在大模型爆發一年後，人工智能的浪潮已席卷全球。高盛預測，未來會有超過80%的企業將使用生成式AI的API或模型，或在生產環境中部署支持生成式AI的應用。
眼下的問題是，大模型如何從技術層走向應用層，創造更多的商業價值？
為此，全球科技廠商正在大模型 B端應用的開發方面做各項嘗試，其中就包括BI（商業智能）這個細分領域。
BI能將企業各種經營數據轉化為輔助商業決策的有用信息，是最直接體現業務價值的應用領域。根據Gartner的調研，2023年，62%的中國CIO將在2023年增加商業智能BI的投資，BI已經成為支持企業數字化轉型支出的主力之一。
近日，知名國產BI品牌思邁特軟件正式發佈了Smartbi對話式分析大模型版本，實現大模型 BI結合應用的產品化。
對於AI BI的結合應用，思邁特軟件創始人兼CEO吳華夫告訴松果財經，這是BI進化的新階段（從傳統BI到自助BI再到智能BI），智能BI面向的客戶群體和帶來的客戶業務價值是不一樣的。
那麼，AI BI的結合應用將對企業產生怎樣的價值？智能BI的商業前景又如何？
大模型“重寫”BI產品力 業務價值與使用門檻雙突破
盡管生成式AI一夜“爆火”，但是傳統BI進化到智能BI，不是一蹴而就的成績。
據悉，早在2019年，Smartbi首度將AI與BI融合；兩年後，Smartbi又獲得了一項自然語言分析（NLA）發明專利，該專利讓用戶可以通過語音助手將輸入的自然語言轉為語言元模型，從而快速準確地找到想要的查詢結果。
2023年，Smartbi把之前申請了NLA專利更好地產品化，發佈了Smartbi對話式分析大模型版本。同年8月，Gartner發佈《2023年中國數據、分析和人工智能技術成熟度曲線》報告，Smartbi憑借不斷融合BI和AI增強型大數據分析產品，再次入選為增強數據分析代表廠商、與自助分析代表廠商，這也是Smartbi連續四年入選“Gartner增強數據分析代表廠商”。
經過這些年的探索，Smartbi一方面以業務為導向將技術轉化為實實在在的商業價值，另一方面也通過產品迭代逐步降低了企業數字化轉型的門檻。
從業務端來看，大模型加持下，Smartbi產生了更多業務價值。
作為開發者，思邁特軟件便是第一個“吃螃蟹的人”。通過Smartbi構建內部的業財一體化系統，思邁特軟件實現了降本增效，同時收入實現了大幅增長，2023年同比直接轉虧為盈。
在具體業務場景中，吳華夫以內部經營分析會為例：“首先查看今年上半年的整體業績，Smartbi會展示上半年合同收入以及同比的情況，然後我還可以繼續追問，業務人員合同不好的話，商機夠不夠？商機不夠，業務人員的拜訪量夠不夠？如果拜訪量不夠的話，業務人員跑動夠不夠？”
案例中，Smartbi對話式分析大模型版本展示出較強的上下文理解能力，它會把用戶之前的問題和需求牢記於心，並根據情景輸出連貫的數據分析結果。這種多輪對話分析的方式可以幫助用戶高效查找問題的根本原因，從而支持業務科學決策。
同時，從產品端來看，Smartbi還增強了自己的使用價值，並降低了使用門檻。
過去，傳統BI階段隻能由IT專業人員做固定報表匯報，到了自助BI階段，數據分析師進行可視化操作更好地輔助管理者決策，再到如今智能BI階段，業務人員可以直接像聊天一樣通過簡單的對話問答讓AI進行智能數據解析。
“大模型的出現，真正讓我感受到了數據分析零門檻，因為我們正在實現人人都能成為數據分析師。”吳華夫總結道，Smartbi對話式分析大模型版本主要提升兩個方面：一是用戶群體，面向廣大業務人員提供業務幫助；二是分析深度，BI從描述性分析走向預測性分析。
由此可以看出，AI大模型 BI，同時為企業解決了兩個問題，一是數字化轉型如何在財報上體現價值，二是如何更簡單且全面地實現數字化轉型。
那麼，Smartbi是怎麼樣做到這兩點的？
以終為始 深度融合行業know-how與大模型
目前，大模型應用層生態方興未艾，尤其是在企業級應用領域。對於大數據BI軟件服務商，將生成式AI技術投入到具體的商業環境中，以什麼為目標，以何種方法，都處於探索階段。
“結合AI的商業應用是一個開荒的過程。”吳華夫認為，大模型出了很多，但落到應用層大部分是To C的角度，而To B方興未艾。事實上，AI BI的結合是AI商業價值快速變現的途徑，並且也是客戶願意付費的一個應用場景。
因此，思邁特軟件主動擔當這個開荒者，找到了用AI技術升級BI產品兩大關鍵：一是要真正產生業務價值；二是要經歷實踐檢驗。
具體來看，廠商首先要“以終為始”，即融合AI技術迭代產品的過程中，BI始終要以業務為導向。
Smartbi對話式分析大模型版本能夠降低企業數字化門檻，核心就是解決了作為“終點”的廣大業務人員面臨的使用問題。
比如，準確性問題。相比之前的AI語音助手，Smartbi能夠準確地理解業務人員的意思。在消費端，AI對用戶意圖的理解少量錯誤並不完全影響使用，用戶容忍度更高，但是對於企業來說，一次數據分析出錯，可能業務人員就不願意再使用智能BI。
對此，吳華夫表示：“我們這次通過大模型和專利技術，讓BI能充分理解用戶的意圖，去解決準確性的問題，這是我覺得最核心的一個突破。”
再比如，常識理解能力和安全性的問題。針對前者，Smartbi基於一個基座模型的通用知識，把BI行業和領域知識再訓練進去，再結合客戶的應用場景去優化；針對後者，最新版本的Smartbi實現了本地大模型私有化部署，可以降低數據泄露的風險，具備更強的安全性。
除了站在業務視角解決問題，AI BI還要基於實踐，實現行業know-how和大模型的結合。
脫離了實際業務背景的數字化工具必然是低價值的。Smartbi對話式分析大模型版本之所以能有效幫助企業降本增效，創造業務價值，關鍵在於搭建了一個參考的管理指標體系，讓客戶隻需要根據自己的情況做指標刪減，易於使用。同時，向導式的簡單操作方式，也幫助企業沉淀優質的數據資產。
據悉，Smartbi指標庫的來源是與多個合作夥伴共同積累的業務經驗。同時，大模型“讀”了很多管理書籍，它具備管理知識。吳華夫指出：“現在我們把行業know-how和大模型結合起來，構建了一個參考的管理指標體系，客戶根據自己的情況做刪減就可以了。這樣子BI交付變得更快，我們對BI未來的思考是‘一句話生成一套BI系統’。”
總之，以業務為導向、以行業know-how 大模型為方法，Smartbi對話式分析大模型版本由此走出了自己的商業化路徑，而AI BI應用的市場潛力也隨著產品的落地逐漸顯露。
AI BI重塑生產力 高效開采數字經濟的“黃金礦”
對於AI BI應用的未來，吳華夫認為，無論是從企業服務行業來說，還是從整個中國數字經濟來說，AI BI的發展空間是廣闊的。
一方面，AI技術發展是新一次的科技革命。AIGC的興起，不僅幫助企業更好地從數據中獲取價值，更是改變了BI廠商的生產效率。從BI到AI BI，就像從鏟子到挖掘機。
另一方面，數字經濟毫無疑問擁有確定性的機遇。目前，我國數字經濟規模超過50萬億元，總量穩居世界第二。根據財政部印發的《企業數據資源相關會計處理暫行規定》《關於加強數據資產管理的指導意見》等文件，2024年成為數據資源進入企業財務報表的元年。同時，數字基礎設施建設與產業數字生態將進一步融合。2024年，預計數據基礎設施建設在全國將遍地開花。
因此，對於2024年及往後的一段時間，Smartbi圍繞著AI BI制定了兩個發展階段，以開采數字經濟的“黃金礦”。
第一個階段是讓BI實現對話式分析，幫助企業數字化轉型。具體來看，Smartbi從自然語言查詢開始，到能做歸因分析、深度洞察以及預測分析，再然後能夠自動針對業務問題生成整個診斷報告。讓對話式分析大模型版本越來越易用的同時，能力越來越深入。
第二個階段則是以AIGC和指標體系提升BI項目交付效率。對此，吳華夫表示，“未來，我們要用AI為客戶自動生成定制化的BI系統，把一個BI項目交付周期從三個月到半年變成三天到六天。我們‘AI BI’的未來其實是可快速生成符合企業定制化的BI系統，AIGC在企業服務領域將從生成圖片、語音進化到生成BI系統。”
這兩個發展階段的規劃，是基於思邁特軟件對BI市場未來機會的洞察：
隨著AI降低使用門檻，頭部市場客戶使用BI的群體不斷擴大。大企業裡面業務人員構成是多樣化的，有些人會使用編程語言，有些人會用Excel，有些人會“拖拉拽”，也有些人沒有接觸過數字工具。讓數據驅動科學的業務決策並不簡單，而今天AIGC更使得人人使用成為可能。BI進入對話式分析階段後，能夠擴大用戶群體。
隨著交付效率提升，中腰部市場將成為新的藍海。原來沒有AIGC，沒有指標體系的時候，BI項目交付周期長，成本高，吳華夫判斷，當Smartbi在AI BI結合應用來到第二個階段，AI自動生成BI系統，對整個中國腰部市場來說會是一個巨大的變化，將打開中腰部市場的增量空間。
隨著數字技術加速向傳統產業滲透，BI市場裡的一個長期機遇正在形成。比如，傳統制造業。對此，吳華夫指出：“未來的話，我覺得制造業的轉型是重要的部分，因為制造業是立國根本。它的信息化水平比金融運營商落後很多，我覺得這個是很明顯、看得見的趨勢。”
不過，正是基於整個數字經濟市場發展的不均衡，他也認為，想全部做完（數字化），可能要5年到10年甚至更長的周期。
“BI市場仍然是一個供給側定義的市場。”廠商通過“AI ”驅動業務發展，提升業務效率，拉開了BI行業新成長周期的大幕。
來源：松果財經