大家好,我是九歌AI。

今下午看了火山引擎Data Agent相關的直播，覺得受益匪淺，特別是第一個項目負責人海書山的發言，適合多次回味，大廠的同志對智能體的認知，就是有深度，不得不服。完整直播回放請直接火山引擎視頻號觀看。

下面我結合發言人的PPT內容，整理一下自己的收獲和感想。

AI是不完美的,AI在將來很長時間,也是不完美的。AI將在很長的時間，承擔輔助、提效的工具角色。通用Agent無法解決企業中復雜的業務問題。AI工具的簡單堆積，并不能解決數據賦能業務的落地難題。

數據在AI時代應該怎么用？企業數字化有幾個成功的？這是Data Agent應該解決的問題，提供一種新的決策方式。如何將數據價值最大化并有效地應用于實際業務場景中。

在面對數據和業務之間的選擇時，不要糾結于是否需要升級工具或購買更多產品上，這在邏輯上可能是一種安慰劑效應，意味著他們習慣于用舊方式處理問題，而不考慮改變方法。

Data Agent不應該沉迷于圖表看板的展示，酷炫的圖表展示只適合拍領導的馬屁，讓老板看著高興。

解決業務問題永遠是最重要的！真正有用的是讓數據真的對企業業務產生價值，比如通過數據決策智能體，找出利潤下降的關鍵原因；通過Data Agent，找到真正影響企業業務的那幾個核心數據指標。

Data Agent利用AI技術深度挖掘數據價值，與大模型結合，為業務提供更深入的洞察和決策支持，將企業的海量數據資產轉化為有效的業務決策工具。b不僅關注數據的歸因分析，即理解銷售數字升降背后的原因，還應擴大洞察的廣度，從僅分析結構化數據擴展到同時處理結構化和非結構化數據，以提供更全面的視角。

垂域領域的智能體應該像人一樣，專注某一個業務方向。智能體不應該隨著大模型能力的增強，失去護城河，變得沒價值，而是應該隨著大模型能力的提升，這個智能體自身也能進化，變得更強。

標準通用的智能體產品可能無法清晰理解企業的業務預期，因此在解決所有問題時深度往往不夠。

怎么像智能體提問，是一個比使用智能體更重要的事情。要讓Data Agent理解當前業務的語境，明白行話黑話，明白這個業務習慣性的數據處理方式是什么。智能體能夠借助結構化的知識庫，自主規劃相對合理的執行路徑。

通過結構化的提示詞和細致規劃的工作流，借助外部工具的使用，降低大模型的幻覺，提供智能體過程的可控性，從而保證結果的穩定性和準確性。工程化思路側重于通過任務分解、固定策略的prompt、調用外部工具或結合知識庫和數據庫，提升業務場景落地的下限，搭建大模型與業務場景間的橋梁。

Data Agent 雖然是個數字員工，但是不會替代原有的數據團隊，而是和原有員工共生，一起成為業務團隊的左膀右臂。

不要浪費時間在大量前置工作上，亦或者重復造輪子，盡量避免從頭開始構建復雜系統，而是利用現有的數據和流程，專注于快速實施有效場景，避免過度復雜的定制化工作，確保快速產生價值。

智能體可以打破數據邊界，通過關聯結構化數據和非結構化數據，提升數據組合的價值。降低知識門檻，將團隊中頂尖人才的隱性知識轉化為顯性知識，通過大模型學習和分享其思考方式，提升整體團隊水平。

擁抱智能體不管是當下還是未來，從長期中期短期來看，收益遠遠大于風險和成本。智能體決策的質量的優先級要遠遠高于數據的優先級。智能體在企業中的普及，只會讓厲害的人越厲害，原有不同同事之間的能力差距，也會越拉越大。

企業應該與客戶及第三方合作，不斷拓展生態，通過務實的方法面向具體的業務問題，專注于解決特定行業和場景中的實際需求。確保所有迭代和開發都緊密圍繞解決具體業務問題展開，避免為迭代而迭代，與通用AI區別開來，聚焦于行業特定問題的解決。

在AI快速變化中，找到本質的東西，找到一直不變的內容，想明白自己的真正需求，比如企業中落地智能體后，是否真的帶來了價值，這個價值體現在哪個地方，比如簡歷溝通效率提升了20%，而不是多了個向老板匯報的東西，這樣是沒意義的。

快速試錯，敢于嘗試新的內容，不要一直等待新產品的出現，即使發現在企業中不適合也沒關系，在這個過程中，積累的經驗和認知都是寶貴的財富。面對AI技術的不斷進步，企業需保持靈活性和適應性，專注于解決具體業務問題，而非單純追求技術先進性。