当下的人类正站在AI时代的开端，社会中的每一个人都在被强大的AI技术赋能。聚焦AI领域的“赋能者”与“被赋能者”，36氪“新质生产力·AI Partner大会”以“我被AI赋能了”为主题，汇聚国内AI领域重量级嘉宾，一起共探AI行业新图景。
5月24日，36氪“新质生产力·AI Partner大会”于北京环球贸易中心正式拉开帷幕。大会聚焦AI场景与应用端，分为“AI能为我们做什么”和“我被AI赋能了”两大篇章。现场汇聚来自蚂蚁集团、联想、OPPO、百度、英特尔等企业的AI领域先锋者，以“赋能者”与“被赋能者”的不同视角，共同探讨AI技术如何“爆改”千行百业。
企业级AI产品解决方案的推出，无疑为企业使用数据带来了革新体验。这些解决方案通过集成先进的AI技术，使企业在金融、零售、制造、医药等多个行业都能实现数据驱动的智能化转型。接下来我们将有请下一位演讲嘉宾，Kyligence（跬智信息）联合创始人兼CTO李扬先生。
现场拍摄
大家好，我想给大家分享在数智或者是传统的叫做Business Intelligence领域的AI方面的突破。如大家看到的，Kyligence是一家做大数据分析和指标平台的软件公司，在AI来了以后，沿着数据决策智能化方向带来一些新的产品突破。
BI和AI有很长的历史，我们也一直在探索商业怎么智能化或者在AI时代怎么让机器帮人做更多的事情，这已经成为共识。在过去人是主要的决策者，但我们看到一个希望是慢慢随着AI技术的前进，AI会变成决策的主体，AI在其中扮演的角色越来越多。
现场拍摄
怎么做这个事情，我们怎么把人的决策的知识沉淀下来，把它复制到一个系统里，并且利用这个系统把知识传递给更多的人。目前，结合需求是这样一个流程，从专家来生成的知识，被固化到系统中（知识载体），最后赋能给大众。
一个简单的判断说，AI有多强，可以看这个系统掌握和复制知识的能力大概占了专家或者是老手的百分之多少。以前我做一个电子表格，用EXCEL、BI系统以自己记账的方式去核算财务健康模型，但在大数据时代可以引入的数据成千上万，如利用气象数据来预测大宗商品的金融市场走势，这都是知识载体不同的形式。
现场拍摄
Kyligence 想做的事就是在这个模式里或者是框架里做进一步突破，我们公司于去年7月率先推出AI数智助理（Kyligence Copilot），通过它把收集和刻画以及稳固知识的能力做一个放大。我们会希望通过两个步骤来做这个事情，第一个是数字指标化，它需要统一数据语言来帮助人和机器沟通，接着是知识的沉淀。我们和一些国内头部的零售和餐饮企业，包括目前服务更多的金融企业，都在尝试新的模式，看看它有什么样子的突破。接下来介绍的「全渠道经营管理」场景，就是一个业务用数，智能决策的代表实践。
AI数智助理（Kyligence Copilot）目前可以帮我们做大的项目的目标分解，在某一天根据企业的目标、指标规划来主动把风险推送给你，比如月销售额目标是多少，今天达成的是多少，在一些值得预警的地方主动标红，比如零售企业管理层会关注齐码率的指标，如果在93%，那就说明不太合格。传统做法是通知到人做相应的处理，这样效率就会存在滞后。
现场拍摄
如果有AI数智助理，把它叫做全渠道零售经营分析小助手，它可以帮助分析齐码率等问题。比如，我可以问它：“今年春节期间上海各家门店是否有缺货？” 管理层可以通过风险预警系统发现问题，并通知我立即处理。假设我是上海地区的渠道经营小负责人，这个 AI助手需要首先正确理解问题的背景，即今年春节期间和上海的门店情况。然后，它会列出结果，并引用公司管理规范和知识库，告诉我当前的问题是什么。根据2024年库存管理规范，齐码率达标线是75%。小助手会发现哪些门店没有达到这个标准，比如最低齐码率为71.85%的门店。然后，它会推荐我去处理这些不达标的门店，以确保齐码率达到75%的标准。
AI不仅会列出这些门店，还会根据库存管理的最佳实践和知识库，提供进一步的指导。不仅如此，还可以分析具体产品品类，找出缺货的原因，并在这些门店中识别哪些品类缺货严重。
作为新入职的员工，我可能缺乏处理问题的经验，但在AI的帮助下，我可以像老手一样一步步解决实际问题。AI在齐码率不达标的门店中进一步分析品类，发现珠宝、箱包和鞋履在春节期间的表现。针对某一品类，AI将根据数据和知识库提供建议。
例如，缺货有两种原因：一是销售火爆导致断货，二是供应链不足。AI分析发现鞋履的动销率不高，说明缺货可能是供应链问题。AI引导员工将库存和动销率结合分析，确定问题是由于供应链不足。这就是一个AI助力决策的生动样例。员工对内汇报，并提出改进建议，推动下一步关键举措。
借着今天峰会的主题“我被AI老师傅赋能了？”当企业中有比较好的知识管理和企业建设，今天AI是可以把知识固化到一个智能体里边，并且智能体是在真实的场景当中来带领新手把知识传递给新手。
稍微聊两句核心问题，像刚才的场景最难的一点不在于对话能力，难的在于能够不犯错误，能够不去胡说八道，能够在遇到自己不懂问题的时候，能够及时终止，不要不懂装懂，这里最大的挑战就是准确性。我个人的理解今天AI普及率还差关键的技术突破，就是在准确性方面。除此以外还有数据安全性，刚才小助手会不会回答我访问权限之外的问题，比如公司总部今年净利润是多少，它会不会真的回答我，数据安全也是一个大的问题，这也是我们作为科技公司在着力解决的问题，像刚才的场景在真实客户适用当中已经能够落地了。
总结一下，AI帮助人们做数字化决策，我们的感受今天大概已经走到中间的情况，之前是人类决策为主，像大家看到的那样，今天的状态在一些经典问题上，能够知识沉淀和知识积累做到一半，人一半，AI老师傅能够帮到一半，再往后还是比较强的看好这个领域，在所有企业数字化管理和数字化建设和协作效率方面，AI数智助理或者数字化决策助手是大势所趋，AI会把企业管理软件都能吞噬掉。
这就是我的分享，谢谢。
热门跟贴