网易首页 > 网易号 > 正文 申请入驻

瓴羊王赛:卡住Agent的不是模型,是你的数据丨数据猿专访

0
分享至



“水面之上是Agent,水面之下是十年数据债。

2026年,企业级AI的讨论正在经历一次明显的重心转移。演示环境里,Agent已能撰写方案、分析数据、模拟销售对练。然而回到真实业务中,让Agent修改一条CRM记录需要层层审批,触发业务流程更是慎之又慎。大量“AI员工”停留在演示阶段,进不了生产环境。

这并非主观主观感受。Gartner 2025年6月发布预测,到2027年底,超过40%的Agentic AI项目将被取消,主因是成本攀升、商业价值不清晰以及风险控制不足。数据供给是另一个瓶颈,IDC报告显示,2025年全球将产生约213.6ZB数据,非结构化占比高达92%,而59%的企业坦言,数据增长已超出了自身的管理能力。

模型能力持续提升,企业为什么依然不敢用?带着这个问题,数据猿近日专访了阿里云智能集团瓴羊副总裁王赛,访谈中,王赛谈到了两方面的问题:一方面,过去面向人建设的数据,需要让Agent能够访问、理解和使用;另一方面,AI 项目如何提出需求、由谁推进、以什么结果衡量,也影响着它能否真正落地。

这也是瓴羊从Data for AI谈到AI for Business的出发点:先解决企业的数据与知识如何供AI使用,再把这些能力放进具体业务中。

企业的数据
离AI真正用好还有多远?

首先让我们来了解一个基本事实。企业中80%以上的数据是非结构化的,合同、录音、文档散落在共享盘、邮件和各类系统中,这些数据长期缺乏治理。国家数据局《全国数据资源调查报告(2025年)》显示,全国数据存储总量中结构化数据仅占约22%,其余近八成难以直接计算和使用。Agent要使用这些数据,需连续跨越四道坎。

第一道坎,标不准。

非结构化内容要转化为Agent可计算的对象,第一步是打标、抽取和切分,复杂程度远超想象。瓴羊分享了一个案例,一家头部消费品企业数据治理已相当完善,接入Agent生成消费者洞察后,输出结果仍然失准。

例如,当消费者写下“挺好吃的,就是太贵了”,转折后的关键意见被整体归为好评,反讽被标成正面。当这些数据越来越多,误差持续累积并放大。更棘手的是,数据加工环环相扣,假如单环节准确率九成,那五个环节串联后准确率就只剩不到六成。

第二道坎,连不上。

即使数据的加工达标,很多时候Agent仍被限制在单一数据源内。举个例子,当客户投诉“响应慢”,假如系统无法将其关联到合同的SLA条款、历史工单与续约风险,其实际价值就要大打折扣。很多情况下,业务结论需要跨系统串联实体关系才能推导出更有价值的信息。如果这一步跨不过去,Agent就只能当个更快的检索器,做不了业务归因。

第三道坎,信不过。

业务部门拿到AI的结论,往往会先追问依据。结论从何而来,哪个环节可能出错,敏感数据由谁可见。这些问题没有答案,就没有人敢将其用于决策。信任问题已从体感变成统计,Gartner 2026年5月发布新预测,到2027年,40%的企业将因数据治理失败降级或弃用自主AI Agent。

第四道坎,用不深。

前三道是技术层面的坎,此第四道藏在组织之中,这道坎反而更深。王赛在采访中提到,不少企业提出的AI需求,仍然停留在数据分析层面:过去用BI做报表,如今用Agent更灵活地生成报告、输出洞察。工具变了,但数据的使用方式没有随之深入。

这背后涉及谁来提出需求、谁对结果负责的问题。在王赛看来,如果项目主要由IT部门推进,就容易沿用工具采购的思路,围绕功能与技术能力展开比较。而销售跟进如何改善、客户服务如何调整,需要业务方提出具体目标,并检验实际结果。

“我觉得一定是要业务方来推进,而且要把AI的预算给到业务方,而不是给到 IT。”王赛表示。

他强调业务方参与,指向的是AI项目评价标准的变化:从是否上线了一套工具,进一步转向是否改善了业务。历史上曾有类似的参照,互联网技术进入企业初期的时候同样由IT主导,直到淘宝这样的应用能够直接交付"卖货"的结果,业务方才开始真正为技术付费。AI在企业中的推进,大概率也将沿这条路径演进。



押注Data for AI
应该怎么做?

跨过这四道坎,需要同时推进数据建设与业务应用:让数据能够被准确加工、有效关联和可信使用,也让业务方参与需求定义与结果检验。

瓴羊押注Data for AI,正是从数据与知识建设入手,再通过具体场景推动AI进入业务流程。

这一选择延续了瓴羊已有的积累。从阿里巴巴的OneData体系,到对外的数据中台产品,再到企业客户的数据智能实践,其长期投入的方向正是企业数据的建设与使用。面向Agent,这些工作进一步延伸到如何将数据组织成可理解、可调用的业务知识。

在工程化思路上,瓴羊有一个与行业主流不一致的观点,他们很少讲“数据治理”,因为治理隐含事后的意味。瓴羊倡导“设计即研发”,在建设阶段就建立良好的工程架构与规范体系,让数据在建成的时刻就是好的。好工程才有好数据,有了好数据才会有好知识,这一理念自阿里数据中台时代延续至今天的AI时代。

因此在瓴羊看来,给Agent使用的好数据到好知识,都需按新标准重新建设。以下五条,就是王赛提出的面向企业级Agent的好数据、好知识标准。

一是可访问。个人场景中,Agent面对的是一台电脑中的数据,企业场景中,它面对的是“企业的那台大电脑”,即数据湖仓。现实是,许多企业的这台“大电脑”尚未建成,Agent连物理访问都无法实现。

二是可理解、可操作。瓴羊在指标规范之上构建企业本体,把业务对象、指标口径、数据关系描述成机器可理解的形式以消除二义性,让AI自动检索和理解泛化的数据。而且,本体同时是语义护栏。

三是可协作。Agent完成复杂任务,还需要“人脑中的数据”,即不同岗位的经验与隐性知识。人做方案靠会议汇聚各方视角,换成Agent,同样要把这些知识以协作方式汇聚进来,这是此前数据平台都不具备的能力。

四是可行动。Agent不能只输出报告,需要进入企业环境,与CRM、供应链交互,执行业务流程中的具体动作。

五是安全合规。个人最小授权,与Agent所需的广泛数据权限天然冲突。瓴羊的解法是“可用不可见”,Agent决策时可访问,输出按授权范围呈现,再以运行沙箱保障执行受控。

从好数据到好知识,瓴羊总结出四层链路,即准备知识、生产知识、治理知识、用好知识。结构化数据、非结构化数据、知识图谱三类资产,经加工、关联与治理,最终封装为Agent可调用的知识服务。

判断知识质量,瓴羊给出一个公式,可信乘以可用。可信,指每条知识都能追溯至原始数据,经过质检,权限受控。可用,指Agent能用自然语言映射到标准语义,通过标准接口按需获取。任何一项归零,整体价值即归零。



在实际应用中,瓴羊的落地主张同样独树一帜。他们不从搭建大平台起步,而是选择一个八到十二周能见效的场景切入,把链路完整跑通。在瓴羊看来,衡量建设成效,不看汇集了多少知识,而看能被稳定调用多少、业务节省了多少。

据王赛介绍,目前这套理念在产品层面体现为Dataphin与AgentOne的组合。前者覆盖数据建设、治理、运营、消费的全链路,今年补齐多模态数据处理与企业知识图谱能力。后者生长出四个AI员工,覆盖销售、营销、客服、运营,个个对准离收入最近的场景。如果把企业级Agent比作一座冰山,水面之上是“能干、能信、能打”的AI员工,水面之下则是支撑这些能力的数据与知识。



AI for Business
在实践中跑出增长价值

冰山之上最终要交付什么,是瓴羊提出的另一个概念,让水面之下的数据与知识,支撑水面之上的业务增长。在王赛的划分中,AI for Business对标的是更主流的AI for个人提效叙事。王赛把他们的区别讲得很清楚,大量办公类Agent产品其实属于Work层服务个人效率,瓴羊选择垂直业务场景属于Business层,以企业关键业务环节的KPI改善为衡量标准。

"个人提效"与"业务结果"的差别,决定了AI需要怎样的数据与知识,以及他们服务于Agent的最终目的,当然核心关联的还有这个项目能否通过企业预算评审。在Gartner那份AI项目取消率预测中,商业价值不清晰正是排在第二位的取消原因。



那么如何让数据和知识真正进入业务创造增长的价值?

王赛认为代码生产的效率已很高,真正的瓶颈在人与人的协作、需求的确认、结果的审核。只有当交付物标准化、定义清晰的领先与滞后指标,人机协作的流水线才可能运转。

瓴羊的几个已跑通的实践案例,恰好为这一思想提供了注脚。

第一个实践案例,是在医药销售领域。销售最依赖经验、最难标准化,瓴羊分两步走,先建知识底座,将产品知识、销售SOP、成熟区域的经验打法、客户数据统一知识化,装入每一位医药代表的手机,AI在每个执行环节充当教练与助手。再让知识进入业务流,过去的CRM是记录系统,现在建的是执行系统,AI直接参与拜访准备、话术应对、客户跟进。用王赛的话说,要把个别区域、个别人身上验证过的成功经验,泛化给所有销售。

第二个实践在汽车门店领域。瓴羊调研发现,不同品牌4S店销售执行五花八门,看完车无人回访的情况并不少见,而一条有效线索的获取成本极高。试驾结束后,系统从录音中自动提炼需求、异议与购买信号,结合历史沟通与竞品资料,转化为结构化的客户知识。试驾报告自动推送至销售企微,直接驱动下一步动作。王赛表示,这套做法大幅缩短了新人销售的胜任周期。



第三个实践在联合利华的调味品餐厅销售业务。同一家餐厅,厨师长关心出品,老板关心成本,采购在意价格与供应。销售拜访前,需要判断这家餐厅的经营情况、菜品使用场景、竞品状况,以及眼前这位关键人的真实诉求,过去这些判断全靠销售个人经验。瓴羊的前沿部署工程师(FDE)将拜访录音、品类资料、竞品信息与联合利华业务知识结合,构建食物知识图谱,依托AgentOne落地AI销售员工应用,为每家餐厅生成个性化拜访攻略。AI生成的拜访攻略里,每项关键信息和推理结论都可追溯来源,金牌销售审核修正后,确认过的经验沉淀进知识体系,销售拜访前进行AI销售陪练优化话术打法,优秀销售的个人能力就此变成团队可复用的组织能力。

这些实践的共同点,是从销售执行这类具体环节切入,让知识先在场景中产生价值,再向更大范围复制。

当技术产品发生重大改变的时候,商业模式也在演进。国内AI产品目前普遍按调用量收费,往前一步是按效果付费。

瓴羊方面介绍,他们在AI客服等场景已开始按实际业务效果结算,售前按转化量,售后按服务量与满意度,部分企业为此支付的成本降至原来的50%至 60%,体验与转化率反而更高。

与此同时,数据智能服务的交付形态也在变化。

从定制走向标准化,是王赛眼中技术迭代的一般规律。Anthropic与OpenAI都在招聘FDE(前沿部署工程师)深入客户现场,中国市场的特殊性在于,SaaS的标准化周期尚未走完,AI的周期就已到来,行业直接进入重交付阶段。

但他同时判断,随着通用能力在垂直场景沉淀,标准化会逐步发生。他认为,一个需要思考的更长期的问题是,当AI工程门槛持续下降,最终完成交付的是外部厂商,还是企业自己的团队。

可以预见,随着AI应用的普及,Data for AI和AI for Business的市场空间将同步打开。IDC 2025年4月发布的《全球大数据支出指南》预计,2028年中国大数据IT支出达621.7亿美元,五年复合增长率24.9%,增速位居全球第一。

放眼全球,大家都在向同一个方向努力前进。王赛提到,Databricks、Snowflake、Palantir都在向语义层、本体、数据智能演进。谈到中外差距,王赛相当坦率,他认为,海外头部厂商在工程化实践、SDK开放能力、安全可控方面优于国内厂商。但中长期看,随着国内模型可用性与性价比提升,差距会缩小,“这是一个客观规律”。

这场竞争的胜负手,不在概念声量,而在谁能在真实企业场景中把数据到知识的链路跑通、跑稳。

风物长宜放眼量

放进更长的历史里看,市场发展的脉络会清晰许多。

二十世纪九十年代,ERP、CRM等管理系统进入企业,信息化由IT主导,解决的是流程的电子化留痕。进入新世纪,互联网从工具走向平台,淘宝等电商第一次让技术直接交付经营结果,业务部门接过主导权。再往后十年,数据中台与BI把经营搬进报表看板,数据开始支撑决策,但解读依然依赖人。

今天,Agent正在成为新的数据使用者,企业数据战略就此进入下半场。上半场解决数据能否被专业的人找到、看懂,下半场要解决的,是数据能否转化为Agent敢用的知识,能否支撑AI直接参与业务执行。

访谈最后,我们提了所有企业都关心的问题,投入这么大,技术产品不断迭代,什么会留下来?瓴羊给出的回答是两个字,增长。

模型会迭代,Agent的形态会变,但企业沉淀下来的业务事实、专业经验、关系网络与治理规则不会归零,而且随使用不断增值。这是Data for AI最有价值的地方,当行业追逐模型版本号时,它把注押在了那些不会过期的资产上。

淘宝引发了互联网时代的爆发,AI时代的“淘宝时刻”尚未到来,但方向已逐渐清晰:谁能让企业持续积累且独有的业务数据与知识在一次次AI应用中产生复利,让AI真正进入业务工作流并交付结果,谁就站在了历史演进的正确一侧。

对瓴羊而言,Data for AI是十余年数据工程积累的延伸,也是这些数据资产在AI时代释放价值的起点。



文:月满西楼数据猿
责编:凝视深空数据猿

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
美国谴责乌克兰对俄罗斯的远程打击,称打击“给俄罗斯民众带来痛苦”

美国谴责乌克兰对俄罗斯的远程打击,称打击“给俄罗斯民众带来痛苦”

山河路口
2026-11-18 12:47:12
山东男篮4分险胜广东,徐杰15+4+5焦泊乔15+4,陈林坚15分陶汉林9+3

山东男篮4分险胜广东,徐杰15+4+5焦泊乔15+4,陈林坚15分陶汉林9+3

中国篮坛快讯
2026-11-18 21:56:13
黄仁勋夫人比他大两岁,年轻的时候很有魅力

黄仁勋夫人比他大两岁,年轻的时候很有魅力

微评社
2026-11-18 11:42:53
榜眼摆上货架一天就下架了?没人要,交易杜兰特里外里亏了两次!

榜眼摆上货架一天就下架了?没人要,交易杜兰特里外里亏了两次!

你的篮球频道
2026-11-18 10:31:49
高市早苗拒不道歉,专机飞往中国之前,还提要求希望得到平等待遇

高市早苗拒不道歉,专机飞往中国之前,还提要求希望得到平等待遇

通鉴史智
2026-11-18 09:37:22
阿尔卡拉斯2-0完胜世界第5,迎来ATP年终总决赛2连胜

阿尔卡拉斯2-0完胜世界第5,迎来ATP年终总决赛2连胜

侧身凌空斩
2026-11-18 22:25:18
俄总统特别代表称赞深圳:巨大、美丽且非常现代化,既是“未来之城”也是“自然之城”

俄总统特别代表称赞深圳:巨大、美丽且非常现代化,既是“未来之城”也是“自然之城”

环球网资讯
2026-11-18 11:06:11
英媒:阿森纳本赛季英超已3次被漏判点球,但球队全部取胜

英媒:阿森纳本赛季英超已3次被漏判点球,但球队全部取胜

懂球帝
2026-11-18 20:36:46
新加坡总理黄循财已到中国深圳!APEC4天访华行程曝光

新加坡总理黄循财已到中国深圳!APEC4天访华行程曝光

新加坡万事通
2026-11-18 20:05:06
曝邝球庭审第二天落泪,哭着承认肢解蔡天凤,自称俩儿子毫不知情

曝邝球庭审第二天落泪,哭着承认肢解蔡天凤,自称俩儿子毫不知情

喜欢历史的阿繁
2026-11-18 16:01:18
是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

文史道
2025-01-24 20:16:55
失控的信号:中国股市的玩笑这次开大了?

失控的信号:中国股市的玩笑这次开大了?

星语者056
2026-11-12 08:53:16
库里:还没想过退役 这有可能是我的最后一份合同

库里:还没想过退役 这有可能是我的最后一份合同

体坛周报
2026-11-18 07:56:11
“妈妈,我是不是智商不行”,杭州重高男生快急哭:期中连考9门,一门扣掉几十分,落差大到“怀疑人生”

“妈妈,我是不是智商不行”,杭州重高男生快急哭:期中连考9门,一门扣掉几十分,落差大到“怀疑人生”

极目新闻
2026-11-16 11:21:01
炸了!中国影后与女导演澳洲领证结婚!刷上热搜!二人均未敢回应

炸了!中国影后与女导演澳洲领证结婚!刷上热搜!二人均未敢回应

澳洲红领巾
2026-11-17 11:17:20
极其罕见!美俄两国最顶级战略机竟然在深圳公开同框

极其罕见!美俄两国最顶级战略机竟然在深圳公开同框

阿芒娱乐说
2026-11-18 18:01:38
2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

忧郁天空
2026-11-17 20:00:37
美专家:美国现在只有2个选择,要么跟中国和解,要么接受战败!

美专家:美国现在只有2个选择,要么跟中国和解,要么接受战败!

无心小姐姐
2026-11-18 10:05:20
奥克兰市长从中国回新西兰后,公开宣称“民主已经过时”,“五眼席位可卖给日本”

奥克兰市长从中国回新西兰后,公开宣称“民主已经过时”,“五眼席位可卖给日本”

发现新西兰
2026-11-18 12:11:59
这两天,网友们在围观一个叫玉芬的记者

这两天,网友们在围观一个叫玉芬的记者

清晖有墨
2026-11-17 12:40:13
2026-11-18 23:00:49
数据猿DataYuan incentive-icons
数据猿DataYuan
数据智能产业创新服务媒体
3060文章数 623关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

追上特朗普专机 马斯克又来了

头条要闻

追上特朗普专机 马斯克又来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

艺术
家居
房产
时尚
本地

艺术要闻

深邃宁静的风景油画,奥地利著名风景画家弗舍尔

家居要闻

2026建博会(广州) 公装联探展交流活动

房产要闻

周大生出手!海棠湾又一大商业体来了

裤子+靴子,冬天最经典搭配,松弛又时髦

本地新闻

乌兰察布:以前种土豆,现在种Token

无障碍浏览 进入关怀版