如果說大模型是2024年AI發(fā)展的關(guān)鍵詞之首，那2025年就是AI Agent元年，這絕非臆斷。Gartner將AI Agent列為2025年十大戰(zhàn)略技術(shù)趨勢之首，并預測到2028年，15%的日常工作決策將通過Agentic AI完成。
可以肯定的是，AI Agent市場大有可為；同時，AI Agent目前還處于很初始的發(fā)展階段，往后還有很長的路要走。
正如火山引擎數(shù)據(jù)產(chǎn)品解決方案總經(jīng)理蕭然在采訪中所說，AI Agent當前百家爭鳴，但更多是在摸索，行業(yè)落地比較少。火山引擎希望能將借助內(nèi)部經(jīng)驗、場景孵化出來的解決方案、行業(yè)經(jīng)驗開放出來，助力AI Agent在各行各業(yè)形成一些落地案例，給社會帶來價值。
于是，就有了火山引擎Data Agent這樣一個智能體。
日前，火山引擎正式發(fā)布企業(yè)數(shù)據(jù)全場景智能體Data Agent，火山引擎稱之為企業(yè)的“第一位AI數(shù)據(jù)專家”。
Data Agent一經(jīng)發(fā)布，就吸引廣泛關(guān)注。
Data Agent是什么？為什么是Data Agent？應用場景有哪些？有什么優(yōu)勢？未來會如何演進？一文講清楚。
初識Data Agent
Data Agent，顧名思義，數(shù)據(jù)智能體，分類屬于垂直Agent的范疇，核心價值將聚焦于Data，也就是數(shù)據(jù)。
具體而言，Data Agent能夠深度理解業(yè)務語境，主動思考拆解數(shù)據(jù)任務，自動調(diào)取工具處理企業(yè)內(nèi)部的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，進行智能深度融合分析，并自動執(zhí)行任務，全天候幫助企業(yè)高效挖掘數(shù)據(jù)價值。
以營銷場景為例說明一下Data Agent和傳統(tǒng)數(shù)據(jù)分析系統(tǒng)或者說早期AI助手的區(qū)別。
以前，企業(yè)在針對已經(jīng)完成的營銷活動進行數(shù)據(jù)分析時，往往會借助數(shù)據(jù)分析系統(tǒng)或者AI助手，但這兩者通常只能針對現(xiàn)有數(shù)據(jù)完成分析和計算，比如轉(zhuǎn)化率、整體毛利率等，如果想要了解數(shù)據(jù)折射出的業(yè)務策略優(yōu)化方向，如怎樣才能進一步提升毛利率，則需要人力介入，由人基于給出的數(shù)據(jù)完成思考并作出決策。
而Data Agent可以做到將數(shù)據(jù)分析和映射到業(yè)務決策合二為一，將原本需要人力去思考的業(yè)務訴求逐步拆解、深入思考，并完成對應業(yè)務策略的制定跟執(zhí)行。
所以簡單說，Data Agent并非機械地“知道”數(shù)據(jù)，而是能夠結(jié)合具體業(yè)務完成深度思考真正“理解”人的需求：一方面，它既能基于轉(zhuǎn)化率的提問給出比如“轉(zhuǎn)化率為3.2%”的單場活動效果數(shù)值；另一方面，它還能主動完成歷史數(shù)據(jù)和行業(yè)數(shù)據(jù)橫縱向比較，給予“低于行業(yè)平均值1.5%”的分析數(shù)據(jù)，并深度拆解和剖析營銷活動各個環(huán)節(jié)，探索多場活動執(zhí)行過程中的差異，定位到具體如“加入購物車但未完成付款”等問題點，最終反饋出多項可立即實施改進的方案選項。
在整個過程中，Data Agent絕不只是一個問答助手，反而更像一個能夠帶領企業(yè)員工完善復盤數(shù)據(jù)，并針對現(xiàn)狀做出科學決策的專家式存在。
因此，稱Data Agent為企業(yè)的“第一位AI數(shù)據(jù)專家”，一點都不過分。
可支持業(yè)務靈活配置/實現(xiàn)歸因分析與多模態(tài)數(shù)據(jù)深度研究
為什么是Data Agent？
AI Agent百花齊放，火山引擎為什么選擇 Data 這一方向？
首先，企業(yè)級市場的需求在變，它們需要能夠切分到人力、財務、數(shù)據(jù)等具體專業(yè)領域的智能體。隨著數(shù)字化進程的不斷加深，企業(yè)級市場對大模型能力的應用已悄然進入全新階段。曾經(jīng)，企業(yè)對大模型的運用多局限于智能機器人式的基礎問答交互。這種模式雖在一定程度上滿足了信息查詢需求，但其本質(zhì)是基于固定規(guī)則與有限知識儲備的機械應答。
如今伴隨企業(yè)業(yè)務的快速發(fā)展與市場競爭的日益加劇，業(yè)務員工面臨的問題愈發(fā)復雜多元，傳統(tǒng)預設回復模式的局限性逐漸暴露。企業(yè)迫切需要能夠深度理解業(yè)務需求、具備自主思考能力的智能工具。
這些需求的背后，是企業(yè)對 AI 從 “信息提供者” 向 “價值創(chuàng)造者” 轉(zhuǎn)變的期待。
這是火山引擎研發(fā)Data Agent的初衷，用戶端需要。AI大潮來襲，如何能在數(shù)據(jù)領域借助最尖端的技術(shù)，讓企業(yè)內(nèi)部每個管理者、每個員工都能基于自身所在的定位、角色，更低門檻的看到、使用數(shù)據(jù)，是Data Agent的基礎能力項。在此之上，Data Agent的強項還在于能夠通過不斷地自我學習，深入理解業(yè)務，并以專家視角逐步完成從“接收提問-邏輯拆解-方案匹配-持續(xù)調(diào)優(yōu)-自動執(zhí)行”的全鏈路思考和執(zhí)行，讓每個員工在數(shù)據(jù)領域遇到難題時，隨時隨地都能享受到專家級指導。
還有一個很重要的考量，那就是火山引擎推出的每一個數(shù)據(jù)產(chǎn)品，都承載著字節(jié)跳動內(nèi)部多年的數(shù)據(jù)驅(qū)動經(jīng)驗，且歷經(jīng)內(nèi)部多場實踐和迭代，Data Agent同樣如此。
因此，Data Agent 的推出，既是外部企業(yè)級市場的需求驅(qū)動，也是火山引擎自身數(shù)據(jù)驅(qū)動經(jīng)驗到了新階段，屬于內(nèi)外機會融合的產(chǎn)物。
機會很重要，但所面臨的挑戰(zhàn)也很多：通用AI Agent更多精力聚焦在自然語言處理，深入到垂直領域，要考慮的更多。
以Data Agent為例，其運行于數(shù)據(jù)層和模型層之上，需要對數(shù)據(jù)層有足夠的理解，包括結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，不同的數(shù)據(jù)倉庫等，都要有深刻的認知；在模型層，需要不斷打磨。
回歸Data Agent本身，基礎層要能夠執(zhí)行具體的任務，比如數(shù)據(jù)開發(fā)、歸因分析，這就需要多個不同的Agent，認知層則要考慮多個Agent的聯(lián)動協(xié)作、記憶能力、特定行業(yè)策略等。
另外，落地具體行業(yè)還要考慮行業(yè)特性、企業(yè)屬性。
可以確定的說，研發(fā)Data Agent更具挑戰(zhàn)。但采訪中，蕭然坦言，他們會堅定地把Data Agent做下去，也堅定地相信可以把Data Agent做成功。
蕭然的信心和底氣源自哪里？自于字節(jié)跳動的技術(shù)積累，以及火山引擎的行業(yè)積淀。
Data Agent有什么不一樣？
從兩個維度來看：
一是與通用型Agent相比，Data Agent在數(shù)據(jù)領域的優(yōu)勢，主要體現(xiàn)在三個方面：首先，數(shù)據(jù)領域涉及到非常多的專業(yè)知識，比如復雜的數(shù)倉模型如何理解；其次，進入到特定行業(yè)，需要建立針對行業(yè)和場景的知識庫體系；最后，是不是有能力去實現(xiàn)底層數(shù)據(jù)處理能力的重構(gòu)，包括數(shù)據(jù)采集、處理、分析和應用。這些都是通用型Agent無法滿足的。
二是同類型的產(chǎn)品未來會有很多，但火山引擎或者說字節(jié)跳動有獨特的優(yōu)勢。
可以從三個層面來看：第一，技術(shù)能力，無論是對大模型的理解、數(shù)據(jù)驅(qū)動的實踐，以及人才的儲備，火山引擎都有充分積累；第二，經(jīng)驗、行業(yè)積累，字節(jié)跳動是火山引擎的超大實驗田，能幫助產(chǎn)品、解決方案快速反饋、迭代，促進孵化；第三，接觸的客戶廣，能夠?qū)崿F(xiàn)產(chǎn)品、解決方案外部的快速驗證。
目前，Data Agent聚焦兩大場景，一是數(shù)據(jù)分析，二是智能營銷。
至于行業(yè)覆蓋，非常廣泛。面向C端的行業(yè)，如互聯(lián)網(wǎng)、消費、汽車、金融、零售等都是重點。
下一步，火山引擎將圍繞數(shù)據(jù)分析、智能營銷兩大場景，全面布局。比如在數(shù)據(jù)分析方面，將開發(fā)數(shù)據(jù)開發(fā)Agent、數(shù)據(jù)提取Agent、數(shù)據(jù)可視化Agent等一系列細分Agent，核心還是盡可能先替代人的重復性、流程性的內(nèi)容，讓Data Agent更廣泛、多元地應用起來，在這個過程中不斷迭代、進化。
采訪中，蕭然介紹了目前Data Agent的一些應用情況。比如在某知名零售企業(yè)中，Data Agent通過對該企業(yè)海量銷售數(shù)據(jù)的深度分析，精準識別出不同地區(qū)、不同時間段的銷售熱點和痛點，進而為其量身定制了個性化的營銷策略，包括精準的商品推薦、促銷活動安排等，最終幫助該企業(yè)實現(xiàn)了銷售額的顯著增長。
另外，在金融、汽車等行業(yè)，Data Agent也在大顯身手。
智能分析/智能營銷兩大場景已上線
Data Agent，開啟企業(yè)數(shù)智化新進程
在人工智能浪潮席卷全球的當下，生產(chǎn)關(guān)系正經(jīng)歷深刻變革。從 “人控工具調(diào)用模型” 到 “模型自主協(xié)同工具響應需求”，從機器人承擔體力勞作到 AI Agent 解放基礎腦力勞動，技術(shù)演進正不斷將人類推向更高決策維度，推動生產(chǎn)力飛躍。
但需要注意的是，以Data Agent為代表的垂直領域智能體涌現(xiàn)，并不代表著Agent將替代員工在企業(yè)中的角色；相反，是為了彌補“人”在企業(yè)工作中的短板，比如秒級查詢數(shù)據(jù)庫、同時間處理分析多維度數(shù)據(jù)、探索全年項目執(zhí)行邏輯完成特征整理、在極限時間內(nèi)輸出報告并制定策略……
對企業(yè)員工來說，Agent更像是職場中的“協(xié)作者”，員工可以充分信賴并在日常工作中予以合作。
以Data Agent為例，通過系列技術(shù)手段加持，員工不僅能夠從Data Agent獲取到科學的決策指導和詳盡的策略方案，還能夠?qū)崟r監(jiān)測Data Agent的推理過程、使用的數(shù)據(jù)來源和分析方法，讓員工不僅能知道“是什么”，還能理解“為什么”。
其次，針對具體項目，員工依舊能依據(jù)Data Agent輸出的分析數(shù)據(jù)及結(jié)論發(fā)揮主觀能動性，進行二次驗證；甚至可以直接交由Data Agent自身完成多輪結(jié)果驗證，如查看原始數(shù)據(jù)、提供可支撐結(jié)論的詳細數(shù)據(jù)來源等。
同時，火山引擎針對Data Agent面向企業(yè)級市場的服務，還設置了持續(xù)反饋機制，建立用戶建議反饋通道，當企業(yè)管理者、員工在應用Data Agent過程中遇到疑問或者建議時，能及時獲得答疑支持，確保用戶體驗的同時，持續(xù)豐富和拓寬Data Agent在使用層面的能力覆蓋面。
在AI時代下，企業(yè)數(shù)智化升級的路徑不再是過去十年的平緩弧線，借勢各個垂直領域的Agent，升級可能呈幾何式跳躍增長；“人機協(xié)作”也不再是簡單的企業(yè)員工運作機器，而是在建立信任的基礎上，由Agent提供豐富且專業(yè)的業(yè)務解決方案，員工做出關(guān)鍵決策，實現(xiàn)“Agent+人”的雙重確認機制，保障每一項業(yè)務決策的高質(zhì)量。
當然，聚焦現(xiàn)階段，蕭然也直言，Agent落地行業(yè)依舊還有比較長的一段路要走。從執(zhí)行者到思考者，一是每個行業(yè)特有的知識、經(jīng)驗，差別太大了，知識庫建設本就不是易事；二是每個企業(yè)都是獨立的個體，有自己的特性，有自己的壁壘。
火山引擎也將窮盡自身對大數(shù)據(jù)領域的認知，把知識庫建立得更全面、專業(yè)、豐富，并不斷與客戶深入結(jié)合，不斷迭代、不斷驗證。
總結(jié)全文
伴隨AI技術(shù)的飛速發(fā)展，AI Agent已經(jīng)成為推動企業(yè)數(shù)字化轉(zhuǎn)型和智能化升級的關(guān)鍵力量。火山引擎有信心也有能力為企業(yè)數(shù)智化升級出一份力。未來，隨著技術(shù)的進一步發(fā)展和市場的逐步成熟，Data Agent會在更多行業(yè)和領域發(fā)揮更大的價值，推動企業(yè)實現(xiàn)更高效、更智能的運營模式。
熱門跟貼