大模型爆火一年後，人工智慧浪潮席捲全球。 Goldman Sachs** 預計，超過 80% 的企業將使用生成式 AI API 或模型，或部署在生產中支援生成式 AI 的應用程式。
現在的問題是，大模型如何才能從技術層走向應用層，創造更多的商業價值？
為此，全球技術廠商都在大模型+B端應用的開發上做出各種嘗試，包括BI（商業智慧型）細分市場。
BI可以將各種業務資料轉化為有用的資訊，輔助業務決策，是最直接體現業務價值的應用領域。 據Gartner預測，2023年62%的中國CIO將加大對商業智慧型BI的投入，BI已成為企業數位化轉型支出的主力軍之一。
近日，國內知名BI品牌Sematic Software正式發布SmartBI對話分析大模型版，實現大模型+BI組合應用的產品化。
對於AI+BI的組合應用，Sematic Software創始人兼CEO吳華福告訴Songuo Finance這是BI演進的新階段（從傳統BI到自助式BI再到智慧型BI），智慧型BI帶來的客戶群體和客戶商業價值是不同的。
那麼，AI+BI的組合應用會給企業帶來什麼價值呢？ 智慧型BI的商業前景如何？
大模型“改寫”BI產品能力，業務價值和使用門檻雙雙破
雖然生成式AI一夜爆火，但傳統BI向智慧型BI的演進並非一蹴而就。
據悉，早在2019年，SmartBI就首次將AI和BI融合在一起; 兩年後，SmartBI獲得了自然語言分析（NLA）專利，該專利允許使用者通過語音助手將自然語言的輸入轉換為語言元模型，從而快速準確地找到所需的查詢結果。
2023年，SmartBI將更好地將之前申請的NLA專利產品化，並發布SmartBI對話分析大模型版本。 同年8月，Gartner發布《2023中國資料、分析與人工智慧技術成熟度曲線》報告，SmartBI憑藉持續整合BI和AI增強的大資料分析產品，再次入選增強資料分析和自助分析代表供應商，這也是SmartBI連續第四年入選“Gartner增強資料分析代表供應商”。
經過多年的探索，SmartBI以業務為導向的方式將技術轉化為有形的商業價值，另一方面，通過產品迭代，逐步降低了企業數位化轉型的門檻。
從業務端來看，在大模型的支援下，SmartBI產生更多的業務價值。
作為開發商，Sematic Software 是第乙個“吃螃蟹的人”。 通過SmartBI構建內部業務和財務一體化系統，Sematic Software實現了降本增效，同時實現了收入的大幅增長，2023年將直接扭虧為盈。
在具體業務場景上，吳華福以內部業務分析會為例：“首先，看看今年上半年的整體業績，smartbi會展示上半年的合同收入和同比情況，然後我可以繼續問，如果業務人員合同不好， 商機夠了嗎？ 商機不夠，業務人員來訪的次數夠嗎？ 如果訪問次數不夠，業務人員是否執行足夠？ ”
在這種情況下，SmartBI的對話分析模型版本表現出強大的上下文理解能力，牢記使用者以前的問題和需求，並根據上下文輸出連貫的資料分析結果。 這種多輪對話分析可以幫助使用者高效找到問題的根源，從而支援科學的業務決策。
同時，從產品端來看，smartbi也提公升了自身的使用價值，降低了使用門檻。
過去，在傳統的BI階段，IT專業人員只能做固定的報表，但在自助式BI階段，資料分析師可以進行視覺化操作，更好地協助管理者做出決策，而現在在智慧型BI階段，業務人員可以直接使用簡單的對話問答，讓AI像聊天一樣進行智慧型資料分析。
大模型的出現，真的讓我覺得資料分析的門檻為零，因為我們意識到每個人都可以成為資料分析師。 吳華福總結說，SmartBI會話分析模型版本主要在兩個方面進行了改進：首先是使用者組，為廣大業務人員提供業務協助; 二是分析深度，BI從描述性分析到一流分析。
可以看出，AI模型+BI同時為企業解決了兩個問題，一是如何在財報中體現數位化轉型的價值，二是如何更簡單、更全面地實現數位化轉型。
那麼，SmartBI是如何做到這兩點的呢？
以終為始，深度融合行業訣竅與大模型
目前，大模型應用層的生態正在方興未艾，尤其是在企業級應用領域。 對於大資料BI軟體服務商來說，在特定的商業環境中投資生成式AI技術，目標和方法，仍處於探索階段。
人工智慧的商業應用是乙個土地復墾的過程。 吳華福認為，大型模型很多，但大多從C的角度落到應用層，而B則處於上公升期。 事實上，AI+BI的結合是快速實現AI商業價值的一種方式，也是客戶願意支付的應用場景。
因此，Sematic Software主動率先行，找到了用AI技術公升級BI產品的兩大關鍵：一是真正產生商業價值; 其次，必須在實踐中進行檢驗。
具體來說，廠商首先要“以終為始”，即在整合AI技術迭代產品的過程中，BI應始終以業務為導向。
SmartBI對話分析模型版本可以降低企業數位化的門檻，核心是以解決大多數業務人員面臨的使用問題為“終點”。
比如，準確性問題。 與之前的AI語音助手相比，SmartBI可以準確理解業務人員的意思。 在消費者方面，AI對使用者意圖的理解中出現少量錯誤並不能完全影響使用，使用者的容忍度更高，但對於企業來說，一旦資料分析失敗，業務人員可能就不願意使用智慧型BI。
對此，吳華福表示：“這一次，我們用大模型和專利技術，讓BI充分理解使用者的意圖，解決準確性問題，在我看來，這是核心突破。 ”
另乙個例子是常識理解和安全問題。 對於前者，SmartBI是基於乙個基座模型的一般知識，對BI行業和領域知識進行再訓練，然後結合客戶的應用場景進行優化。 對於後者，最新版本的SmartBI實現了本地大模型的私有化部署，可以降低資料洩露的風險，並具有更強的安全性。
除了從業務角度解決問題外，AI+BI還應該基於實踐實現行業訣竅與大模型的結合。
脫離實際業務環境的數字工具本質上是低價值的。 SmartBI對話式分析模型之所以能夠有效幫助企業降本增效、創造商業價值，關鍵在於構建了乙個參考管理指標體系，讓客戶只需要根據自身情況刪除指標，使用方便。 同時，嚮導的簡單操作方式也有助於企業積累高質量的資料資產。
據悉，SmartBI指標庫的精華在於與多個合作夥伴積累的業務經驗。 同時，大模型“閱讀”了大量的管理書籍，並且具有管理知識。 吳華福指出：“現在我們結合行業訣竅和大模型，構建參考管理指標體系，客戶可根據自身情況進行刪除。 這樣一來，BI的交付就變得更快了，我們對BI未來的思考就是“一句話生成乙個BI系統”。 ”
總之，以業務導向、行業訣竅+大模型為方法，SmartBI對話式分析大模型版本走出了自己的商業化路徑，AI+BI應用的市場潛力隨著產品的落地而逐漸顯現。
AI+BI重塑生產力，高效挖掘數字經濟“最佳礦山”
對於AI+BI應用的未來，吳華福認為，無論是從企業服務行業還是從整個中國數字經濟來看，AI+BI的發展空間都很廣闊。
一方面，人工智慧技術的發展是一場新的技術革命。 AIGC的興起不僅幫助企業更好地從資料中獲取價值，也改變了BI供應商的生產力。 從BI到AI+BI，就像從鏟子到挖掘機。
另一方面，毫無疑問，數字經濟有一定的機會。 目前，我國數字經濟規模超過50萬億元，位居世界第二。 根據財政部發布的《企業資料資源會計處理暫行規定》和《關於加強資料資產管理的指導意見》，2024年將是資料資源納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進一步融合。 預計2024年，資料基礎設施建設將在全國各地開花結果。
因此，面向2024年及以後，SmartBI圍繞AI+BI制定了兩個發展階段，挖掘數字經濟的“最佳礦山”。
第一階段是使BI能夠實施對話分析，以幫助企業進行數位化轉型。 具體來說，SmartBI從自然語言查詢開始，可以做歸因分析、深度洞察和**分析，然後可以針對業務問題自動生成整個診斷報告。 讓會話分析大模型的版本越來越好用，同時能力也越來越深入。
第二階段是利用AIGC和指標體系提高BI專案的交付效率。 對此，吳華福表示，“未來，我們將利用AI為客戶自動生成定製化的BI系統，將BI專案的交付週期從三個月到六個月改為三到六天。 我們“AI+BI”的未來其實是能夠快速生成滿足企業需求的BI系統，AIGC將在企業服務領域從代、語音代際發展到代代BI系統。 ”
這兩個發展階段的規劃是基於Sematic Software對BI市場未來機遇的洞察
隨著 AI 採用門檻的降低，在頂級市場中使用 BI 的客戶群繼續擴大。 大型企業業務人員的構成是多種多樣的，有的人會使用程式語言，有的人會使用Excel，有的人會“拖拽”，有的人沒有接觸過數字工具。 制定資料驅動的業務決策並不簡單，如今，AIGC使每個人都可以使用它。 BI在進入會話分析階段時能夠擴大其使用者群。
隨著配送效率的提高，中腰市場將成為一片新的藍海。 吳華福判斷，當SmartBI進入AI+BI組合應用的第二階段時，AI自動生成BI系統，這將是整個中國腰部市場的巨大變化，將開啟中腰部市場的增量空間。
隨著數字技術向傳統行業的加速滲透，BI市場的長期機會正在出現。 例如，傳統製造業。 對此，吳華富指出：“未來，我認為製造業的轉型是重要的一環，因為製造業是國家的立國之本。 中國的資訊化水平遠遠落後於金融運營商，我認為這是乙個明顯可見的趨勢。 ”
然而，也正是因為整個數字經濟市場發展不平衡，他也認為，可能需要5到10年甚至更長的時間才能完成這一切。
BI市場仍然是乙個供給側定義的市場。 “廠商通過'AI+'驅動業務發展，提公升業務效率，拉開了BI行業新一輪增長週期的帷幕。
*：松國金融。