过去十余载,企业数字化主要依循SaaS、ERP等信息系统的发展轨迹,扮演着信息采集与搬运的角色。如今,Data x Al互相驱动的数字化新范式破浪而来,能自主思考、主动做事的AI正在重构企业生产力的上限。
4月9日,聚焦全栈金融AI2025阿里云AI势能大会——金融创新峰会顺利举办,会上瓴羊副总裁王赛以“Data x AI:双向赋能重构企业数字化生产力”主题,分享了如何利用AI高效生产、治理、运营数据,数据如何结合AI赋能业务场景两大问题,为企业构建新生产力体系“搭建”可行路径。
AI for Data:智驭数据,打造高效生产力引擎
微软CEO萨提亚·纳德拉曾大胆预言: AI Agent将替代所有SaaS。传统 SaaS 围绕数据库进行“增删改查”的业务逻辑,正被 AI Agent 重新解构与重塑。“用好AI创造企业价值,关键在于数据。”王赛表示,通过建立数字化系统(感知数据)、训练大数据(思考数据)、获取结果数据(实现数据)三位一体的路径范式,企业方能将AI潜能,转化为实实在在的企业价值。
在谈及如何打造高质量数据资产时,王赛提到,在AI时代,首先应当转变思维方式,需要站在AI的视角,以非结构化的视角重新看待数据。
“过去,数据主要供人或者程序消费,由于信息处理能力有限,结构化数据是提取关键信息、建立逻辑判断的有效方式”,王赛指出,因此过去大家长期关注数据质量的准确性、及时性、完整性等维度,并习惯通过ER模型来构建数据体系,这是一种典型的以“人”为中心的结构化思维模式。
但AI理解数据方式,与传统的人类逻辑大相径庭,其更侧重于语义、上下文与全局关联,因此更加需要非结构化、知识化的高质量数据。这意味着,即便是已有的结构化数据,也需被视为“非结构化”,并进行重新组织,以便转化为大模型能够理解和推理的“Token化”数据。在此基础上,让大模型“读懂”它们、理解它们,进而拥有思考和决策的能力。
Data for AI : 数据为本,AI赋能,护航业务行稳致远
拥有高质量、可被AI理解和调用的数据后,该如何系统化地让AI智能体“消费”这些数据,驱动业务创造价值?对此,王赛给出了三条清晰路径:通过数据服务、数据工具,以及应用Agent来实现。
首先,优化数据结构,提升AI Agent消费效率。
智能时代,我们需将企业内部积累的大量结构化经营数据,以更加智能和高效的方式呈现给AI Agent,方便其更加便捷地消费和使用。一个明显的变化是,过去是让机器去调用API,现在通过MCP协议,企业可以将现有的数据服务和API按照统一标准进行发布,AI Agent 无需复杂的调用路径,即可顺畅地理解、查询并利用数据。例如,通过Dataphin数据服务,业务数据将经历理解、编织、训练等一系列流程,而这一过程极大地提高了数据的可消费性和AI的决策效率。
第二,进化数据服务方式,通过智能工具实现数据消费。
以瓴羊商业智能(BI)工具Quick BI为例,已在实践中摸索出三种实现方式:智能问数,支持用户通过自然语言快速获取即时数据;智能报告,满足用户对长文本信息输出的需求;智能信息流,则通过钉钉、微信等工具,以个性化信息流的形式,将关键信息主动推送给业务主管、领导等不同角色。
如在金融+大模型场景,以瓴羊落地的银行智能驾驶舱为例,用户不仅可以通过提问获取固定报表,还能提取报表数据进行深入洞察和解读。更重要的是,AI成为了能够自主学习、发现问题、推进行动的“数字分析师”。正如王赛所言:“一个优秀的数字员工,不应仅是被动响应,而应主动洞察,为业务带来价值。”
第三,融合应用SaaS或Agent,实现智能数据消费的全面升级。
“我们可以看到,几乎所有的业务场景和企业应用都可以与Agent协同运作,进而实现数据与AI的双向赋能”,王赛表示,以瓴羊的智能客服产品Quick Service为例,其正通过三大能力重构服务场景:一是用AI替代传统人工,提升响应效率;二是引入智能工单机制,实现跨部门联动;三是构建数字人交互,提供更具沉浸感的客户体验。
“智能客服是AI在场景和应用层面,最大也最具创新潜力的出口之一。”王赛强调,智能客服解决了客服体系因外包搭建而面临的服务体验、能力稳定性欠佳的问题,未来有望从售后拓展至售前、营销等全链路,助力企业服务体系全面升级。
无论是智能客服、BI 工具,还是面向未来的 AI Agent,始终要回到最核心的问题——数据螺旋增长效应的建立。真正的 AI 原生应用,最重要的特征不是模型多强,而是能否持续地产生和利用数据反馈,形成正向循环。激活沉睡的数据资产是构建数据螺旋增长的第一步。以面试为例,过去通过文字记录完成候选人评估,而今保留语音记录,大模型即可生成更完整、更细致的分析。这些原本被忽视的数据,正因被收集、加工、反馈,逐步成为训练AI的优质燃料。如果说数据螺旋增长效应是上层建筑的核心,那么底层能力的延展,则需要通过Agent的互联互通来完成。企业不仅需要有一个 Agent 来解任务,更需要让多个 Agent 相互调用、协同处理复杂任务,真正构建企业级的智能系统网络。
基于这一逻辑,瓴羊正积极打造Agent Store。“Agent Store不仅是Agent的集合,更是数据、模型与应用能力的融合枢纽。”王赛表示,瓴羊通过构建可信的数据空间,打通数据供给、流通与交易机制,并与大模型能力、阿里商业形态深度融合,最终形成了Agent应用体系。当数据、大模型与Agent共同聚焦于具体场景,就能真正发挥其各自价值,实现AI在业务层的深度落地。
回望企业数字化的发展路径,从信息化到智能化,技术的每一次跃迁,都是认知方式的重构。而今,数据不再只是辅助决策的资源,而是企业演进为智能体的基础“能量场”;AI也不再只是算法工具,而是与数据螺旋增长协同驱动的新型生产力,只有在Data x AI的双轮驱动下,才能真正释放出AI时代的结构性红利。
