過去十余載,企業數字化主要依循SaaS、ERP等信息系統的發展軌跡,扮演著信息采集與搬運的角色。如今,Data x Al互相驅動的數字化新范式破浪而來,能自主思考、主動做事的AI正在重構企業生產力的上限。
4月9日,聚焦全棧金融AI2025阿里云AI勢能大會——金融創新峰會順利舉辦,會上瓴羊副總裁王賽以“Data x AI:雙向賦能重構企業數字化生產力”主題,分享了如何利用AI高效生產、治理、運營數據,數據如何結合AI賦能業務場景兩大問題,為企業構建新生產力體系“搭建”可行路徑。
AI for Data:智馭數據,打造高效生產力引擎
微軟CEO薩提亞·納德拉曾大膽預言: AI Agent將替代所有SaaS。傳統 SaaS 圍繞數據庫進行“增刪改查”的業務邏輯,正被 AI Agent 重新解構與重塑。“用好AI創造企業價值,關鍵在于數據。”王賽表示,通過建立數字化系統(感知數據)、訓練大數據(思考數據)、獲取結果數據(實現數據)三位一體的路徑范式,企業方能將AI潛能,轉化為實實在在的企業價值。
在談及如何打造高質量數據資產時,王賽提到,在AI時代,首先應當轉變思維方式,需要站在AI的視角,以非結構化的視角重新看待數據。
“過去,數據主要供人或者程序消費,由于信息處理能力有限,結構化數據是提取關鍵信息、建立邏輯判斷的有效方式”,王賽指出,因此過去大家長期關注數據質量的準確性、及時性、完整性等維度,并習慣通過ER模型來構建數據體系,這是一種典型的以“人”為中心的結構化思維模式。
但AI理解數據方式,與傳統的人類邏輯大相徑庭,其更側重于語義、上下文與全局關聯,因此更加需要非結構化、知識化的高質量數據。這意味著,即便是已有的結構化數據,也需被視為“非結構化”,并進行重新組織,以便轉化為大模型能夠理解和推理的“Token化”數據。在此基礎上,讓大模型“讀懂”它們、理解它們,進而擁有思考和決策的能力。
Data for AI : 數據為本,AI賦能,護航業務行穩致遠
擁有高質量、可被AI理解和調用的數據后,該如何系統化地讓AI智能體“消費”這些數據,驅動業務創造價值?對此,王賽給出了三條清晰路徑:通過數據服務、數據工具,以及應用Agent來實現。
首先,優化數據結構,提升AI Agent消費效率。
智能時代,我們需將企業內部積累的大量結構化經營數據,以更加智能和高效的方式呈現給AI Agent,方便其更加便捷地消費和使用。一個明顯的變化是,過去是讓機器去調用API,現在通過MCP協議,企業可以將現有的數據服務和API按照統一標準進行發布,AI Agent 無需復雜的調用路徑,即可順暢地理解、查詢并利用數據。例如,通過Dataphin數據服務,業務數據將經歷理解、編織、訓練等一系列流程,而這一過程極大地提高了數據的可消費性和AI的決策效率。
第二,進化數據服務方式,通過智能工具實現數據消費。
以瓴羊商業智能(BI)工具Quick BI為例,已在實踐中摸索出三種實現方式:智能問數,支持用戶通過自然語言快速獲取即時數據;智能報告,滿足用戶對長文本信息輸出的需求;智能信息流,則通過釘釘、微信等工具,以個性化信息流的形式,將關鍵信息主動推送給業務主管、領導等不同角色。
如在金融+大模型場景,以瓴羊落地的銀行智能駕駛艙為例,用戶不僅可以通過提問獲取固定報表,還能提取報表數據進行深入洞察和解讀。更重要的是,AI成為了能夠自主學習、發現問題、推進行動的“數字分析師”。正如王賽所言:“一個優秀的數字員工,不應僅是被動響應,而應主動洞察,為業務帶來價值。”
第三,融合應用SaaS或Agent,實現智能數據消費的全面升級。
“我們可以看到,幾乎所有的業務場景和企業應用都可以與Agent協同運作,進而實現數據與AI的雙向賦能”,王賽表示,以瓴羊的智能客服產品Quick Service為例,其正通過三大能力重構服務場景:一是用AI替代傳統人工,提升響應效率;二是引入智能工單機制,實現跨部門聯動;三是構建數字人交互,提供更具沉浸感的客戶體驗。
“智能客服是AI在場景和應用層面,最大也最具創新潛力的出口之一。”王賽強調,智能客服解決了客服體系因外包搭建而面臨的服務體驗、能力穩定性欠佳的問題,未來有望從售后拓展至售前、營銷等全鏈路,助力企業服務體系全面升級。
無論是智能客服、BI 工具,還是面向未來的 AI Agent,始終要回到最核心的問題——數據螺旋增長效應的建立。真正的 AI 原生應用,最重要的特征不是模型多強,而是能否持續地產生和利用數據反饋,形成正向循環。激活沉睡的數據資產是構建數據螺旋增長的第一步。以面試為例,過去通過文字記錄完成候選人評估,而今保留語音記錄,大模型即可生成更完整、更細致的分析。這些原本被忽視的數據,正因被收集、加工、反饋,逐步成為訓練AI的優質燃料。如果說數據螺旋增長效應是上層建筑的核心,那么底層能力的延展,則需要通過Agent的互聯互通來完成。企業不僅需要有一個 Agent 來解任務,更需要讓多個 Agent 相互調用、協同處理復雜任務,真正構建企業級的智能系統網絡。
基于這一邏輯,瓴羊正積極打造Agent Store。“Agent Store不僅是Agent的集合,更是數據、模型與應用能力的融合樞紐。”王賽表示,瓴羊通過構建可信的數據空間,打通數據供給、流通與交易機制,并與大模型能力、阿里商業形態深度融合,最終形成了Agent應用體系。當數據、大模型與Agent共同聚焦于具體場景,就能真正發揮其各自價值,實現AI在業務層的深度落地。
回望企業數字化的發展路徑,從信息化到智能化,技術的每一次躍遷,都是認知方式的重構。而今,數據不再只是輔助決策的資源,而是企業演進為智能體的基礎“能量場”;AI也不再只是算法工具,而是與數據螺旋增長協同驅動的新型生產力,只有在Data x AI的雙輪驅動下,才能真正釋放出AI時代的結構性紅利。
