圓桌論壇：讓AI自己“干活”，到底卡在哪？一場(chǎng)論壇論出了真相

“Data Agent：跨越概念鴻溝，錨定業(yè)務(wù)核心價(jià)值

站在大數(shù)據(jù)產(chǎn)業(yè)國(guó)家戰(zhàn)略落地10周年的關(guān)鍵節(jié)點(diǎn)，于上海舉辦的第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇——暨AI Infra & Data Agent趨勢(shì)論壇，復(fù)盤了產(chǎn)業(yè)10年成果，展望AI Infra與Data Agent未來(lái)趨勢(shì)，為行業(yè)新10年高質(zhì)量發(fā)展注入動(dòng)力。

目前，人工智能與數(shù)據(jù)深度融合，正推動(dòng)行業(yè)邁入 AI 原生應(yīng)用的全新階段。為此，論壇特別設(shè)立了兩場(chǎng)圓桌對(duì)話分別聚焦AI Infra和Data Agent，從基礎(chǔ)設(shè)施的“筑基”到上層應(yīng)用的“創(chuàng)值”，全方位剖析AI技術(shù)從底層架構(gòu)搭建到實(shí)際業(yè)務(wù)落地的全鏈路邏輯，探尋技術(shù)賦能產(chǎn)業(yè)發(fā)展的核心路徑與實(shí)踐方法。

其中，由云創(chuàng)數(shù)安創(chuàng)始人兼總經(jīng)理白云主持的第二場(chǎng)圓桌對(duì)話聚焦Data Agent，邀請(qǐng)到金賽藥業(yè)人工智能藥物研究院院長(zhǎng)鮮翾、廈門大學(xué)附屬婦女兒童醫(yī)院CIO李振葉，思邁特軟件CTO楊禮顯，鼎捷數(shù)智AI研發(fā)中心總經(jīng)理、企業(yè)級(jí)AI戰(zhàn)略與解決方案專家劉暉，數(shù)據(jù)猿聯(lián)合創(chuàng)始人兼主編張艷飛組成豪華嘉賓陣容，深入探討Data Agent如何從前沿概念落地為驅(qū)動(dòng)業(yè)務(wù)價(jià)值的核心系統(tǒng)，剖析其從對(duì)話式分析工具，升級(jí)為可自動(dòng)執(zhí)行任務(wù)、創(chuàng)造實(shí)際價(jià)值的“實(shí)干型”智能體的路徑

從輔助分析到驅(qū)動(dòng)價(jià)值

Data Agent的降本增效實(shí)踐與挑戰(zhàn)

Data Agent作為覆蓋數(shù)據(jù)調(diào)度、內(nèi)容生成與執(zhí)行聯(lián)動(dòng)的數(shù)據(jù)任務(wù)型智能系統(tǒng)，其核心價(jià)值在于跳出輔助分析的局限，在企業(yè)運(yùn)營(yíng)中實(shí)現(xiàn)實(shí)實(shí)在在地降本增效與價(jià)值創(chuàng)造。

廈門大學(xué)附屬婦女兒童醫(yī)院CIO 李振葉

李振葉結(jié)合醫(yī)療行業(yè)實(shí)踐，分享了Data Agent在臨床場(chǎng)景中的落地成果與瓶頸。醫(yī)療行業(yè)環(huán)境復(fù)雜，Data Agent的出現(xiàn)讓臨床查詢、診斷決策從理念走向現(xiàn)實(shí)，有效實(shí)現(xiàn)了降本增效。

例如，在影像診斷場(chǎng)景中，傳統(tǒng)CT、核磁檢查會(huì)產(chǎn)生上千上萬(wàn)張片子，醫(yī)生需憑借經(jīng)驗(yàn)逐一排查，耗時(shí)費(fèi)力且學(xué)習(xí)周期長(zhǎng)，5年從業(yè)醫(yī)生也未必能獨(dú)立出具合格報(bào)告，核磁報(bào)告通常需3天以上才能交付患者。

而利用Data Agent可快速篩選出疑似病灶，醫(yī)生僅需對(duì)疑似案例復(fù)核確認(rèn)，大幅縮短了報(bào)告出具時(shí)間，為心梗、腦梗等急癥患者爭(zhēng)取寶貴救治時(shí)間，同時(shí)減輕醫(yī)生工作負(fù)擔(dān)。此外，醫(yī)院已將報(bào)告解讀功能植入微信小程序，實(shí)現(xiàn)患者線上便捷查詢報(bào)告，提升就醫(yī)體驗(yàn)。

李振葉也坦言，Data Agent目前在醫(yī)療領(lǐng)域難以規(guī)模推廣，面臨三重核心瓶頸：一是臨床信任鴻溝，醫(yī)療決策責(zé)任終身制，患者生命安全不可逆，試錯(cuò)成本極高，醫(yī)生對(duì)新技術(shù)應(yīng)用極為謹(jǐn)慎。

二是跨部門協(xié)作障礙，Data Agent需以臨床業(yè)務(wù)為主導(dǎo)，聯(lián)動(dòng)信息、臨床等多科室協(xié)同支持，單一部門推動(dòng)難以落地。

三是數(shù)據(jù)質(zhì)量與標(biāo)準(zhǔn)化問(wèn)題，患者健康檔案分散、記錄不完整，個(gè)體差異大，導(dǎo)致模型難以普遍適用。

因此，醫(yī)療場(chǎng)景推廣Data Agent必須立足臨床需求，筑牢數(shù)據(jù)質(zhì)量根基，強(qiáng)化跨部門協(xié)同。

鼎捷數(shù)智AI研發(fā)中心總經(jīng)理、企業(yè)級(jí)AI戰(zhàn)略與解決方案專家 劉暉

從企業(yè)服務(wù)視角，劉暉分享了Data Agent從輔助交互到深度參與業(yè)務(wù)執(zhí)行的轉(zhuǎn)型路徑。

以采購(gòu)智能體為例，傳統(tǒng)企業(yè)生產(chǎn)線齊套性檢查需人工完成，采購(gòu)人員每天要核對(duì)百余件零部件，聯(lián)系數(shù)十家供應(yīng)商催料，耗時(shí)數(shù)小時(shí)且易出錯(cuò)。

引入采購(gòu)智能體后，可自動(dòng)檢查零部件齊套狀況、發(fā)送催料郵件，并生成回復(fù)鏈接；供應(yīng)商反饋后自動(dòng)更新齊套信息，同步推進(jìn)替代料調(diào)整、設(shè)計(jì)修訂等工作；采購(gòu)人員僅需確認(rèn)調(diào)整計(jì)劃即可，徹底改變了傳統(tǒng)表單加流程的工作模式，以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)執(zhí)行效率提升。

劉暉強(qiáng)調(diào)，Data Agent落地需滿足兩個(gè)核心條件：一是扎實(shí)的數(shù)據(jù)基建，需對(duì)結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)構(gòu)建中間語(yǔ)義層，并微調(diào)模型，夯實(shí)基礎(chǔ)工作；二是破解實(shí)施難題，既要應(yīng)對(duì)客戶自建算力帶來(lái)的算力管理問(wèn)題，也要化解資深員工因知識(shí)被匯聚而產(chǎn)生的抵觸情緒。其成功關(guān)鍵在于實(shí)現(xiàn)核心業(yè)務(wù)知識(shí)與技術(shù)的深度融合，形成適配企業(yè)需求的綜合解決方案。

張艷飛表示，當(dāng)前Data Agent應(yīng)用呈現(xiàn)明顯的階段性特征，并非所有場(chǎng)景都能實(shí)現(xiàn)降本增效，部分場(chǎng)景甚至?xí)黾泳C合成本。

不少企業(yè)受AI趨勢(shì)驅(qū)動(dòng)，由一把手推動(dòng)全產(chǎn)品AI重構(gòu)，但研發(fā)團(tuán)隊(duì)內(nèi)部抵觸情緒強(qiáng)烈，資深工程師認(rèn)為新技術(shù)應(yīng)用會(huì)制造“技術(shù)屎山”，后續(xù)需投入大量精力整改，反而推高成本，降低效率。

這一現(xiàn)象背后，反映出組織力與人員層面的挑戰(zhàn)遠(yuǎn)超技術(shù)本身，企業(yè)在推進(jìn)Data Agent落地時(shí)，不僅要關(guān)注技術(shù)適配，更要重視組織協(xié)同與人員觀念轉(zhuǎn)變，才能真正釋放其價(jià)值。

三位嘉賓的分享勾勒出Data Agent從前沿概念走向價(jià)值落地的概貌——唯有立足業(yè)務(wù)需求、筑牢數(shù)據(jù)根基、破解組織與技術(shù)難題，才能讓Data Agent真正從輔助分析工具，升級(jí)為驅(qū)動(dòng)業(yè)務(wù)價(jià)值的核心系統(tǒng)。

從“對(duì)話分析”到“主動(dòng)干活”

Data Agent的業(yè)務(wù)執(zhí)行落地路徑

聚焦于Data Agent的核心升級(jí)方向，主持人白云提出了一個(gè)關(guān)鍵問(wèn)題：“如何讓Data Agent精準(zhǔn)好用，真正融入業(yè)務(wù)流程？尤其在醫(yī)藥等數(shù)據(jù)密集型領(lǐng)域，如何讓Data Agent從對(duì)話式分析工具，升級(jí)為自動(dòng)執(zhí)行任務(wù)、驅(qū)動(dòng)業(yè)務(wù)流程的‘行動(dòng)者’，解決傳統(tǒng)工具‘不能自己干活’的痛點(diǎn)？”

金賽藥業(yè)人工智能藥物研究院院長(zhǎng) 鮮翾

針對(duì)這一問(wèn)題，鮮翾表示，推動(dòng)Data Agent從分析走向執(zhí)行，核心是立足業(yè)務(wù)本質(zhì)，而非單純堆砌技術(shù)。與傳統(tǒng)數(shù)字化聚焦“將業(yè)務(wù)行為搬至線上”不同，AI時(shí)代的Data Agent可處理多模態(tài)文檔、語(yǔ)音、視頻等內(nèi)容，實(shí)現(xiàn)“所見即所得”，無(wú)需依賴復(fù)雜軟件系統(tǒng)轉(zhuǎn)化。

落地關(guān)鍵在于先明確場(chǎng)景的業(yè)務(wù)合理性，將技術(shù)投入與解決的業(yè)務(wù)問(wèn)題強(qiáng)掛鉤，避免脫離需求的盲目投入。

在數(shù)據(jù)管控與邊界界定上，她強(qiáng)調(diào)兩點(diǎn)核心：一是筑牢安全與驗(yàn)證底線，信息安全是不可突破的邊界，同時(shí)需為每個(gè)應(yīng)用場(chǎng)景建立基準(zhǔn)值（benchmark），如同大模型測(cè)評(píng)般，明確Data Agent的性能達(dá)標(biāo)標(biāo)準(zhǔn)，確保其輸出精準(zhǔn)可控。

二是聚焦核心數(shù)據(jù)價(jià)值，無(wú)需過(guò)度糾結(jié)通用算法，在公開數(shù)據(jù)與成熟算法已能滿足基礎(chǔ)需求的場(chǎng)景，重點(diǎn)投入自身獨(dú)特?cái)?shù)據(jù)，針對(duì)性提升業(yè)務(wù)指標(biāo)，實(shí)現(xiàn)從基礎(chǔ)水平到優(yōu)質(zhì)水平的突破。

跨團(tuán)隊(duì)協(xié)同也是落地的重要支撐。鮮翾認(rèn)為，IT部門應(yīng)搭建技術(shù)底座，業(yè)務(wù)團(tuán)隊(duì)主導(dǎo)新場(chǎng)景設(shè)計(jì)，雙方共創(chuàng)驗(yàn)證標(biāo)準(zhǔn)，才能激活生產(chǎn)力。畢竟業(yè)務(wù)流程掌握在業(yè)務(wù)人員手中，讓其自主通過(guò)智能體落地業(yè)務(wù)理念，遠(yuǎn)勝于不懂業(yè)務(wù)的數(shù)字化人員主導(dǎo)項(xiàng)目。評(píng)價(jià)Data Agent價(jià)值，最終要回歸業(yè)務(wù)，看其實(shí)際創(chuàng)造的價(jià)值、日活月活等核心指標(biāo)。

她同時(shí)指出行業(yè)現(xiàn)存痛點(diǎn)：醫(yī)療大數(shù)據(jù)多是“數(shù)據(jù)大”而非“大數(shù)據(jù)”，分散且缺乏標(biāo)準(zhǔn)化，難以形成有效資源；國(guó)內(nèi)互聯(lián)網(wǎng)領(lǐng)域普遍缺乏數(shù)據(jù)與統(tǒng)計(jì)思維，復(fù)合型人才短缺。

對(duì)此，企業(yè)更需聚焦核心業(yè)務(wù)需求，優(yōu)先選擇成熟、開箱即用的解決方案，借助專業(yè)廠商的標(biāo)準(zhǔn)化能力落地，避免內(nèi)部盲目試錯(cuò)。

而在醫(yī)學(xué)等嚴(yán)謹(jǐn)領(lǐng)域，AI執(zhí)行后必須保留專家把關(guān)環(huán)節(jié)，將專家反饋回補(bǔ)至業(yè)務(wù)鏈條，實(shí)現(xiàn)人機(jī)協(xié)同優(yōu)化。

融合與邊界

Data Agent的數(shù)據(jù)注入與可控落地

企業(yè)如何將現(xiàn)有數(shù)據(jù)資產(chǎn)與行業(yè)知識(shí)“注入”Data Agent驅(qū)動(dòng)業(yè)務(wù)，同時(shí)又確保其行動(dòng)邊界可控呢？

思邁特軟件CTO 楊禮顯

楊禮顯表示，Data Agent的核心價(jià)值是實(shí)現(xiàn)從分析到行動(dòng)的跨越，即從傳統(tǒng)BI的描述、診斷、預(yù)測(cè)性分析，升級(jí)為指示性分析——告訴業(yè)務(wù)下一步該做什么，并自動(dòng)完成。

但從實(shí)際落地來(lái)看，這一目標(biāo)短期內(nèi)仍難實(shí)現(xiàn)。2023年大模型興起后，相關(guān)產(chǎn)品多停留在自然語(yǔ)言轉(zhuǎn)查詢語(yǔ)句、可視化呈現(xiàn)結(jié)果等層面，2025年雖已有廣泛應(yīng)用且結(jié)果可驗(yàn)證，但要讓分析結(jié)果直接指導(dǎo)自動(dòng)化行動(dòng)，仍只是一個(gè)美好的愿景。

核心癥結(jié)在于對(duì)Data Agent輸出結(jié)果的評(píng)價(jià)呈兩極分化：受達(dá)克效應(yīng)（“認(rèn)知局限”導(dǎo)致的自我評(píng)估偏差）影響，非專業(yè)人士會(huì)因報(bào)告詳盡直觀而認(rèn)可其價(jià)值；但受心理學(xué)和認(rèn)知科學(xué)中的一個(gè)經(jīng)典現(xiàn)象——知識(shí)的詛咒影響，專業(yè)人士會(huì)發(fā)現(xiàn)其泛化能力不足，難以匹配預(yù)期，尤其面對(duì)語(yǔ)序顛倒、含言外之意的自然語(yǔ)言查詢時(shí)，表現(xiàn)得更不盡如人意。

此外，當(dāng)前缺乏統(tǒng)一的評(píng)價(jià)機(jī)制，如同自動(dòng)駕駛有L1至L5的分級(jí)標(biāo)準(zhǔn)，Data Agent的輸出質(zhì)量卻無(wú)明確衡量依據(jù)，這也制約了其規(guī)模化應(yīng)用。

在邊界管控與落地應(yīng)用上，楊禮顯認(rèn)為，當(dāng)前Data Agent僅相當(dāng)于自動(dòng)駕駛L2級(jí)別，核心責(zé)任主體仍需是人。可按業(yè)務(wù)風(fēng)險(xiǎn)劃分應(yīng)用邊界：低風(fēng)險(xiǎn)場(chǎng)景如自動(dòng)發(fā)通知、郵件，可放心交由其執(zhí)行；高風(fēng)險(xiǎn)場(chǎng)景如自動(dòng)下單、調(diào)整售價(jià)，必須由人做最終決策，確保責(zé)任可控。

而要讓Agent輸出可用結(jié)果，需提前投入大量人力物力，圍繞通用專家經(jīng)驗(yàn)、個(gè)人偏好、歷史記憶，搭建體系化的數(shù)據(jù)與知識(shí)底座。

另外，現(xiàn)有Data Agent多為通用平臺(tái)，落地需采用前置部署模式，讓廠商技術(shù)專家深入客戶現(xiàn)場(chǎng)，結(jié)合具體業(yè)務(wù)與領(lǐng)域知識(shí)，共同構(gòu)建適配場(chǎng)景的專屬應(yīng)用。單一優(yōu)化場(chǎng)景、經(jīng)過(guò)精細(xì)數(shù)據(jù)處理后，Agent表現(xiàn)優(yōu)異，但面對(duì)復(fù)雜跨部門場(chǎng)景、數(shù)據(jù)質(zhì)量不佳的情況，輸出結(jié)果便難以達(dá)標(biāo)，這也是其大規(guī)模推廣的核心阻礙。

瓶頸與破局

Data Agent規(guī)模化落地的思考

承接前文，白云將話題引向Data Agent規(guī)模化落地的核心瓶頸，提出除了專業(yè)度不足、場(chǎng)景復(fù)雜度高外，企業(yè)組織文化、架構(gòu)、管理層重視程度、成本運(yùn)營(yíng)等因素，是否也是阻礙其大規(guī)模推廣的關(guān)鍵？當(dāng)前最大瓶頸究竟是技術(shù)、成本，還是組織信任與選型能力？

李振葉結(jié)合醫(yī)療場(chǎng)景，強(qiáng)調(diào)組織信任與試錯(cuò)成本是核心阻礙。醫(yī)療決策責(zé)任終身制，患者生命安全不可逆，試錯(cuò)成本極高，一次漏診或誤判就可能釀成重大醫(yī)療事故，這使得醫(yī)生對(duì)Data Agent技術(shù)應(yīng)用極為謹(jǐn)慎，形成難以跨越的臨床信任鴻溝。

醫(yī)療行業(yè)的特殊性決定了Data Agent僅能作為輔助工具，無(wú)法替代醫(yī)生經(jīng)驗(yàn)判斷，當(dāng)前政策也不允許AI直接撰寫病歷，只能提供參考，這進(jìn)一步限定了其應(yīng)用邊界，也反映出組織信任與行業(yè)規(guī)范對(duì)規(guī)模化落地的制約。

同時(shí)，跨部門協(xié)同不足也制約推廣，若Data Agent僅服務(wù)于單一部門，缺乏臨床、信息等多科室協(xié)同，且不由業(yè)務(wù)部門主導(dǎo)驅(qū)動(dòng)，即便技術(shù)成熟也難以落地。

此外，數(shù)據(jù)質(zhì)量問(wèn)題加劇落地難度，患者健康檔案分散、記錄不完整，加之年齡、體重等個(gè)體差異，導(dǎo)致模型無(wú)法通用，進(jìn)一步降低了臨床對(duì)技術(shù)的信任度。

鮮翾認(rèn)為，國(guó)內(nèi)普遍缺乏數(shù)據(jù)與統(tǒng)計(jì)思維，互聯(lián)網(wǎng)產(chǎn)品經(jīng)理重功能體驗(yàn)、輕數(shù)據(jù)流設(shè)計(jì)，算法、數(shù)據(jù)、開發(fā)團(tuán)隊(duì)能力脫節(jié)，復(fù)合型人才短缺成為技術(shù)落地的隱形瓶頸。

同時(shí)，醫(yī)療領(lǐng)域缺乏標(biāo)準(zhǔn)化、連續(xù)性數(shù)據(jù)，需大量資金投入與規(guī)范建設(shè)才能轉(zhuǎn)化為可用資源，過(guò)高的前期成本讓企業(yè)望而卻步。企業(yè)更傾向于等待成熟的開箱即用解決方案，而非盲目?jī)?nèi)部試錯(cuò)，這也反映出企業(yè)選型能力與成本控制的雙重考量。

楊禮顯則聚焦技術(shù)基礎(chǔ)與成本投入，認(rèn)為數(shù)據(jù)基建不完善是核心技術(shù)瓶頸。結(jié)構(gòu)化數(shù)據(jù)需人工加工、指標(biāo)化標(biāo)準(zhǔn)化，非結(jié)構(gòu)化的專家經(jīng)驗(yàn)需轉(zhuǎn)化為知識(shí)圖譜，個(gè)人偏好與歷史對(duì)話需構(gòu)建長(zhǎng)期記憶，這些工作都需投入大量人力物力，且短期內(nèi)無(wú)法替代。

當(dāng)前缺乏統(tǒng)一的Data Agent評(píng)價(jià)機(jī)制，導(dǎo)致企業(yè)對(duì)技術(shù)效果難以判斷，進(jìn)而影響選型與推廣信心。同時(shí)，公開數(shù)據(jù)難以支撐行業(yè)專業(yè)需求，私有化數(shù)據(jù)需通過(guò)繁瑣流程導(dǎo)入模型，進(jìn)一步推高了技術(shù)落地成本。

劉暉談及技術(shù)、成本與組織信任的疊加困境。數(shù)據(jù)基建是技術(shù)落地的前提，而客戶自建算力保障數(shù)據(jù)安全的需求，又帶來(lái)算力管理的額外成本與技術(shù)難題。唯有實(shí)現(xiàn)業(yè)務(wù)知識(shí)與技術(shù)的深度協(xié)同，才能突破瓶頸，其中業(yè)務(wù)主導(dǎo)是核心。

數(shù)據(jù)猿聯(lián)合創(chuàng)始人兼主編 張艷飛

張艷飛從行業(yè)觀察角度，總結(jié)了三大隱性瓶頸：一是對(duì)使用者能力要求提升，醫(yī)生等專業(yè)人員需具備更強(qiáng)的AI駕馭能力，無(wú)法跳過(guò)專業(yè)訓(xùn)練直接應(yīng)用，反而加重了人力成本與學(xué)習(xí)負(fù)擔(dān)。

二是技術(shù)迭代過(guò)快帶來(lái)適配壓力，大模型基座快速更新導(dǎo)致業(yè)務(wù)應(yīng)用需反復(fù)適配，消耗大量研發(fā)資源，拖累落地進(jìn)度。

三是安全信任問(wèn)題突出，醫(yī)療等敏感領(lǐng)域客戶對(duì)數(shù)據(jù)安全高度警惕，加劇了Data Agent的推廣難度。

總結(jié)來(lái)看，目前制約Data Agent規(guī)模化落地并非單一因素導(dǎo)致，而是技術(shù)瓶頸（數(shù)據(jù)基建、評(píng)價(jià)體系缺失）、成本壓力（人力、算力、數(shù)據(jù)治理投入）、組織信任（員工抵觸、安全顧慮）與選型能力（對(duì)成熟方案的依賴）多重因素疊加的結(jié)果，需多維度協(xié)同突破才能推進(jìn)。

Data Agent的應(yīng)用呈現(xiàn)鮮明的一體兩面性。若能與企業(yè)現(xiàn)有業(yè)務(wù)流程深度融合、精準(zhǔn)適配場(chǎng)景，便能成為提質(zhì)增效的利器，為業(yè)務(wù)發(fā)展注入新動(dòng)能。

反之，若應(yīng)用前未吃透自身業(yè)務(wù)邏輯，未合理規(guī)劃落地進(jìn)程，不僅難以發(fā)揮價(jià)值，還可能增加運(yùn)營(yíng)成本，甚至引發(fā)數(shù)據(jù)安全與泄露風(fēng)險(xiǎn)。

企業(yè)推進(jìn)Data Agent落地，需統(tǒng)籌考量企業(yè)文化、組織架構(gòu)、技術(shù)適配、業(yè)務(wù)需求及人才培養(yǎng)等多維度因素，理性布局。