四个月过去， Kyligence 落地 AI 应用进度如何？
今年 11 月，Kyligence 宣布升级智能一站式指标平台 Kyligence Zen 及 AI 数智助理 Kyligence Copilot 的一系列企业级能力，包括正式支持智谱 AI、百川智能等在内的多款国产大模型、支持企业级私有部署等多种部署方式，以及指标全生命周期管理、数据权限管控、智能缓存等多项能力。
从决策支持到决策智能
在 Kyligence 联合创始人兼 CTO 李扬看来，“从宏观角度来看，人类和 AI 的分工将迎来巨大的变革，企业将逐步从决策支持过渡到决策智能。未来，AI 将自动完成大部分决策，而人类只需进行一些审阅、解释和批准的工作，整个决策的过程将变得更加科学、高效和智能。”
从现阶段落地来看，大模型的兴起，已经改变了传统应用开发、数据开发等流程的固有范式，企业身在其中能够更快实现数据驱动业务决策，加速数智化转型。
虽然决策智能的实现，是 Kyligence Copilot 的一大目标，但大模型现阶段仍然存在“幻觉”和“准确性”的问题。对于这一问题，Kyligence 有自己的解法：“我们的AI数智助理在稳定性和可靠性上，与基于大模型的常规系统有显著差异。它必须基于一个指标平台，该平台的数据都以事实为依据。”李扬始终强调，决策必须基于指标平台。
一方面有了指标平台作为数据基础，另一方面，如何确保指令理解的准确率？Kyligence Copilot 在产品设计之初的一个重要考虑是提供用户可以干预和反馈的机制，以确保 AI 最终给出的结果是准确的，尤其是对意图的理解。
谈及 Kyligence Copilot 的核心价值，李扬告诉我们，它提供的是基于 AI 的管理能力。大语言模型好比“操作系统”，但只有操作系统可不行，能够产生业务价值的应用系统也不可或缺。而 Kyligence 指标平台+Kyligence Copilot 就是这样一个“应用系统”。目标是帮企业做数字化管理。
那么，基于 AI 的管理能力具体有哪些？核心价值又是什么？具体来说包括：
提高管理效率：通过AI技术来自动化一些管理流程，减少人工干预，提高管理效率。
增强管理半径：通过AI技术来扩大管理的范围和深度，让管理更加精细化和全面化。
对齐管理口径：通过AI技术来对齐不同部门、不同团队之间的管理口径，让管理更加统一和协调。
AI辅助的智能裁判：通过AI技术来对一些复杂的业务场景进行智能裁判，提高决策效率和准确性。
这些基于 AI 的管理能力有助于提高企业的竞争力和市场占有率，也是Kyligence 的核心价值之一。30 %~ 40 %的生产效率提升Kyligence Copilot 自诞生之初，就一直强调自身在降低数据使用门槛和提升数字化管理效率方面的价值。时至今日，是否能够量化这种价值？李扬在这次升级发布会也给出了答案：有 30 %~ 40 %的效率提升。作为企业管理者，在投入的时候都希望有明确的回报。这很容易理解，好比购买一只股票，一定是看到它有上涨的希望。从宏观和微观两大角度来看，宏观经济形势正在触底，长远发展中，投资 AI 方向一定会带来盈利。但是短期这笔投入是否能获利？李扬的回答很诚恳，Kyligence Copilot 已有成功案例，但具体情况还需具体分析。这里有两大关键要领，首先，企业和组织需要理解数字化管理的重要性，这是基础；其次，企业需要相信数字化管理，并按照实践经验，建立统一的数字化体系和数据口径。这一步非常关键，只有这样才能避免人与人、人与AI 之间的分歧。据观察和实践，通过有效运用上述工具，管理者的生产效率将有 30 %至 40 %的提升。随着后续的有效应用，提升幅度还会加大。但他也强调，这只是一个初步预估，实际效果还需要根据企业的具体情况和应用效果来衡量。大模型已是 AI 时代的基础设施。在数据驱动的时代，AI 分析在某些行业已经是标配，比如零售业、制造业等。在这些行业中，数据分析已经成为了一种核心竞争力，而 AI 分析则能够进一步提高数据分析的效率和准确性。在其他行业中，随着数据驱动决策的逐渐普及，AI 助力分析也将会成为一种趋势。
支持智谱 AI、百川智能等国产大模型回到技术层面，Kyligence Copilot 是基于指标平台（Kyligence Zen）的 AI 数智助理，此次升级已支持智谱 AI、百川智能等国内领先的大语言模型。为了评估和优化 Kyligence Copilot 对不同大模型的支持效果，数据分析场景下的大模型能力评测框架（Kyligence LLM Benchmark for Data & Analytics）也诞生了，可以基于企业常用的数据分析场景，从数据准确性、结果可读性、洞察自动化等三大方面、七个维度对国内外多个大模型进行评测。如何选择现阶段的支持模型，Kyligence 首先从技术和稳定性、可靠性角度，对各语言模型进行测评。智谱 AI、百川智能作为国产模型第一梯队中的佼佼者，也是获得国家认可的，率先拿到牌照的一批大模型团队。除此之外，Kyligence 的定位与这些企业在端到端场景上具有互补优势也是一大因素。但实际应用中更复杂的问题是，企业选择哪个大模型不单是个技术问题，它涉及到战略决策，服从企业的战略目标才是首要。因此在应用过程中会涉及到一些模型训练和调优的问题，包括理解的准确性、对指令的理解是否有误差，以及如何更好地解读数据以更贴近企业的专有知识库。这都需要在模型训练时进行相应的优化。在 Kyligence 的大模型能力评测框架测评报告中，主要关注模型两大维度的表现，即数据计算和数据洞察。对于数据计算，可以通过对基础大模型进行微调来提高模型的准确率。“据我们观察，微调后的模型准确率可以提高约 10 %至 20 %”，李扬告诉我们，“这是目前能够确认的第一轮辅助提升。”在实际使用中，Kyligence Copilot 可在 10 秒自动完成关键 KPI 评估，快速定位问题；20 秒找到数据变化背后的根本原因，动态优化策略，帮助业务人员聚焦关键指标，掌握业务进展。依托 Azure OpenAI、智谱 AI、百川智能等大模型服务，可以确保企业使用的人工智能服务的安全、合规。开放 API 接口支持个性化的数据应用搭建，以更低的成本拓宽了业务场景和使用范围。
DATA+AI 的下一步，离“科幻”更进一步李扬告诉我们，DATA+AI 的应用总体来说还处于非常早期的阶段，但一些行业已经走在了前列，例如零售、营销、制造和医药行业。金融行业也有一些尝试，过程可能更加谨慎。AI 技术正在对现有产品操作界面和用户交互逻辑产生深远影响。然而，这种变化并不意味着老式的交互方式会消失，而是会创造更多新的交互形态以满足不同用户的需求。在引入大模型之后，未来 Kyligence 还会有些新变化：下一版本重点迭代，增加新的功能，其中包括整合外部知识库，使得AI给出的决策支持更符合企业的上下文，从而提高建议的相关度和精准度。在更远的未来，结合决策智能的定位，Kyligence 产品指标平台的能力会增强，例如增加预警、订阅等功能。此外，也会更加深入结合 AI 和产品本身的功能。在人机交互方面，未来的产品设计会更加注重人机自然语言的交互方式，这不仅会增加产品的易用性，也会提高用户的使用体验。
