在大模型爆发一年后，人工智能的浪潮已席卷全球。高盛预测，未来会有超过80%的企业将使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用。
眼下的问题是，大模型如何从技术层走向应用层，创造更多的商业价值?
为此，全球科技厂商正在大模型 B端应用的开发方面做各项尝试，其中就包括BI(商业智能)这个细分领域。
BI能将企业各种经营数据转化为辅助商业决策的有用信息，是最直接体现业务价值的应用领域。根据Gartner的调研，2023年，62%的中国CIO将在2023年增加商业智能BI的投资，BI已经成为支持企业数字化转型支出的主力之一。
近日，知名国产BI品牌思迈特软件正式发布了Smartbi对话式分析大模型版本，实现大模型 BI结合应用的产品化。
对于AI BI的结合应用，思迈特软件创始人兼董事长吴华夫在接受松果财经专访时说道，这是BI进化的新阶段(从传统BI到自助BI再到智能BI)，智能BI面向的客户群体和带来的客户业务价值是不一样的。
那么，AI BI的结合应用将对企业产生怎样的价值?智能BI的商业前景又如何?
Part1
大模型“重写”BI产品力
业务价值与使用门槛双突破
尽管生成式AI一夜“爆火”，但是传统BI进化到智能BI，不是一蹴而就的成绩。
据悉，早在2019年，Smartbi首度将AI与BI融合;两年后，Smartbi又获得了一项自然语言分析(NLA)发明专利，该专利让用户可以通过语音助手将输入的自然语言转为语言元模型，从而快速准确地找到想要的查询结果。
2023年，Smartbi把之前申请了NLA专利更好地产品化，发布了Smartbi对话式分析大模型版本。同年8月，Gartner发布《2023年中国数据、分析和人工智能技术成熟度曲线》报告，Smartbi凭借不断融合BI和AI增强型大数据分析产品，再次入选为增强数据分析代表厂商、与自助分析代表厂商，这也是Smartbi连续四年入选“Gartner增强数据分析代表厂商”。
经过这些年的探索，Smartbi一方面以业务为导向将技术转化为实实在在的商业价值，另一方面也通过产品迭代逐步降低了企业数字化转型的门槛。
从业务端来看，大模型加持下，Smartbi产生了更多业务价值。
作为开发者，思迈特软件便是第一个“吃螃蟹的人”。通过Smartbi构建内部的业财一体化系统，思迈特软件实现了降本增效，同时收入实现了大幅增长，2023年同比直接转亏为盈。
在具体业务场景中，吴华夫以内部经营分析会为例：“首先查看今年上半年的整体业绩，Smartbi会展示上半年合同收入以及同比的情况，然后我还可以继续追问，业务人员合同不好的话，商机够不够?商机不够，业务人员的拜访量够不够?如果拜访量不够的话，业务人员跑动够不够?”
案例中，Smartbi对话式分析大模型版本展示出较强的上下文理解能力，它会把用户之前的问题和需求牢记于心，并根据情景输出连贯的数据分析结果。这种多轮对话分析的方式可以帮助用户高效查找问题的根本原因，从而支持业务科学决策。
同时，从产品端来看，Smartbi还增强了自己的使用价值，并降低了使用门槛。
过去，传统BI阶段只能由IT专业人员做固定报表汇报，到了自助BI阶段，数据分析师进行可视化操作更好地辅助管理者决策，再到如今智能BI阶段，业务人员可以直接像聊天一样通过简单的对话问答让AI进行智能数据解析。
“大模型的出现，真正让我感受到了数据分析零门槛，因为我们正在实现人人都能成为数据分析师。”吴华夫总结道，Smartbi对话式分析大模型版本主要提升两个方面：一是用户群体，面向广大业务人员提供业务帮助;二是分析深度，BI从描述性分析走向预测性分析。
由此可以看出，AI大模型 BI，同时为企业解决了两个问题，一是数字化转型如何在财报上体现价值，二是如何更简单且全面地实现数字化转型。
那么，Smartbi是怎么样做到这两点的?
Part2
以终为始
深度融合行业know-how与大模型
目前，大模型应用层生态方兴未艾，尤其是在企业级应用领域。对于大数据BI软件服务商，将生成式AI技术投入到具体的商业环境中，以什么为目标，以何种方法，都处于探索阶段。
“结合AI的商业应用是一个开荒的过程。”吴华夫认为，大模型出了很多，但落到应用层大部分是To C的角度，而To B方兴未艾。事实上，AI BI的结合是AI商业价值快速变现的途径，并且也是客户愿意付费的一个应用场景。
因此，思迈特软件主动担当这个开荒者，找到了用AI技术升级BI产品两大关键：一是要真正产生业务价值;二是要经历实践检验。
具体来看，厂商首先要“以终为始”，即融合AI技术迭代产品的过程中，BI始终要以业务为导向。
Smartbi对话式分析大模型版本能够降低企业数字化门槛，核心就是解决了作为“终点”的广大业务人员面临的使用问题。
比如，准确性问题。相比之前的AI语音助手，Smartbi能够准确地理解业务人员的意思。在消费端，AI对用户意图的理解少量错误并不完全影响使用，用户容忍度更高，但是对于企业来说，一次数据分析出错，可能业务人员就不愿意再使用智能BI。
对此，吴华夫表示：“我们这次通过大模型和专利技术，让BI能充分理解用户的意图，去解决准确性的问题，这是我觉得最核心的一个突破。”
再比如，常识理解能力和安全性的问题。针对前者，Smartbi基于一个基座模型的通用知识，把BI行业和领域知识再训练进去，再结合客户的应用场景去优化;针对后者，最新版本的Smartbi实现了本地大模型私有化部署，可以降低数据泄露的风险，具备更强的安全性。
除了站在业务视角解决问题，AI BI还要基于实践，实现行业know-how和大模型的结合。
脱离了实际业务背景的数字化工具必然是低价值的。Smartbi对话式分析大模型版本之所以能有效帮助企业降本增效，创造业务价值，关键在于搭建了一个参考的管理指标体系，让客户只需要根据自己的情况做指标删减，易于使用。同时，向导式的简单操作方式，也帮助企业沉淀优质的数据资产。
据悉，Smartbi指标库的来源是与多个合作伙伴共同积累的业务经验。同时，大模型“读”了很多管理书籍，它具备管理知识。吴华夫指出：“现在我们把行业know-how和大模型结合起来，构建了一个参考的管理指标体系，客户根据自己的情况做删减就可以了。这样子BI交付变得更快，我们对BI未来的思考是‘一句话生成一套BI系统’。”
总之，以业务为导向、以行业know-how 大模型为方法，Smartbi对话式分析大模型版本由此走出了自己的商业化路径，而AI BI应用的市场潜力也随着产品的落地逐渐显露。
Part3
AI BI重塑生产力
高效开采数字经济的“黄金矿”
对于AI BI应用的未来，吴华夫认为，无论是从企业服务行业来说，还是从整个中国数字经济来说，AI BI的发展空间是广阔的。
一方面，AI技术发展是新一次的科技革命。AIGC的兴起，不仅帮助企业更好地从数据中获取价值，更是改变了BI厂商的生产效率。从BI到AI BI，就像从铲子到挖掘机。
另一方面，数字经济毫无疑问拥有确定性的机遇。目前，我国数字经济规模超过50万亿元，总量稳居世界第二。根据财政部印发的《企业数据资源相关会计处理暂行规定》《关于加强数据资产管理的指导意见》等文件，2024年成为数据资源进入企业财务报表的元年。同时，数字基础设施建设与产业数字生态将进一步融合。2024年，预计数据基础设施建设在全国将遍地开花。
因此，对于2024年及往后的一段时间，Smartbi围绕着AI BI制定了两个发展阶段，以开采数字经济的“黄金矿”。
第一个阶段是让BI实现对话式分析，帮助企业数字化转型。具体来看，Smartbi从自然语言查询开始，到能做归因分析、深度洞察以及预测分析，再然后能够自动针对业务问题生成整个诊断报告。让对话式分析大模型版本越来越易用的同时，能力越来越深入。
第二个阶段则是以AIGC和指标体系提升BI项目交付效率。对此，吴华夫表示，“未来，我们要用AI为客户自动生成定制化的BI系统，把一个BI项目交付周期从三个月到半年变成三天到六天。我们‘AI BI’的未来其实是可快速生成符合企业定制化的BI系统，AIGC在企业服务领域将从生成图片、语音进化到生成BI系统。”
这两个发展阶段的规划，是基于思迈特软件对BI市场未来机会的洞察：
随着AI降低使用门槛，头部市场客户使用BI的群体不断扩大。大企业里面业务人员构成是多样化的，有些人会使用编程语言，有些人会用Excel，有些人会“拖拉拽”，也有些人没有接触过数字工具。让数据驱动科学的业务决策并不简单，而今天AIGC更使得人人使用成为可能。BI进入对话式分析阶段后，能够扩大用户群体。
随着交付效率提升，中腰部市场将成为新的蓝海。原来没有AIGC，没有指标体系的时候，BI项目交付周期长，成本高，吴华夫判断，当Smartbi在AI BI结合应用来到第二个阶段，AI自动生成BI系统，对整个中国腰部市场来说会是一个巨大的变化，将打开中腰部市场的增量空间。
随着数字技术加速向传统产业渗透，BI市场里的一个长期机遇正在形成。比如，传统制造业。对此，吴华夫指出：“未来的话，我觉得制造业的转型是重要的部分，因为制造业是立国根本。它的信息化水平比金融运营商落后很多，我觉得这个是很明显、看得见的趋势。”
不过，正是基于整个数字经济市场发展的不均衡，他也认为，想全部做完(数字化)，可能要5年到10年甚至更长的周期。
“BI市场仍然是一个供给侧定义的市场。”厂商通过“AI ”驱动业务发展，提升业务效率，拉开了BI行业新成长周期的大幕。
