企业究竟需要怎样的AI？

过去10年，很多企业用数据仓库、BI报表、数据中台等数字化系统，完成了从“经验驱动”到“数据驱动”这一步。但下一步要怎么走？

很容易想到的答案是AI。AI固然能给出数据分析，但问题是，企业真的敢采纳吗？

6月26日，观远数据在杭州举办“DecideX·决策智能新世代”AI战略发布会，正式发布DecideX AI原生决策智能平台。

这家做了九年AI+BI的公司想回答的问题很直接：AI能不能不止于“看懂数据”，而是真正进入企业经营现场，把数据变成行动？

1.从数据驱动到决策驱动，BI 走到分水岭

“过去十年，企业数据分析以看懂数据为终点；未来十年，数据只是决策智能的起点。”观远数据创始人兼CEO苏春园在演讲中表示。

这句话背后，是对十年BI路径的重新理解。

显然，过去十年，企业数字化解决的核心问题是“看见数据”，把分散在订单系统、库存系统、销售系统里的数字搬到一块屏幕上。再往前十年，是把纸面流程搬到ERP里。每一步都解决了一个真实问题。

信息化与数字化固然是企业精细化运营的基础，但不是全部。这就像开车的时候固然离不开仪表盘和后视镜，过去这些年做的报表、可视化、指标，本质上就是这个角色。“但要想抵达目的地，我们需要智能导航。”

从仪表盘到导航系统，就是从“以数据为中心”到“以决策为中心”的范式切换。

企业知识开源首席布道师陈果把这个切换讲得更结构化：企业用计算机的演进可以拆成“记录”、“洞察”、“行动”三个环节。

信息化解决了记录，BI解决了洞察，但行动一直卡着。原因不难理解，动作的执行牵涉到复杂的判断，业务边界、责任归属、风险权衡，甚至是价值观层面的取舍，这些不是写规则能解决的。

但2026年出现了拐点。

苏春园把这归因于两件事：长程Agent能力的突破，让多步骤推理和动态调用成为可能；以及大模型对非结构化数据的理解，让“决策者的上下文”这种过去没法被机器读懂的东西，第一次有了被结构化的可能。

“分水岭不在模型够不够强，而在于企业愿不愿意把决策的上下文交给AI。”苏春园直言。

2.决策上下文，才是AI真正的护城河

现场，观远数据发布了DecideX· AI决策智能平台。

DecideX被观远数据定位为“面向企业经营决策场景的AI原生决策智能体平台”。它和通用Agent、单点Bot、知识库问答工具都不一样。它的核心任务不是“回答问题”，而是“承接决策”。

要做到这一点，关键在观远数据反复强调的一个概念：“决策上下文”。

对于企业来说，决策上下文就是，指标口径怎么定义、不同角色的目标如何取舍、哪些外部信号需要纳入判断、历史上的类似情况业务方是怎么处理的、哪些策略最终被验证有效等等。

这些内容往往不在数据库里，而是散落在会议纪要、业务文档、微信群聊、一线经验中。

之所以此前企业不敢让AI对业务进行决策，是因为大模型“知道很多”，却“不懂这家企业”。

观远数据的做法，是把这些隐性上下文显性化、结构化，变成Agent可调用的“业务本体”，相当于给 Agent 一张企业的“作战地图”。

比如门店动销下滑时，系统不会只返回“同比下降 15%”，而是沿业务路径判断：异常发生在供应链、门店执行，还是商品策略链路？每个判断都附带完整证据链，数据来源、指标计算和业务规则均可追溯。

这套思路并不孤立。

发布会上的客户秋田满满CIO李健，从企业侧提出了几乎对称的“五个脱离”，AI之所以落不了地，正是脱离了业务边界、脱离了证据等级、脱离了真实动作、脱离了组织流程、脱离了反馈机制。

尽管观远数据与秋田满满的视角不同，但都证明了一件事，AI在企业里落不下去，不是模型不行，是上下文没接上。

3.AI进入决策现场的样本

实践出真知。

联合利华中国区客户运营数字化总监高寅分享了联合利华的实践案例。

为了更高效的进行商品流转，联合利华在工厂旁边建立了直接面向消费者的F2C履约中心。消费者下单后24小时内必须发货，每秒钟都有订单进来，工厂不提前生产库存。

过去的做法靠经验，预测不准就只能外包给高成本的人工仓。

观远数据和联合利华一起做的排产Agent，把排产员脑子里那套经验还原成40个动态参数，然后让Agent在沙盒里每周自反思、调参、验证、一键部署。

跑下来的结果是，库存承载能力提升50%，整体物流成本降低24%，整体履约效率较传统模式提高至约2倍。“下单即发货”在抖音24小时交货的新规则下成为常态。

不只是联合利华，来伊份也正在用AI赋能自身业务，进行智能选品。

这家有3000多家门店、9400万用户的长三角零售龙头，过去选品靠品类管理部的经验，没法做到单店颗粒度。

而上线智能选品后，门店地址、人群、消费习惯、价格带被打成标签，每个SKU打0-100分，60分以下直接不进选品池，倒逼供应链拼命进行产品优化。目前，智能选品已经在来伊份200多家门店跑通。

来伊份CEO综合办公室主任兼CIO徐雄杰直言：门店手动选货这件事，2026 年会成为历史。

秋田满满是另一个切面。

这家母婴电商把企业经营复盘、利润健康诊断、动作追踪三类场景做到了PDCA闭环，Agent 不只是发现问题，还要组织证据、形成策略、落到责任人、追踪执行结果、再复盘沉淀。六类能力把过去分散在优秀分析师脑子里的判断路径，变成了组织的共享资产。

三家客户的实践，背后是观远数据反复强调的5A路径。Agile（一天原型一周上线）、Applied（一月接入工作流）、Automated（Agent 主动扫描诊断）、Actionable（决策落地闭环）、Adaptive（持续进化）。

这个路径有一个明显的导向：反对先做中台，主张场景先行。第一个AI场景的三个关键词是高频、量大、可衡量。

观远数据把这套打法拆得很细。他们专门设了 AI FDE（AI Forward Deployed Engineer）团队，带着 AI 工程能力进场，跟客户一起交付业务结果，而不是交付工具。

客户用完交付后，企业自己也具备接手这些 AI 能力。

这套范式跟海外巨头 Palantir 的“前线工程师+深度嵌入客户”打法如出一辙，后者的财报里，这套模式甚至被点名是被 OpenAI、Anthropic 等公司借鉴的样本。

4.产业信号已经同步，但硬仗才刚开始

其实，观远数据的做法在海外头部企业早有迹可循。

Palantir 2026年一季度营收同比增长85%，全年收入增长指引上调至71%，美国商业收入指引上调至120%。市场对它的标签已经从“防务数据公司”切换到“AI 应用层龙头”。

还有Dataiku同年宣布从数据科学平台转型为企业级AI智能体编排平台。Gartner把决策智能纳入了2026年的技术成熟度曲线，并预测：2026年底，75%的全球500强企业将采用决策智能实践；到2027年，50%的业务决策将由用于决策智能的AI智能体得到增强或实现自动化。

Gartner高级首席分析师费天祺在最近关于决策智能的公开分析中讲过一句话，也印证了观远数据的战略方向：“数据驱动只是达到目的的手段，真正的目标是做出更好的决策。中国的数据和分析领导者应从数据驱动转变为以决策为中心。”

显然，这件事的窗口期已经打开。

但赛道才刚起步。

组织适配、上下文治理、责任机制、商业价值定义，每一个环节都是硬仗。AI FDE 进现场的模式能不能复制到中长尾客户，决定了观远数据能不能从“灯塔案例”走到“规模营收”。

不过，至少观远数据把问题问对了。它不是让AI多一个对话框，而是试图让企业把独有的决策上下文交给AI，让AI真正进入经营现场，承接从洞察到行动、从行动到验证的完整闭环。

如果这条路能跑通，BI的未来可能就不再只是“帮你看见数据”，而是“帮你做出更好的决策”。