ReaderMX.
ITPUB

智能问数，大多数企业都发错了力

I白鳝约 4 分钟
生成式AI在C端业务发展迅猛，但在企业级应用上却呈现出高期望、低落地的尴尬局面。企业客户普遍关注的“智能问答”和“智能问数”两大场景中，智能问答作为语言模型最擅长的领域，确实容易做出亮点。然而，仅仅依靠智能问答远不能满足企业需求，于是“智能问数”——特别是自然语言转SQL（NL2SQL）——成为了众多企业的直接需求，我和某些企业交流“智能问数”的时候，甚至有些领导很直白地说，你帮我把NL2SQL做准了，我的目标就达到了。“智能问数”这个词不知道是谁发明的，不过这四个字本身就揭示了很多企业的目的：让业务人员通过一句话就能生成所需SQL，提取需要的数据。但这种看似直接的解决方案，在实际落地中却暴露出系统性局限。
从这个需求上看，这些企业用户还是没有理解AI业务赋能的真谛是什么。如果把智能问数与NL2SQL等同，这只是一种新的低代码实现方式而已，主要是避免业务人员写SQL。实际上教会业务人员写SQL并不难，我都见过很多SQL比我写得还高出几个层次的业务人员，能够写出能跑通业务的几十K甚至上百K的SQL语句来，只要他能理解数据库中表与业务之间的关系，再复杂的业务都能被他以SQL表达出来。
实际上未来的AI业务支撑，不仅仅是NL2SQL这么简单，而是通过业务语义层的定义，让AI智能体能够自动发现数据，审视数据，通过数据理解业务，分析出业务中包含的各种关系，识别风险，找到方案。传统的数据库表结构设计，并非都是为了描述业务的内在关系的，一个系统中有1万张表，可能有9000+的表都是为了IT系统来处理业务数据的中间需求，并非存储业务本身的必要数据的。
以“数据模型”为核心的传统IT系统是通过“数据结构”+程序来模拟业务的，而未来的AI时代的应用一定是以“语义”为核心来描述业务的。因此未来的智能化系统绝对不是简单的在以前的数据结构上添加一个语义生成SQL的能力就万事大吉了。数据处理的模式发生了颠覆性的变化。去年的一个数据库厂商的会上发布了一款数据库AIOPS产品，我看了后就十分疑惑，大量的演示都是在展示如何通过自然语言找出运维数据，并以漂亮的仪表盘展示出来。我当时就提出了异议：“在十分紧迫的运维场景中，这种仪表盘展示的目的是什么，直接告诉DBA，当前系统有什么问题，如何去解决不是更好吗？”。实际上这也是“智能问数”思想在AIOPS领域的一种实现，使用的是AI技术，但是还在用传统的思维方式和处理逻辑去处理数据。
智能化时代的IT系统一定是从“数据为中心”逐渐转向以“业务语义为中心”的。IT系统一定不是以关系型数据思维为导向的，而是可以通过语义找到各种各样用于分析的数据，可以是关系型的，也可以是语言文字，图片视频。未来的“智能问数”应该是在物理数据库与业务用户之间，构建“业务语义层”，然后再通过智能体，利用包含NL2SQL在内的各种技术，将所需要的数据自动汇聚成主题，由AI根据业务语义去做推理分析，最终获得企业所需要的结果，而不是简单的通过NL2SQL把数据从表里查出来，生成各种图表，再由业务专家根据图表中的数据去做分析，从而理解业务。

Image

KEEP THE THREAD GOING

更多来源文章