在一間明亮的會(huì)議室里，一位企業(yè)決策者正緊張地準(zhǔn)備著即將到來(lái)的季度業(yè)績(jī)匯報(bào)。他打開(kāi)了公司最近采購(gòu)的對(duì)話式BI工具，希望能快速獲取一些關(guān)鍵的業(yè)務(wù)指標(biāo)分析。他問(wèn)道：“今年第二季度的凈利潤(rùn)比去年同期增長(zhǎng)了多少？”工具迅速回應(yīng)，但給出的答案卻讓他皺起了眉頭。不僅數(shù)字與他的預(yù)期大相徑庭，而且缺乏足夠的解釋來(lái)支持這一結(jié)果。這種準(zhǔn)確率不高和解釋性不強(qiáng)的問(wèn)題，讓他對(duì)這項(xiàng)新技術(shù)的實(shí)際價(jià)值產(chǎn)生了懷疑。

這種場(chǎng)景在許多企業(yè)中并不罕見(jiàn)，對(duì)話式BI工具雖然便捷，但在處理復(fù)雜數(shù)據(jù)分析時(shí)常常力不從心。然而，隨著Kyligence最新發(fā)布的企業(yè)級(jí)AI解決方案的問(wèn)世，這一局面有望得到根本性的改變。4月11日，Kyligence 2024 數(shù)智論壇暨春季發(fā)布會(huì)成功召開(kāi)。Kyligence 正式發(fā)布全新的企業(yè)級(jí) AI 解決方案，在準(zhǔn)確率和可解釋性兩個(gè)方面實(shí)現(xiàn)了重要突破。那么，Kyligence是怎么做到的呢？

準(zhǔn)確率與可解釋性，是對(duì)話式BI的兩大難題

在當(dāng)今數(shù)據(jù)驅(qū)動(dòng)的商業(yè)環(huán)境中，基于大模型的對(duì)話式數(shù)據(jù)分析工具，極大地促進(jìn)了企業(yè)決策的效率和質(zhì)量。然而，隨著這些工具的廣泛應(yīng)用，它們的兩大核心挑戰(zhàn)——準(zhǔn)確率和可解釋性——逐漸浮現(xiàn)成為行業(yè)發(fā)展的瓶頸。

準(zhǔn)確率的重要性與難點(diǎn)

準(zhǔn)確率對(duì)于企業(yè)決策的影響不言而喻，一個(gè)準(zhǔn)確的數(shù)據(jù)分析結(jié)果能夠?yàn)槠髽I(yè)帶來(lái)清晰的市場(chǎng)洞察、有效的戰(zhàn)略規(guī)劃和精確的執(zhí)行方案。然而，當(dāng)決策者依賴于不準(zhǔn)確的數(shù)據(jù)時(shí)，可能會(huì)導(dǎo)致資源的浪費(fèi)、戰(zhàn)略失誤甚至企業(yè)聲譽(yù)的損害。在對(duì)話式數(shù)據(jù)分析工具中，準(zhǔn)確率的問(wèn)題尤為突出。

當(dāng)前大模型在對(duì)話式數(shù)據(jù)分析中準(zhǔn)確率不高的原因多種多樣，其中，自然語(yǔ)言的歧義性是一個(gè)主要障礙。用戶的問(wèn)題可能存在多種解釋，而模型可能無(wú)法準(zhǔn)確捕捉到用戶的真正意圖。數(shù)據(jù)質(zhì)量問(wèn)題也不容忽視，如果輸入模型的數(shù)據(jù)存在錯(cuò)誤或不一致，那么輸出的分析結(jié)果自然也會(huì)受到影響。此外，模型本身的限制也是一個(gè)因素。許多模型在訓(xùn)練時(shí)使用的是通用數(shù)據(jù)集，這可能導(dǎo)致它們?cè)谔囟ㄐ袠I(yè)或領(lǐng)域的應(yīng)用中表現(xiàn)不佳。

可解釋性的重要性與難點(diǎn)

可解釋性在提升用戶對(duì)AI系統(tǒng)的信任和提高決策透明度方面，發(fā)揮著關(guān)鍵作用。當(dāng)用戶能夠理解AI提供的分析結(jié)果背后的邏輯和數(shù)據(jù)來(lái)源時(shí)，他們更有可能接受并基于這些結(jié)果做出決策。可解釋性還有助于識(shí)別和糾正模型的錯(cuò)誤，從而提高整體的決策質(zhì)量。

然而，現(xiàn)有技術(shù)在提供可解釋性方面面臨著顯著的局限性。許多先進(jìn)的AI大模型，常被批評(píng)為“黑箱”模型，因?yàn)樗鼈兊臎Q策過(guò)程對(duì)用戶來(lái)說(shuō)是不透明的。這種不透明性使得用戶難以驗(yàn)證AI的輸出，也難以根據(jù)輸出進(jìn)行進(jìn)一步的探索或提出改進(jìn)建議。此外，即使某些模型提供了一定程度的可解釋性，這些解釋往往過(guò)于技術(shù)化，非技術(shù)背景的決策者可能難以理解。

在對(duì)話式數(shù)據(jù)分析工具中，這些挑戰(zhàn)變得更加突出。用戶通常期望通過(guò)自然語(yǔ)言交互獲得直觀、易于理解的分析結(jié)果和建議。然而，當(dāng)模型無(wú)法提供清晰的解釋或者解釋過(guò)于復(fù)雜時(shí)，用戶的信任和滿意度就會(huì)受到影響。這不僅限制了AI工具的實(shí)用性，也阻礙了企業(yè)從數(shù)據(jù)中獲取最大價(jià)值的能力。

Kyligence的“藥方”是什么？

解決這些難題需要技術(shù)創(chuàng)新、數(shù)據(jù)質(zhì)量管理以及用戶界面設(shè)計(jì)的共同努力。那么，Kyligence號(hào)稱可以實(shí)現(xiàn) AI 對(duì)話準(zhǔn)確率 95% ，100% 可解釋，是怎么做到的呢？

具體來(lái)看，Kyligence在以下幾個(gè)方面的探索值得借鑒：

1、多智能體架構(gòu)（Multi-Agent Architecture）

Kyligence的多智能體架構(gòu)是其AI解決方案的核心，該架構(gòu)通過(guò)將用戶的自然語(yǔ)言查詢轉(zhuǎn)換為具體的指標(biāo)查詢，再基于這些指標(biāo)生成SQL查詢，從而確保了AI在處理業(yè)務(wù)用戶查詢時(shí)的專注性和準(zhǔn)確性。這種轉(zhuǎn)換過(guò)程不僅提高了查詢的準(zhǔn)確率，而且通過(guò)減少對(duì)非相關(guān)數(shù)據(jù)的處理，提升了整體的數(shù)據(jù)處理效率。正如Kyligence CTO李揚(yáng)在2024年的發(fā)布會(huì)上所強(qiáng)調(diào)的，這種架構(gòu)使得AI能夠更好地理解和執(zhí)行與指標(biāo)相關(guān)的任務(wù)，為用戶提供更加精確的數(shù)據(jù)支持。

Kyligence技術(shù)方案：LLM-指標(biāo)查詢-SQL查詢

在多智能體架構(gòu)中，每個(gè)智能體都承擔(dān)著特定的角色和任務(wù)。主要的智能體負(fù)責(zé)解析用戶的自然語(yǔ)言輸入，并將其映射到預(yù)定義的指標(biāo)查詢上。這一過(guò)程涉及到復(fù)雜的自然語(yǔ)言處理技術(shù)，包括語(yǔ)義理解、意圖識(shí)別和實(shí)體抽取。一旦用戶的查詢被轉(zhuǎn)換為指標(biāo)查詢，這些查詢就會(huì)進(jìn)一步轉(zhuǎn)化為SQL語(yǔ)句，以便在后端數(shù)據(jù)庫(kù)上執(zhí)行。這種兩步轉(zhuǎn)換過(guò)程確保了查詢的精確性和可解釋性，因?yàn)橛脩艨梢郧逦乜吹剿麄兊淖匀徽Z(yǔ)言問(wèn)題是如何被轉(zhuǎn)換為具體的指標(biāo)查詢的。

2、指標(biāo)系統(tǒng)作為統(tǒng)一數(shù)據(jù)語(yǔ)言

Kyligence的統(tǒng)一指標(biāo)系統(tǒng)是其解決方案的另一個(gè)關(guān)鍵組成部分，該系統(tǒng)為企業(yè)提供了一個(gè)標(biāo)準(zhǔn)化的數(shù)據(jù)表達(dá)方式，確保了數(shù)據(jù)的一致性和準(zhǔn)確性。通過(guò)這種方式，不同的業(yè)務(wù)部門和團(tuán)隊(duì)可以使用相同的數(shù)據(jù)術(shù)語(yǔ)進(jìn)行溝通，從而減少了溝通成本和誤解的可能性。統(tǒng)一的指標(biāo)系統(tǒng)使得AI能夠更好地理解和響應(yīng)用戶的查詢，因?yàn)锳I可以依賴于一組明確定義的指標(biāo)來(lái)構(gòu)建其響應(yīng)。

指標(biāo)系統(tǒng)的建立涉及到對(duì)企業(yè)數(shù)據(jù)的深入理解和精心設(shè)計(jì)，Kyligence的解決方案總監(jiān)甘甜在演講中提到，通過(guò)指標(biāo)平臺(tái)，企業(yè)可以將業(yè)務(wù)知識(shí)資產(chǎn)和數(shù)據(jù)資產(chǎn)進(jìn)行有效的整合。這意味著，企業(yè)可以將其業(yè)務(wù)邏輯和規(guī)則編碼到指標(biāo)定義中，從而使AI能夠在回答問(wèn)題時(shí)考慮到這些業(yè)務(wù)邏輯。例如，如果用戶詢問(wèn)銷售額的增長(zhǎng)情況，AI可以利用指標(biāo)系統(tǒng)中定義的銷售指標(biāo)來(lái)提供一個(gè)準(zhǔn)確的答案，而不是依賴于模糊或不相關(guān)的數(shù)據(jù)。

統(tǒng)一指標(biāo)系統(tǒng)還為AI提供了一種機(jī)制，使其能夠在不同的業(yè)務(wù)場(chǎng)景中復(fù)用已有的數(shù)據(jù)資產(chǎn)。這種復(fù)用性不僅提高了AI的效率，而且確保了數(shù)據(jù)的一致性和可比性。當(dāng)AI需要回答跨部門或跨業(yè)務(wù)線的問(wèn)題時(shí)，它可以依賴于統(tǒng)一的指標(biāo)系統(tǒng)來(lái)提供一個(gè)全面而準(zhǔn)確的視圖。

3、安全駕駛模式（Safe Driving Mode）

安全駕駛模式是Kyligence AI解決方案的一個(gè)重要組成部分，旨在確保AI在提供數(shù)據(jù)分析時(shí)的準(zhǔn)確性和可靠性。在這種模式下，AI的對(duì)話被嚴(yán)格限制在一個(gè)特定的分析主題上下文中。這意味著AI的響應(yīng)和查詢都是基于這個(gè)預(yù)定義的上下文生成的，從而減少了潛在的錯(cuò)誤和誤解。

這種限制不僅提高了AI在特定領(lǐng)域的專業(yè)性，而且通過(guò)匹配系統(tǒng)中的指標(biāo)語(yǔ)義來(lái)生成指標(biāo)查詢，確保了數(shù)據(jù)查詢的準(zhǔn)確性。例如，如果用戶詢問(wèn)關(guān)于銷售增長(zhǎng)的問(wèn)題，AI將僅在銷售相關(guān)的指標(biāo)和數(shù)據(jù)范圍內(nèi)進(jìn)行查詢，避免了無(wú)關(guān)數(shù)據(jù)的干擾，從而提供了更加精確的分析結(jié)果。

此外，安全駕駛模式還有助于保護(hù)企業(yè)數(shù)據(jù)的安全性。通過(guò)限制AI的查詢范圍，企業(yè)可以確保敏感信息不會(huì)被泄露或?yàn)E用。這種模式下的操作符合企業(yè)的數(shù)據(jù)治理政策，并確保了數(shù)據(jù)的合規(guī)使用。

4、AI智能歸因和對(duì)話式數(shù)據(jù)分析

Kyligence的AI解決方案還具備智能歸因的能力，它能夠快速識(shí)別和定位業(yè)務(wù)痛點(diǎn)，為用戶提供針對(duì)性的分析和建議。通過(guò)對(duì)話式的數(shù)據(jù)分析，AI與用戶進(jìn)行互動(dòng)，根據(jù)用戶的具體問(wèn)題，提供定制化的分析結(jié)果和解決方案。

這種互動(dòng)方式不僅提高了AI回答的準(zhǔn)確率，而且通過(guò)清晰、直觀的對(duì)話，用戶能夠更好地理解AI提供的答案和建議。用戶可以通過(guò)自然語(yǔ)言與AI進(jìn)行交流，而AI則能夠根據(jù)用戶的意圖和上下文提供相關(guān)的數(shù)據(jù)分析，這種雙向溝通極大地增強(qiáng)了用戶體驗(yàn)。

Kyligence的AI系統(tǒng)還具備持續(xù)學(xué)習(xí)和自我提升的能力，通過(guò)用戶的反饋和監(jiān)督，AI能夠不斷優(yōu)化其性能。每當(dāng)用戶對(duì)AI的回答進(jìn)行糾正或補(bǔ)充時(shí)，系統(tǒng)都會(huì)學(xué)習(xí)這些反饋，并在未來(lái)的對(duì)話中應(yīng)用這些學(xué)習(xí)成果，從而逐步提高對(duì)話的準(zhǔn)確率和可解釋性。

這種持續(xù)學(xué)習(xí)的過(guò)程不僅依賴于用戶反饋，還包括對(duì)新數(shù)據(jù)和新趨勢(shì)的適應(yīng)。隨著企業(yè)數(shù)據(jù)的不斷積累和更新，Kyligence的AI系統(tǒng)能夠及時(shí)調(diào)整其模型和算法，以適應(yīng)新的業(yè)務(wù)需求和市場(chǎng)變化。

目前，Kyligence的對(duì)話式數(shù)據(jù)分析產(chǎn)品在多個(gè)行業(yè)實(shí)現(xiàn)了應(yīng)用落地。例如，在金融領(lǐng)域，Kyligence與某頭部城商行合作，通過(guò)AI自然語(yǔ)言交互，滿足了銀行在靈活報(bào)表和分析需求上的高效處理，顯著提升了數(shù)據(jù)使用效率，并且AI對(duì)話的準(zhǔn)確率達(dá)到了95%以上，為銀行大規(guī)模推廣AI應(yīng)用奠定了堅(jiān)實(shí)基礎(chǔ)。

在零售行業(yè)，Kyligence助力一家頂流餐飲連鎖企業(yè)升級(jí)了其指標(biāo)平臺(tái)，結(jié)合最新的生成式AI技術(shù)，使得一線人員能夠輕松使用AI數(shù)智助理，降低了業(yè)務(wù)人員使用數(shù)據(jù)的門檻，提升了數(shù)據(jù)決策效能。此外，Kyligence還服務(wù)于醫(yī)藥行業(yè)，與一家跨國(guó)藥企合作打造了精準(zhǔn)、敏捷的商業(yè)分析平臺(tái)，以AI+指標(biāo)平臺(tái)的形式滿足業(yè)務(wù)部門復(fù)雜的分析需求，提高了商業(yè)洞察的質(zhì)量和決策效率。

這些案例充分展示了Kyligence對(duì)話式數(shù)據(jù)分析產(chǎn)品在不同客戶的實(shí)際落地場(chǎng)景中的有效性，不僅解決了企業(yè)級(jí)生產(chǎn)場(chǎng)景下準(zhǔn)確性、安全性、成本和AI治理等問(wèn)題，也讓AI更好地服務(wù)于企業(yè)，推動(dòng)了企業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級(jí)。

新質(zhì)生產(chǎn)力的好幫手

對(duì)話式數(shù)據(jù)分析技術(shù)的發(fā)展不僅是人工智能領(lǐng)域的一次飛躍，更是驅(qū)動(dòng)新質(zhì)生產(chǎn)力發(fā)展的一股重要力量。這種技術(shù)通過(guò)結(jié)合AI大模型和大數(shù)據(jù)分析，為企業(yè)和整個(gè)社會(huì)帶來(lái)了前所未有的價(jià)值。

具體來(lái)看，對(duì)話式數(shù)據(jù)分析可以在以下幾個(gè)方面產(chǎn)生重要價(jià)值：

提升決策質(zhì)量和速度

在企業(yè)運(yùn)營(yíng)中，決策的質(zhì)量和速度往往直接關(guān)聯(lián)到競(jìng)爭(zhēng)力和市場(chǎng)反應(yīng)能力。對(duì)話式數(shù)據(jù)分析技術(shù)使得決策者能夠通過(guò)自然語(yǔ)言與AI系統(tǒng)進(jìn)行交互，快速獲得數(shù)據(jù)洞察和分析結(jié)果。這種即時(shí)的數(shù)據(jù)訪問(wèn)和分析能力，極大地縮短了從數(shù)據(jù)收集到?jīng)Q策執(zhí)行的時(shí)間周期，提高了企業(yè)的敏捷性和適應(yīng)性。例如，通過(guò)AI分析，企業(yè)可以迅速識(shí)別市場(chǎng)趨勢(shì)，調(diào)整生產(chǎn)計(jì)劃和營(yíng)銷策略，以應(yīng)對(duì)消費(fèi)者需求的變化。

降低數(shù)據(jù)分析門檻

傳統(tǒng)上，數(shù)據(jù)分析被視為一項(xiàng)需要專業(yè)技能的工作。然而，對(duì)話式數(shù)據(jù)分析技術(shù)的普及化和易用性，使得非專業(yè)人士也能夠輕松地進(jìn)行數(shù)據(jù)分析。這種技術(shù)的推廣有助于打破數(shù)據(jù)孤島，讓更多的員工能夠參與到數(shù)據(jù)驅(qū)動(dòng)的決策過(guò)程中來(lái)。這不僅提升了全員的數(shù)據(jù)素養(yǎng)，也為企業(yè)文化注入了數(shù)據(jù)驅(qū)動(dòng)的元素，促進(jìn)了組織內(nèi)部的知識(shí)共享和創(chuàng)新。

推動(dòng)個(gè)性化和智能化服務(wù)

隨著AI技術(shù)的不斷進(jìn)步，對(duì)話式數(shù)據(jù)分析工具正變得越來(lái)越智能。通過(guò)學(xué)習(xí)和理解用戶的行為模式和偏好，AI系統(tǒng)能夠提供更加個(gè)性化的服務(wù)和建議。這種個(gè)性化不僅提升了用戶體驗(yàn)，也使得企業(yè)能夠更精準(zhǔn)地滿足客戶需求，增強(qiáng)客戶忠誠(chéng)度。例如，零售企業(yè)可以通過(guò)AI分析客戶的購(gòu)買歷史和偏好，提供個(gè)性化的產(chǎn)品推薦和優(yōu)惠，從而提高銷售額和客戶滿意度。

推動(dòng)產(chǎn)品和服務(wù)創(chuàng)新

對(duì)話式數(shù)據(jù)分析技術(shù)，為企業(yè)提供了深入理解客戶需求和市場(chǎng)動(dòng)態(tài)的新途徑。通過(guò)分析客戶反饋、行為數(shù)據(jù)和市場(chǎng)趨勢(shì)，企業(yè)可以發(fā)現(xiàn)新的產(chǎn)品機(jī)會(huì)和服務(wù)需求。這種深入的洞察有助于企業(yè)在競(jìng)爭(zhēng)激烈的市場(chǎng)中保持創(chuàng)新，開(kāi)發(fā)出滿足市場(chǎng)需求的新產(chǎn)品和服務(wù)。例如，通過(guò)分析社交媒體上的消費(fèi)者討論，企業(yè)可以發(fā)現(xiàn)潛在的產(chǎn)品改進(jìn)點(diǎn)或全新的產(chǎn)品創(chuàng)意。

促進(jìn)社會(huì)數(shù)字化轉(zhuǎn)型

對(duì)話式數(shù)據(jù)分析技術(shù)的廣泛應(yīng)用不僅限于企業(yè)，它還對(duì)社會(huì)的數(shù)字化轉(zhuǎn)型產(chǎn)生了積極影響。在教育、醫(yī)療、交通等公共服務(wù)領(lǐng)域，這種技術(shù)可以幫助機(jī)構(gòu)更有效地管理和分析數(shù)據(jù)，提高服務(wù)質(zhì)量和效率。例如，在醫(yī)療領(lǐng)域，AI可以通過(guò)分析患者的醫(yī)療記錄和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，為醫(yī)生提供更準(zhǔn)確的診斷和治療建議。

綜上所述，對(duì)話式數(shù)據(jù)分析技術(shù)對(duì)于發(fā)展新質(zhì)生產(chǎn)力具有多維度的價(jià)值。隨著技術(shù)的不斷進(jìn)步和應(yīng)用的深入，對(duì)話式數(shù)據(jù)分析技術(shù)將繼續(xù)為社會(huì)帶來(lái)深遠(yuǎn)的影響，推動(dòng)生產(chǎn)力的持續(xù)發(fā)展和升級(jí)。

來(lái)源：數(shù)據(jù)猿