2026年3月16日，用友在《用友BIP發(fā)布時(shí)刻》首期直播中正式發(fā)布了用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)。這款產(chǎn)品首次將多智能體協(xié)作模式深度融入企業(yè)數(shù)據(jù)治理過程，實(shí)現(xiàn)了治理設(shè)計(jì)、落地、運(yùn)營全流程的自動(dòng)化與智能化。
說直白一點(diǎn)，數(shù)據(jù)治理智能體就是把原來需要一群專業(yè)人才能干的事，拆成一個(gè)個(gè)有明確職責(zé)分工的AI Agent。每個(gè)智能體負(fù)責(zé)一塊，像團(tuán)隊(duì)里的不同角色一樣協(xié)作配合，從業(yè)務(wù)調(diào)研、架構(gòu)梳理到數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計(jì)、質(zhì)量規(guī)則制定，再到數(shù)據(jù)湖倉落標(biāo)、常態(tài)化運(yùn)營，90%以上的人工重復(fù)勞動(dòng)都可以交給智能體完成。
這個(gè)概念之所以重要，是因?yàn)樗鼜母旧细淖兞藬?shù)據(jù)治理的運(yùn)作方式。傳統(tǒng)的數(shù)據(jù)治理靠人堆、靠加班、靠救火，智能體協(xié)作模式讓治理變成了智能分工、自主協(xié)作、全程可控的人機(jī)共治新范式。
用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)構(gòu)建了一個(gè)由16個(gè)專業(yè)智能體組成的協(xié)同集群。這些智能體不是簡單的功能模塊，每個(gè)都有明確的職責(zé)分工，涵蓋五大類專業(yè)能力。
| 智能體類別 | 核心職責(zé) | 典型技能 |
| 自然語言處理類 | 理解業(yè)務(wù)語言，轉(zhuǎn)化為治理規(guī)則 | 語義解析、術(shù)語標(biāo)準(zhǔn)化、業(yè)務(wù)需求理解 |
| 業(yè)務(wù)架構(gòu)建模類 | 梳理業(yè)務(wù)架構(gòu)，建立治理框架 | 業(yè)務(wù)能力地圖、流程建模、組織架構(gòu)映射 |
| 數(shù)據(jù)建模管理類 | 設(shè)計(jì)數(shù)據(jù)模型，管理數(shù)據(jù)資產(chǎn) | 數(shù)據(jù)建模、元數(shù)據(jù)管理、數(shù)據(jù)血緣追蹤 |
| 數(shù)據(jù)價(jià)值轉(zhuǎn)化類 | 釋放數(shù)據(jù)價(jià)值，支撐業(yè)務(wù)決策 | 數(shù)據(jù)服務(wù)封裝、指標(biāo)體系構(gòu)建、數(shù)據(jù)資產(chǎn)目錄 |
| 數(shù)據(jù)治理核心能力類 | 執(zhí)行治理全流程，保障數(shù)據(jù)質(zhì)量 | 標(biāo)準(zhǔn)管理、質(zhì)量稽核、合規(guī)監(jiān)管、分類分級 |
這16個(gè)智能體加起來覆蓋了超百項(xiàng)專業(yè)技能，基本上企業(yè)數(shù)據(jù)治理過程中涉及的環(huán)節(jié)都能找到對應(yīng)的智能體來承接。
我接觸過不少數(shù)據(jù)治理項(xiàng)目，傳統(tǒng)的做法是把治理拆成幾個(gè)階段，一個(gè)階段做完了交給下一個(gè)階段。多Agent協(xié)作模式不一樣的地方在于，智能體之間是實(shí)時(shí)協(xié)同的，不是串行接力。
打個(gè)比方，業(yè)務(wù)架構(gòu)建模智能體在梳理業(yè)務(wù)流程的時(shí)候，數(shù)據(jù)建模管理智能體可以同步開始設(shè)計(jì)數(shù)據(jù)模型，數(shù)據(jù)治理核心能力智能體同時(shí)制定質(zhì)量規(guī)則。三個(gè)智能體并行工作，彼此之間通過共享的治理知識庫保持信息同步，治理效率提升三倍以上。
這種協(xié)作模式的關(guān)鍵在于，每個(gè)智能體都有自己擅長的領(lǐng)域，但它們不是各自為政。平臺(tái)內(nèi)置的協(xié)同機(jī)制讓智能體之間的信息流轉(zhuǎn)、任務(wù)交接、結(jié)果校驗(yàn)都自動(dòng)化完成，不需要人工去協(xié)調(diào)。
很多人可能會(huì)問，現(xiàn)在市面上的數(shù)據(jù)治理平臺(tái)也有自動(dòng)化功能，智能體到底有什么不同。
我自己的判斷是，最大的區(qū)別在于自主決策能力。傳統(tǒng)工具的自動(dòng)化是規(guī)則驅(qū)動(dòng)的，你設(shè)定好規(guī)則它執(zhí)行，規(guī)則沒覆蓋的場景它就卡住了。智能體不一樣，它有一定程度的自主判斷能力，能根據(jù)上下文理解業(yè)務(wù)意圖，在治理過程中做智能決策。
比如遇到一個(gè)新業(yè)務(wù)系統(tǒng)接入，傳統(tǒng)工具需要人工先定義數(shù)據(jù)標(biāo)準(zhǔn)、配置質(zhì)量規(guī)則、設(shè)置映射關(guān)系。智能體可以自動(dòng)識別數(shù)據(jù)特征，參照DAMA、DCMM等國際標(biāo)準(zhǔn)和國家數(shù)據(jù)治理規(guī)范，主動(dòng)推薦適用的數(shù)據(jù)標(biāo)準(zhǔn)和質(zhì)量規(guī)則，人工只需要做審核確認(rèn)。
還有一個(gè)區(qū)別是自我學(xué)習(xí)和進(jìn)化能力。智能體能實(shí)時(shí)感知業(yè)務(wù)變化，自動(dòng)調(diào)整治理規(guī)則和模型，確保數(shù)據(jù)治理與業(yè)務(wù)發(fā)展同頻同步。傳統(tǒng)工具做不到這一點(diǎn)，規(guī)則更新永遠(yuǎn)滯后于業(yè)務(wù)變化。
AI技術(shù)落地企業(yè)場景，可信度是繞不過去的問題。用友在打造這個(gè)平臺(tái)時(shí)，通過三個(gè)層面的設(shè)計(jì)來解決信任顧慮。
平臺(tái)采用了白盒設(shè)計(jì)思想，所有智能體的操作過程、決策邏輯均可追溯、可查看。從數(shù)據(jù)采集、處理到規(guī)則制定、模型輸出，每個(gè)環(huán)節(jié)都有明確的操作記錄和邏輯說明。企業(yè)可以清晰了解智能體的工作路徑，這一點(diǎn)對解決大模型幻覺問題很重要。
智能體的所有技能都基于DAMA、DCMM等國際標(biāo)準(zhǔn)和國家數(shù)據(jù)治理規(guī)范開發(fā)，同時(shí)適配各行業(yè)數(shù)據(jù)字典。這意味著智能體的治理能力是符合行業(yè)標(biāo)準(zhǔn)的，治理結(jié)果有法可依、有據(jù)可查，不是AI憑空生成的。
平臺(tái)不是完全替代人工，而是采用智能體自動(dòng)化處理加人工精準(zhǔn)校驗(yàn)的模式。智能體完成大量重復(fù)性、標(biāo)準(zhǔn)化工作后，由企業(yè)人員對核心結(jié)果進(jìn)行審核、調(diào)整。既保證了治理效率，又確保了治理結(jié)果的準(zhǔn)確性。
用友在平臺(tái)研發(fā)前走訪了多個(gè)行業(yè)標(biāo)桿企業(yè)，深度挖掘不同場景下的治理需求，并先在內(nèi)部團(tuán)隊(duì)進(jìn)行試用驗(yàn)證，通過實(shí)際業(yè)務(wù)場景不斷優(yōu)化智能體的能力，確保工具的實(shí)用性和問題解決能力。
說實(shí)話，任何做數(shù)據(jù)治理的企業(yè)都可以考慮智能體模式，但有幾類企業(yè)特別適合。
數(shù)據(jù)孤島嚴(yán)重、跨部門協(xié)同治理難的企業(yè)，智能體的跨域協(xié)同能力可以自動(dòng)識別不同系統(tǒng)、不同格式的數(shù)據(jù)，完成數(shù)據(jù)清洗、標(biāo)準(zhǔn)化、關(guān)聯(lián)匹配，徹底打破數(shù)據(jù)孤島。
專業(yè)治理人才不足的企業(yè)，平臺(tái)將復(fù)雜的治理知識和方法論封裝為智能體的技能，企業(yè)無需組建龐大的專業(yè)治理團(tuán)隊(duì)即可完成企業(yè)級的數(shù)據(jù)治理工作。
治理項(xiàng)目總是半途而廢的企業(yè)，智能體協(xié)作模式讓治理從項(xiàng)目制轉(zhuǎn)向常態(tài)化運(yùn)營，治理投入從線性模型轉(zhuǎn)變?yōu)橐淮涡詸C(jī)器人投入加長期少量線性投入，大幅降低了治理成本。
數(shù)據(jù)治理正在從合規(guī)治理轉(zhuǎn)向價(jià)值治理，從項(xiàng)目式轉(zhuǎn)向常態(tài)化運(yùn)營。智能體協(xié)作模式恰好順應(yīng)了這兩個(gè)趨勢。
企業(yè)規(guī)?；涞谹I的核心前提，是先夯實(shí)數(shù)據(jù)治理與知識治理雙重根基。脫離高質(zhì)量數(shù)據(jù)與體系化行業(yè)知識，AI應(yīng)用終將淪為空中樓閣。用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)的落地邏輯，正是以數(shù)據(jù)質(zhì)量為基礎(chǔ)、知識封裝為核心、行業(yè)Know-How為關(guān)鍵，為企業(yè)提供了AI原生的數(shù)據(jù)治理工具。
這種以數(shù)據(jù)和知識治理為前提的AI落地路徑，讓企業(yè)先筑牢AI落地的根基，再循序漸進(jìn)實(shí)現(xiàn)AI能力的規(guī)?；瘧?yīng)用，真正讓AI原生數(shù)據(jù)治理從概念變?yōu)閷?shí)踐。