大模型爆火一年后，人工智能浪潮席卷全球。 Goldman Sachs** 预计，超过 80% 的企业将使用生成式 AI API 或模型，或部署在生产中支持生成式 AI 的应用程序。
现在的问题是，大模型如何才能从技术层走向应用层，创造更多的商业价值？
为此，全球技术厂商都在大模型+B端应用的开发上做出各种尝试，包括BI（商业智能）细分市场。
BI可以将各种业务数据转化为有用的信息，辅助业务决策，是最直接体现业务价值的应用领域。 据Gartner预测，2023年62%的中国CIO将加大对商业智能BI的投入，BI已成为企业数字化转型支出的主力军之一。
近日，国内知名BI品牌Sematic Software正式发布SmartBI对话分析大模型版，实现大模型+BI组合应用的产品化。
对于AI+BI的组合应用，Sematic Software创始人兼CEO吴华福告诉Songuo Finance这是BI演进的新阶段（从传统BI到自助式BI再到智能BI），智能BI带来的客户群体和客户商业价值是不同的。
那么，AI+BI的组合应用会给企业带来什么价值呢？ 智能BI的商业前景如何？
大模型“改写”BI产品能力，业务价值和使用门槛双双破
虽然生成式AI一夜爆火，但传统BI向智能BI的演进并非一蹴而就。
据悉，早在2019年，SmartBI就首次将AI和BI融合在一起; 两年后，SmartBI获得了自然语言分析（NLA）专利，该专利允许用户通过语音助手将自然语言的输入转换为语言元模型，从而快速准确地找到所需的查询结果。
2023年，SmartBI将更好地将之前申请的NLA专利产品化，并发布SmartBI对话分析大模型版本。 同年8月，Gartner发布《2023中国数据、分析与人工智能技术成熟度曲线》报告，SmartBI凭借持续集成BI和AI增强的大数据分析产品，再次入选增强数据分析和自助分析代表供应商，这也是SmartBI连续第四年入选“Gartner增强数据分析代表供应商”。
经过多年的探索，SmartBI以业务为导向的方式将技术转化为有形的商业价值，另一方面，通过产品迭代，逐步降低了企业数字化转型的门槛。
从业务端来看，在大模型的支持下，SmartBI产生更多的业务价值。
作为开发商，Sematic Software 是第一个“吃螃蟹的人”。 通过SmartBI构建内部业务和财务一体化系统，Sematic Software实现了降本增效，同时实现了收入的大幅增长，2023年将直接扭亏为盈。
在具体业务场景上，吴华福以内部业务分析会为例：“首先，看看今年上半年的整体业绩，smartbi会展示上半年的合同收入和同比情况，然后我可以继续问，如果业务人员合同不好， 商机够了吗？ 商机不够，业务人员来访的次数够吗？ 如果访问次数不够，业务人员是否运行足够？ ”
在这种情况下，SmartBI的对话分析模型版本表现出强大的上下文理解能力，牢记用户以前的问题和需求，并根据上下文输出连贯的数据分析结果。 这种多轮对话分析可以帮助用户高效找到问题的根源，从而支持科学的业务决策。
同时，从产品端来看，smartbi也提升了自身的使用价值，降低了使用门槛。
过去，在传统的BI阶段，IT专业人员只能做固定的报表，但在自助式BI阶段，数据分析师可以进行可视化操作，更好地协助管理者做出决策，而现在在智能BI阶段，业务人员可以直接使用简单的对话问答，让AI像聊天一样进行智能数据分析。
大模型的出现，真的让我觉得数据分析的门槛为零，因为我们意识到每个人都可以成为数据分析师。 吴华福总结说，SmartBI会话分析模型版本主要在两个方面进行了改进：首先是用户组，为广大业务人员提供业务协助; 二是分析深度，BI从描述性分析到一流分析。
可以看出，AI模型+BI同时为企业解决了两个问题，一是如何在财报中体现数字化转型的价值，二是如何更简单、更全面地实现数字化转型。
那么，SmartBI是如何做到这两点的呢？
以终为始，深度融合行业诀窍与大模型
目前，大模型应用层的生态正在方兴未艾，尤其是在企业级应用领域。 对于大数据BI软件服务商来说，在特定的商业环境中投资生成式AI技术，目标和方法，仍处于探索阶段。
人工智能的商业应用是一个土地复垦的过程。 吴华福认为，大型模型很多，但大多从C的角度落到应用层，而B则处于上升期。 事实上，AI+BI的结合是快速实现AI商业价值的一种方式，也是客户愿意支付的应用场景。
因此，Sematic Software主动率先行，找到了用AI技术升级BI产品的两大关键：一是真正产生商业价值; 其次，必须在实践中进行检验。
具体来说，厂商首先要“以终为始”，即在整合AI技术迭代产品的过程中，BI应始终以业务为导向。
SmartBI对话分析模型版本可以降低企业数字化的门槛，核心是以解决大多数业务人员面临的使用问题为“终点”。
比如，准确性问题。 与之前的AI语音助手相比，SmartBI可以准确理解业务人员的意思。 在消费者方面，AI对用户意图的理解中出现少量错误并不能完全影响使用，用户的容忍度更高，但对于企业来说，一旦数据分析失败，业务人员可能就不愿意使用智能BI。
对此，吴华福表示：“这一次，我们用大模型和专利技术，让BI充分理解用户的意图，解决准确性问题，在我看来，这是核心突破。 ”
另一个例子是常识理解和安全问题。 对于前者，SmartBI是基于一个基座模型的一般知识，对BI行业和领域知识进行再训练，然后结合客户的应用场景进行优化。 对于后者，最新版本的SmartBI实现了本地大模型的私有化部署，可以降低数据泄露的风险，并具有更强的安全性。
除了从业务角度解决问题外，AI+BI还应该基于实践实现行业诀窍与大模型的结合。
脱离实际业务环境的数字工具本质上是低价值的。 SmartBI对话式分析模型之所以能够有效帮助企业降本增效、创造商业价值，关键在于构建了一个参考管理指标体系，让客户只需要根据自身情况删除指标，使用方便。 同时，向导的简单操作方式也有助于企业积累高质量的数据资产。
据悉，SmartBI指标库的精华在于与多个合作伙伴积累的业务经验。 同时，大模型“阅读”了大量的管理书籍，并且具有管理知识。 吴华福指出：“现在我们结合行业诀窍和大模型，构建参考管理指标体系，客户可根据自身情况进行删除。 这样一来，BI的交付就变得更快了，我们对BI未来的思考就是“一句话生成一个BI系统”。 ”
总之，以业务导向、行业诀窍+大模型为方法，SmartBI对话式分析大模型版本走出了自己的商业化路径，AI+BI应用的市场潜力随着产品的落地而逐渐显现。
AI+BI重塑生产力，高效挖掘数字经济“最佳矿山”
对于AI+BI应用的未来，吴华福认为，无论是从企业服务行业还是从整个中国数字经济来看，AI+BI的发展空间都很广阔。
一方面，人工智能技术的发展是一场新的技术革命。 AIGC的兴起不仅帮助企业更好地从数据中获取价值，也改变了BI供应商的生产力。 从BI到AI+BI，就像从铲子到挖掘机。
另一方面，毫无疑问，数字经济有一定的机会。 目前，我国数字经济规模超过50万亿元，位居世界第二。 根据财政部发布的《企业数据资源会计处理暂行规定》和《关于加强数据资产管理的指导意见》，2024年将是数据资源纳入企业财务报表的元年。 同时，数字基础设施建设与产业数字生态进一步融合。 预计2024年，数据基础设施建设将在全国各地开花结果。
因此，面向2024年及以后，SmartBI围绕AI+BI制定了两个发展阶段，挖掘数字经济的“最佳矿山”。
第一阶段是使BI能够实施对话分析，以帮助企业进行数字化转型。 具体来说，SmartBI从自然语言查询开始，可以做归因分析、深度洞察和**分析，然后可以针对业务问题自动生成整个诊断报告。 让会话分析大模型的版本越来越好用，同时能力也越来越深入。
第二阶段是利用AIGC和指标体系提高BI项目的交付效率。 对此，吴华福表示，“未来，我们将利用AI为客户自动生成定制化的BI系统，将BI项目的交付周期从三个月到六个月改为三到六天。 我们“AI+BI”的未来其实是能够快速生成满足企业需求的BI系统，AIGC将在企业服务领域从代、语音代际发展到代代BI系统。 ”
这两个发展阶段的规划是基于Sematic Software对BI市场未来机遇的洞察
随着 AI 采用门槛的降低，在顶级市场中使用 BI 的客户群继续扩大。 大型企业业务人员的构成是多种多样的，有的人会使用编程语言，有的人会使用Excel，有的人会“拖拽”，有的人没有接触过数字工具。 制定数据驱动的业务决策并不简单，如今，AIGC使每个人都可以使用它。 BI在进入会话分析阶段时能够扩大其用户群。
随着配送效率的提高，中腰市场将成为一片新的蓝海。 吴华福判断，当SmartBI进入AI+BI组合应用的第二阶段时，AI自动生成BI系统，这将是整个中国腰部市场的巨大变化，将打开中腰部市场的增量空间。
随着数字技术向传统行业的加速渗透，BI市场的长期机会正在出现。 例如，传统制造业。 对此，吴华富指出：“未来，我认为制造业的转型是重要的一环，因为制造业是国家的立国之本。 中国的信息化水平远远落后于金融运营商，我认为这是一个明显可见的趋势。 ”
然而，也正是因为整个数字经济市场发展不平衡，他也认为，可能需要5到10年甚至更长的时间才能完成这一切。
BI市场仍然是一个供给侧定义的市场。 “厂商通过'AI+'驱动业务发展，提升业务效率，拉开了BI行业新一轮增长周期的帷幕。
*：松国金融。