Starburst推出AIDA，用AI重新定义BI|aida|bi|上下文|元数据|工作流|方向|电子表格

数据和AI行业正朝着实时系统的方向发展。顺应这一趋势，企业智能平台Starburst推出了一款名为AIDA的新型AI数据助手，将AI连接到分布式系统中的受治理企业数据。其目标是用实时决策支持取代延迟报告。

Starburst表示，除了时效性，数据可信度也是AIDA的另一个关键目标。速度与信任的结合是企业追求但难以实现的目标。这代表了企业AI和数据管理到BI（商业智能）的真正瓶颈。大多数组织并不缺乏运行模型的能力，他们困扰的是如何应用模型以产生商业可用成果的方式。数据仍然碎片化、上下文缺失，使这一问题雪上加霜。治理往往是被事后叠加在系统之上的，而非内建于系统之中。

Starburst的做法不仅仅是将AI叠加在分析之上。AIDA被定位为企业数据的新界面。他们希望将焦点从仪表盘（数据图表表现方式）和报告转向与数据的持续交互。企业通常将仪表盘作为查看数据的主要方式。围绕一组预期问题构建仪表盘，它们按计划更新。这在变化节奏较慢时是有效的。但现在，大多数决策并非通过盯着固定仪表盘做出的。事情变化很快，问题也随之变化。AIDA正是为这种环境而构建的。

不再需要点击浏览图表，只需用自然语言提问即可。但它不仅仅是将问题转化为查询，而是试图理解您真正要问什么，从不同系统提取数据，添加业务上下文，给出真正有意义的答案。这正是Starburst试图脱颖而出的地方。

如今分析领域的许多AI工具只是让查询更快。它们加速了流程，但流程本身保持不变。AIDA试图更进一步，更接近真正的决策支持——系统不仅回答问题，还帮助塑造答案本身。

"大多数公司在AI方面仍然走错了方向，专注于模型而非模型所依赖的数据。"Starburst联合创始人兼CEOJustin Borgman表示，"真正的挑战是在不移动数据或不损害治理的情况下将AI应用于业务决策。Starburst的AI数据助手旨在解决这一问题，通过提供对整个企业可信分布式数据的访问。"

在底层，AIDA围绕几个在企业实际环境中至关重要的能力构建。

首先是其在分布式数据上的工作方式。它不会强制将所有数据集中到一个系统，而是在数据已有的位置进行查询。这减少了延迟，避免了移动敏感数据的风险和成本。

一个关键目标是超越基本的查询生成。当用户提问时，AIDA会分解问题，找出哪些数据集相关，并逐步构建答案。Starburst声称AIDA提供"按需访问可信企业数据，实现更快、更具上下文感知的决策"。

上下文是其工作方式的重要组成部分。AIDA依赖元数据、数据目录和治理层来引导响应。这有助于将答案与可信定义绑定，减少不正确或误导性结果的可能性。

系统还可以根据用户调整答案。例如，业务领导者可能看到更概括的视图，而分析师可能获得更多细节甚至底层查询。Starburst将此称为"特定角色推理"，使AIDA能够跨不同角色使用，而不强迫所有人使用相同格式。

Starburst并非唯一推动这一转变的公司，但它是少数将其定位为传统BI直接替代方案的公司之一。其他公司正从不同角度朝同一方向前进。Dremio正在构建智能体式湖仓，用户和AI通过语义层而非仪表盘与数据交互。Databricks正在将AI驱动的交互集成到其更广泛的平台中，尽管它仍以平台本身为中心。MindsDB专注于在数据库层直接用自然语言查询分布式数据，而Collibra则强调治理和上下文是可靠AI的基础。

对于大多数这些公司，方向是一致的——静态仪表盘正在让位于能够解读意图、访问分布式数据并实时返回答案的系统。但差异在于每家走多远。大多数是在扩展现有工作流，而Starburst则更公开地质疑这些工作流是否应该存在。