Kyligence发布企业级AI解决方案！AI数智助理降低数据使用门槛

智东西

作者 | 长颈鹿

编辑 | 李水青

智东西4月12日报道，昨日大数据分析和指标平台供应商Kyligence（硅智信息）召开了数智论坛暨春季发布会，并分享和探讨Data+AI产品及解决方案在金融、零售、制造等行业落地的思考和经验。

Kyligence最新AI解决方案正式发布，该方案由智能⼀站式指标平台Kyligence Zen以及内置AI数智助理Kyligence Copilot构成，能够解决AI与指标融合的问题，论坛分享了AI-数据、AI-业务相融合的领先案例和未来趋势。

▲Kyligence的AI数智助理

智东西与少数媒体对Kyligence联合创始人兼CTO李扬、Kyligence解决⽅案与服务总监⽢甜进行了采访。

Kyligence Copilot是基于Kyligence Zen的AI数智助理，通过融合最新的通⽤AI⼤模型技术，帮助管理者智能评估业务运营的进展、定位⾼风险⽬标、发现趋势和瓶颈，并提供决策建议。AI解决方案框架通过⾃然语⾔对话即可完成围绕业务指标的分析和洞察。

当智东西问到最新AI解决方案与去年有什么新的升级时，李扬回答道，相比于去年来说，今年这个方案是有着巨大的飞跃。他表示，去年从方案角度来说指标平台和数智助理更像是一个毛坯和小样；而最新的AI解决方案融入了企业中真实的场景，进而能够解决真实的问题。

▲Kyligence的AI核心技术

当智东西问到Kyligence的大模型落地还面临什么挑战时，Kyligence解决方案与服务总监甘甜称，对于较复杂和口语化的自然语言，Kyligence AI解决方案对此的意图识别仍然在攻关。此外，该产品仍然依赖于专业的业务人员的感知，公司相信在未来，AI解决方案会努力朝着贴合自然语言这个方向前进。

来自德勤和Kyligence的多位嘉宾分享了Data+AI现阶段在企业场景中落地的痛点，并带来AI+指标平台在金融、零售、制造、医药等行落地的最新成果。

一、AI对话达成95%准确率，100%可解释性

Kyligence CTO李扬分享了Kyligence在部分领先企业落地Data+AI的最新成果。他称，AI商用化的必要条件是在数智中真实应用下拥有95%的准确性和100%的可解释性，而Kyligence已经在某头部城商行的真实场景中做到了这点。最新AI解决方案为AI进一步在银行进行大规模的推广和应用打下了坚实的基础。

▲为什么AI对话落地需要高准确率和可解释性

Kyligence Zen的目标管理与指标对齐功能，使得组织能够从管理者视角，将企业管理分解为相关目标，并设置合理的结果或过程指标，并持续追踪、对比，进一步驱动组织的数字化转型。从而达到对齐团队目标和加速业务闭环的目的。

Kyligence AI解决方案基于自然语言转化成指标查询，如何确保这个指标的准确性？如何保证起初的指标定义的准确性？如何去规避掉这种人为的错误？

李扬解释道，首先，我们比较高的准确性和可靠性就来自于我们独创的目标管理与指标对齐功能。

他提出一个问题，一个AI到底是在做什么工作？

如果AI的工作是帮助一个程序员把代码写得更快、更好，那么编程语言则更为合适。但换过来说，如果AI的这个角色岗位是业务助理，他的用户大概率是一个不懂技术的业务人员，如果AI回答的有所偏颇，那业务人员其实是无法去检查他的真实性和可靠性，所以对于AI结合业务落地，通过更清晰易懂的自然语言转化成指标查询才是AI由技术转向市场的解决方案。

再说到指标，为什么选指标而不是一些别的这个东西。因为指标是业务人员可以理解的数据语言，那么我们看来最合适的就是业务人员可以理解的数据。

那么又沿着另外一个事情，怎么去把这个指标做到这个标准化和统一化。大家在跨部门沟通协作的时候会发现，可能每个部门对销售额和成本的定义都不一样，那在这种情况下面，人在跨部门交流的时候也要去澄清，同样，Kyligence的AI指标指标平台和数智助理也要管理者在指令上进行定义。

只有当指标数据对齐到业务目标，才能真正意义上实现数据驱动的决策和增长。

万事开头难，只有通过累计的知识点才能达到高质量的Data+AI，用高质量的实际数据来训练和决策数据，才能把长期的人工智能做下去。

二、落地医疗、餐饮等行业，Kyligence提供针对性服务

Kyligence已合作于多家药企、餐饮企业和头部银行，甘甜将这些落地实践的案例整理起来来解释产品的实用性。他认为每个业务有不同的分析角度，Kyligence的AI解决方案能够给出针对性的风险指标和加强管理建议，把人物直接发送给业务的直接负责人，帮助实现更高效的业务办理。

▲Kyligence的AI解决方案助力某顶流餐饮

▲Kyligence的AI解决方案与某头部药企携手合作

▲Kyligence的AI解决方案服务于某头部银行

在落地AI应用时，企业需要围绕核心业务流程挖掘“小切口、大纵深”的大模型应用场景，搭建变革业务模式的“杀手级场景”；与此同时，大模型仍然依赖大规模的训练数据，尤其是高质量的数据；企业需要更加关注构建自己的“数据壁垒”，将业务数据沉淀为指标资产。

负责德勤中国AI战略落地的尤忠彬，以“内功不变”应“时代万变”—大模型时代企业的制胜之道来解释AI行业的落地。他介绍并分享了过去和现在模型迭代的速度，并表示大模型行业的快速变化让机构面临挑战。

他重点强调了五个不变的因素：完整的AI战略，即如何影响企业竞争格局，对于AI有着相对清晰的愿景式描绘；垂直场景的同质化明显且业务深度不足；“紫领人才”的供应断层，强化对职业人才的重视度；管控新型AI风险，提高人工智能透明度和可解释性；以及人工智能时代成功要素——数据基础，企业内部领域知识的运营会越来越强化。

正如尤忠彬所述，在快速变化的AI时代，企业应当保持定力，持续围绕战略、人才、风险、数据、生态等“不变”关键要素重点建设。

三、持续扎实AI基础要素，规避AI产品风险

企业和商业用户更在意的其实不放心是把数据交给给大模型，认为AI有多重的不可靠因素。对此Kyligence的两位出席人员表明，Kyligence Zen指标平台能够智能的一站式解决，大模型实际上不会获得任何数据，也不会直接查询数据。AI数智助理Kyligence Copilot可集成用户认证系统如AAD，还可根据组织架构配置用户的数据访问权限。Kyligence AI解决方案结合数智助理获取主要数据，通过通用大模型给出一些原因，对应的行动建议，形成闭环。因此，Kyligence的解决方案通过指标查询，在指标系统得到保障。

▲Kyligence指标平台保障数据安全

Kyligence的AI解决方案对接了国内外通用大模型，能够更好的支持高度口语化的业务问题，完成提供更加符合指标平台的答案。让更多的业务通过自然语言获取指标数据，获得指标纬度，进一步快速定义指标问题。

也就是说，AI解决方案在已经创建好的指标体系的基础上，去对指标做进一步的数据以及对应的指标的上升或者下降的归因分析。

▲Kyligence的AI解决方案能够回答准确

和业务一起共创是AI解决方案的一个亮点，通过业务指标的方式，让客户自己做交互式的修订和更改。这类似于让企业先定义一套类似于考核体系的指标，然后再进行智能分析。

结语：AI+数据分析，降低数据使用门槛

Kyligence以AI+指标平台这一全新的形式满足企业复杂多样的分析需求，提高了商业洞察的质量和决策效率；还结合最新的生成式AI 技术，在一线人员范围推广并使用AI数智助理，进一步降低业务人员使用数据的门槛；最后Kyligence创新性的分析众多真实场景，使业务评估更为精准。

但Kyligence的AI解决方案目前仍面临着无法识别新业务的感知以及对自然语言处理不够娴熟的挑战。对于处理终端业务和多指标等复杂性需求，国产AI行业在AI技术完全落地的路上仍需继续探索。