2026年3月16日，用友在《用友BIP發(fā)布時刻》首期直播中正式發(fā)布了用友BIP數據治理Agents協作平臺。這款以AI原生為核心特征的產品，首次將多智能體協作模式深度融入企業(yè)數據治理過程，實現治理設計、落地、運營全流程的自動化與智能化。
作為用友BIP數智平臺的重要創(chuàng)新成果，該平臺自動化程度超85%，首批16個專業(yè)智能體的協同作戰(zhàn)，解決了傳統(tǒng)數據治理的高成本、高壁壘、低效率難題，為企業(yè)數據治理常態(tài)化、可持續(xù)運營提供了完整平臺能力支撐。
用友之所以在這個時間點推出這個產品，是因為企業(yè)數據治理正面臨一個拐點。數據已成為企業(yè)核心生產要素，數據治理是釋放數據價值的先覺條件，但數據價值的釋放始終被數據治理的攔路虎所阻礙。企業(yè)數據孤島林立，各部門的數據如同煙囪般各自為政，格式不統(tǒng)一、標準不規(guī)范，跨部門協同治理難如登天。數據質量堪憂，錯誤、重復、缺失的臟數據層出不窮。治理過程高度依賴專業(yè)人才，人力投入大、周期長，且多以項目制推進，缺乏自動化工具支撐，項目結束后治理工作迅速停滯。
政策導向與企業(yè)需求正在推動數據治理從合規(guī)治理轉向價值治理，從項目式轉向常態(tài)化運營。用友BIP數據治理Agents協作平臺的發(fā)布，正是順應這一趨勢的必然結果。
平臺首次將數據治理工作帶入全線自動化、智能化時代，構建了由16個專業(yè)智能體組成的協同集群。每個智能體擁有明確的職責分工，涵蓋自然語言處理、業(yè)務架構建模、數據建模管理、數據價值轉化、數據治理核心能力等五大類超百項專業(yè)技能。
從業(yè)務調研、架構梳理到數據標準設計、質量規(guī)則制定，再到數據湖倉落標、常態(tài)化運營，智能體可完成90%以上的人工重復勞動，治理效率提升三倍以上。這種模式徹底改變了傳統(tǒng)靠人堆、靠加班、靠救火的治理現狀，實現了智能分工、自主協作、全程可控的人機共治新范式。
傳統(tǒng)數據治理是專業(yè)少數人的專屬，用友BIP數據治理Agents協作平臺大幅降低了企業(yè)對專業(yè)人才的依賴和業(yè)務人員的數據治理能力要求。
平臺通過在線設計、在線協同、在線運營的一體化模式，將復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)治理團隊，即可完成企業(yè)級的數據治理工作。
平臺讓企業(yè)數據治理組織具備獨立運營能力，使治理投入從線性模型轉變?yōu)橐淮涡詸C器人投入加長期少量線性投入，大幅降低了治理成本，讓資源能力不是很充分的企業(yè)也能開展系統(tǒng)性、規(guī)?；臄祿卫怼?/p>
平臺通過智能體的跨域協同能力，自動識別不同系統(tǒng)、不同格式的數據，完成數據清洗、標準化、關聯匹配，徹底打破數據孤島。
內置的合規(guī)治理智能體嚴格遵循國家法規(guī)，實現數據分類分級、敏感數據脫敏、全流程合規(guī)監(jiān)管，讓數據治理合規(guī)可控、安全無憂。
平臺具備強大的自我學習和進化能力，能實時感知業(yè)務變化，自動調整治理規(guī)則和模型，確保數據治理與業(yè)務發(fā)展同頻同步，讓數據真正成為驅動業(yè)務創(chuàng)新、創(chuàng)造商業(yè)價值的核心引擎。
AI技術的落地，可信度是關鍵。用友在打造BIP數據治理Agents協作平臺時，始終將技術可信作為核心設計原則，通過過程透明化、結果可解釋、能力可驗證三大舉措，解決了企業(yè)對AI智能體的信任顧慮。即便輸出準確率非百分之百，也能讓企業(yè)清晰掌握治理過程與結果，構建起堅實的技術信任體系。
平臺采用白盒設計思想，拒絕黑箱操作。摒棄了傳統(tǒng)AI的黑箱模式，所有智能體的操作過程、決策邏輯均可追溯、可查看。
從數據采集、處理到規(guī)則制定、模型輸出，每一個環(huán)節(jié)都有明確的操作記錄和邏輯說明。企業(yè)可清晰了解智能體的工作路徑，解決了大模型幻覺問題，確保治理結果的可靠性。
平臺將數據治理的專業(yè)知識、行業(yè)經驗、方法論封裝為智能體的標準化技能。所有技能均基于DAMA、DCMM等國際標準和國家數據治理規(guī)范開發(fā)，同時適配各行業(yè)數據字典，確保智能體的治理能力符合行業(yè)標準和企業(yè)實際需求，讓治理結果有法可依、有據可查。
平臺并非完全替代人工，而是采用智能體自動化處理加人工精準校驗的模式。智能體完成大量重復性、標準化工作后，由企業(yè)人員對核心結果進行審核、調整。既保證了治理效率，又確保了治理結果的準確性。
用友在平臺研發(fā)前，走訪了多個行業(yè)標桿企業(yè)，深度挖掘不同場景下的治理需求，并先在內部團隊進行試用驗證。通過實際業(yè)務場景不斷優(yōu)化智能體的能力，確保工具的實用性和問題解決能力，再逐步推廣，從研發(fā)源頭保障了技術的可靠性。
企業(yè)規(guī)模化落地AI的核心前提，是先夯實數據治理與知識治理雙重根基。脫離高質量數據與體系化行業(yè)知識，AI應用終將淪為空中樓閣。數據和知識的質量把控、特定行業(yè)Know-How的技能化封裝，是實現可持續(xù)運營的關鍵，更是AI原生數據治理落地的關鍵核心。
用友BIP數據治理Agents協作平臺的落地邏輯，正是以數據質量為基礎、知識封裝為核心、行業(yè)Know-How為關鍵，不僅為企業(yè)提供了AI原生的數據治理工具，更樹立了以數據質量為基礎、以知識封裝為核心、以常態(tài)化運營為目標的治理新范式。
通過這一治理新范式的推進，讓企業(yè)先筑牢AI落地的根基，再循序漸進實現AI能力的規(guī)?；瘧谩Ｕ嬲孉I原生數據治理從概念變?yōu)閷嵺`，讓數據成為企業(yè)數智化轉型的核心引擎。
這種以數據和知識治理為前提的AI落地路徑，為各行業(yè)企業(yè)實現數字化轉型提供了可借鑒的參考，推動整個行業(yè)從人工治理向人機共治的深度變革。
| 落地維度 | 關鍵指標 | 效果 |
| 智能體規(guī)模 | 專業(yè)智能體數量 | 16個 |
| 能力覆蓋 | 專業(yè)技能數量 | 五大類超百項 |
| 自動化程度 | 全流程自動化率 | 超85% |
| 人工替代 | 重復勞動替代率 | 90%以上 |
| 效率提升 | 治理效率倍數 | 三倍以上 |
| 標準符合 | 國際標準對接 | DAMA/DCMM |
| 可信設計 | 透明度方案 | 白盒設計全可追溯 |
| 運營模式 | 治理投入結構 | 一次性+少量線性 |
| 合規(guī)能力 | 合規(guī)治理 | 內置合規(guī)智能體 |
| 自我進化 | 業(yè)務適配 | 實時感知自動調整 |
用友BIP數據治理Agents協作平臺的落地實踐，給行業(yè)帶來三個層面的啟示。
治理模式層面，從人工主導到人機共治不是概念炒作，而是有16個智能體、85%自動化率支撐的切實轉變。多Agent協作模式解決了傳統(tǒng)數據治理高成本、高壁壘、低效率的系統(tǒng)性問題。
技術可信層面，AI落地企業(yè)場景必須解決信任問題。白盒設計、標準符合、人機協同三層保障缺一不可。只有效率沒有可信度的AI方案，企業(yè)不敢用也用不起來。
運營模式層面，數據治理的核心挑戰(zhàn)不是治理本身，而是可持續(xù)運營。從項目制到常態(tài)化運營的轉變，需要平臺具備自我進化能力和合理的成本結構，否則治理一次沉睡多年的問題永遠解決不了。
這種以數據和知識治理為前提的AI落地路徑，讓企業(yè)先筑牢根基再規(guī)?；瘧?，是當前最務實的數據治理落地方式。
