Kyligence(跬智信息)聯合創始人兼CTO李揚:數字化決策助手助力企業提升管理與協作效率

.. 當下的人類正站在AI時代的開端,社會中的每一個人都在被強大的AI技術賦能。聚焦AI領域的「賦能者」與「被賦能者」,36氪「新質生產力·AI Partner大會」以「我被AI賦能了」為主題,匯聚國內AI領域重量級嘉賓,一起共探AI行業新圖景。

5月24日,36氪「新質生產力·AI Partner大會」於北京環球貿易中心正式拉開帷幕。大會聚焦AI場景與應用端,分為「AI能為我們做什麼」和「我被AI賦能了」兩大篇章。現場匯聚來自螞蟻集團、聯想、OPPO、百度、英特爾等企業的AI領域先鋒者,以「賦能者」與「被賦能者」的不同視角,共同探討AI技術如何「爆改」千行百業。

企業級AI產品解決方案的推出,無疑為企業使用數據帶來了革新體驗。這些解決方案通過集成先進的AI技術,使企業在金融、零售、製造、醫藥等多個行業都能實現數據驅動的智能化轉型。接下來我們將有請下一位演講嘉賓,Kyligence(跬智信息)聯合創始人兼CTO李揚先生。

現場拍攝

大家好,我想給大家分享在數智或者是傳統的叫做Business Intelligence領域的AI方面的突破。如大家看到的,Kyligence是一家做大數據分析和指標平台的軟件公司,在AI來了以後,沿着數據決策智能化方向帶來一些新的產品突破。

BI和AI有很長的歷史,我們也一直在探索商業怎麼智能化或者在AI時代怎麼讓機器幫人做更多的事情,這已經成為共識。在過去人是主要的決策者,但我們看到一個希望是慢慢隨着AI技術的前進,AI會變成決策的主體,AI在其中扮演的角色越來越多。

現場拍攝

怎麼做這個事情,我們怎麼把人的決策的知識沉澱下來,把它複製到一個系統里,並且利用這個系統把知識傳遞給更多的人。目前,結合需求是這樣一個流程,從專家來生成的知識,被固化到系統中(知識載體),最後賦能給大眾。

一個簡單的判斷說,AI有多強,可以看這個系統掌握和複製知識的能力大概佔了專家或者是老手的百分之多少。以前我做一個電子表格,用EXCEL、BI系統以自己記賬的方式去核算財務健康模型,但在大數據時代可以引入的數據成千上萬,如利用氣象數據來預測大宗商品的金融市場走勢,這都是知識載體不同的形式。

現場拍攝

Kyligence 想做的事就是在這個模式里或者是框架里做進一步突破,我們公司於去年7月率先推出AI數智助理(Kyligence Copilot),通過它把收集和刻畫以及穩固知識的能力做一個放大。我們會希望通過兩個步驟來做這個事情,第一個是數字指標化,它需要統一數據語言來幫助人和機器溝通,接着是知識的沉澱。我們和一些國內頭部的零售和餐飲企業,包括目前服務更多的金融企業,都在嘗試新的模式,看看它有什麼樣子的突破。接下來介紹的「全渠道經營管理」場景,就是一個業務用數,智能決策的代表實踐。

AI數智助理(Kyligence Copilot)目前可以幫我們做大的項目的目標分解,在某一天根據企業的目標、指標規劃來主動把風險推送給你,比如月銷售額目標是多少,今天達成的是多少,在一些值得預警的地方主動標紅,比如零售企業管理層會關注齊碼率的指標,如果在93%,那就說明不太合格。傳統做法是通知到人做相應的處理,這樣效率就會存在滯后。

現場拍攝

如果有AI數智助理,把它叫做全渠道零售經營分析小助手,它可以幫助分析齊碼率等問題。比如,我可以問它:「今年春節期間上海各家門店是否有缺貨?」 管理層可以通過風險預警系統發現問題,並通知我立即處理。假設我是上海地區的渠道經營小負責人,這個 AI助手需要首先正確理解問題的背景,即今年春節期間和上海的門店情況。然後,它會列出結果,並引用公司管理規範和知識庫,告訴我當前的問題是什麼。根據2024年庫存管理規範,齊碼率達標線是75%。小助手會發現哪些門店沒有達到這個標準,比如最低齊碼率為71.85%的門店。然後,它會推薦我去處理這些不達標的門店,以確保齊碼率達到75%的標準。

AI不僅會列出這些門店,還會根據庫存管理的最佳實踐和知識庫,提供進一步的指導。不僅如此,還可以分析具體產品品類,找出缺貨的原因,並在這些門店中識別哪些品類缺貨嚴重。

作為新入職的員工,我可能缺乏處理問題的經驗,但在AI的幫助下,我可以像老手一樣一步步解決實際問題。AI在齊碼率不達標的門店中進一步分析品類,發現珠寶、箱包和鞋履在春節期間的表現。針對某一品類,AI將根據數據和知識庫提供建議。

例如,缺貨有兩種原因:一是銷售火爆導致斷貨,二是供應鏈不足。AI分析發現鞋履的動銷率不高,說明缺貨可能是供應鏈問題。AI引導員工將庫存和動銷率結合分析,確定問題是由於供應鏈不足。這就是一個AI助力決策的生動樣例。員工對內彙報,並提出改進建議,推動下一步關鍵舉措。

藉著今天峰會的主題「我被AI老師傅賦能了?」當企業中有比較好的知識管理和企業建設,今天AI是可以把知識固化到一個智能體裡邊,並且智能體是在真實的場景當中來帶領新手把知識傳遞給新手

稍微聊兩句核心問題,像剛才的場景最難的一點不在於對話能力,難的在於能夠不犯錯誤,能夠不去胡說八道,能夠在遇到自己不懂問題的時候,能夠及時終止,不要不懂裝懂,這裡最大的挑戰就是準確性。我個人的理解今天AI普及率還差關鍵的技術突破,就是在準確性方面。除此以外還有數據安全性,剛才小助手會不會回答我訪問權限之外的問題,比如公司總部今年凈利潤是多少,它會不會真的回答我,數據安全也是一個大的問題,這也是我們作為科技公司在着力解決的問題,像剛才的場景在真實客戶適用當中已經能夠落地了。

總結一下,AI幫助人們做數字化決策,我們的感受今天大概已經走到中間的情況,之前是人類決策為主,像大家看到的那樣,今天的狀態在一些經典問題上,能夠知識沉澱和知識積累做到一半,人一半,AI老師傅能夠幫到一半,再往後還是比較強的看好這個領域,在所有企業數字化管理和數字化建設和協作效率方面,AI數智助理或者數字化決策助手是大勢所趨,AI會把企業管理軟件都能吞噬掉。

這就是我的分享,謝謝。


想在手機閱讀更多電腦與科技資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems