接通过应用插件预置到大模型的提示中，多次迭代检索，允许整个生成过程不断收集知识，从而获得更加专业和准确的答案。

白泽采用的解决方式就是使用指标维度替代表和字段，将指标模型、客户私有化业务知识、业务规则、用户反馈等都加载到向量库中。然后通过全面RAG增强检索，将检索到的信息注入到 LLM 提示中，从而获得更精准专业的结果。

整个规划和执行的过程，都记录在记忆体中。随着企业使用频率越高，智能体还会根据记忆不断迭代优化，实现“越用越聪明”。

谷歌前CEO施密特上述演讲还提到，技术发展的未来趋势可能是“人均拥有一个程序员”。

“如果你可以从任意语言转换为任意数字命令，这在本质上就是这个场景中的 Python。想象一下，地球上的每个人都有自己的程序员，他们实际上做他们想做的事情，而不是那些不按要求工作的程序员。这里的程序员知道我在说什么。想象一个不傲慢的程序员实际上做了你想做的事，而你不必付出高昂的代价。而这些程序员的供应是无限的。”

这一想象与思迈特的目标一致。“工具其实是会限制人的想象力的。但我们希望通过白泽这样一个数据助理，我们能帮助企业充分的发挥数据价值，释放数据想象力，让企业可以利用数据分析去做创新。”

据吴华夫介绍，白泽的下一个版本将聚焦如何将AIGC赋能BI开发者，实现"一句话构建一套BI系统"，预计将于今年年底启动内测。