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(shù)據(jù)治理Agents協(xié)作平臺。這款產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，實現(xiàn)了治理設計、落地、運營全流程的自動化與智能化。
說直白一點，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，拆成一個個有明確職責分工的AI Agent。每個智能體負責一塊，像團隊里的不同角色一樣協(xié)作配合，從業(yè)務調研、架構梳理到數(shù)據(jù)標準設計、質量規(guī)則制定，再到數(shù)據(jù)湖倉落標、常態(tài)化運營，90%以上的人工重復勞動都可以交給智能體完成。
這個概念之所以重要，是因為它從根本上改變了數(shù)據(jù)治理的運作方式。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、全程可控的人機共治新范式。
用友BIP數(shù)據(jù)治理Agents協(xié)作平臺構建了一個由16個專業(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，每個都有明確的職責分工，涵蓋五大類專業(yè)能力。
| 智能體類別 | 核心職責 | 典型技能 |
| 自然語言處理類 | 理解業(yè)務語言，轉化為治理規(guī)則 | 語義解析、術語標準化、業(yè)務需求理解 |
| 業(yè)務架構建模類 | 梳理業(yè)務架構，建立治理框架 | 業(yè)務能力地圖、流程建模、組織架構映射 |
| 數(shù)據(jù)建模管理類 | 設計數(shù)據(jù)模型，管理數(shù)據(jù)資產 | 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)價值轉化類 | 釋放數(shù)據(jù)價值，支撐業(yè)務決策 | 數(shù)據(jù)服務封裝、指標體系構建、數(shù)據(jù)資產目錄 |
| 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)質量 | 標準管理、質量稽核、合規(guī)監(jiān)管、分類分級 |
這16個智能體加起來覆蓋了超百項專業(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)都能找到對應的智能體來承接。
我接觸過不少數(shù)據(jù)治理項目，傳統(tǒng)的做法是把治理拆成幾個階段，一個階段做完了交給下一個階段。多Agent協(xié)作模式不一樣的地方在于，智能體之間是實時協(xié)同的，不是串行接力。
打個比方，業(yè)務架構建模智能體在梳理業(yè)務流程的時候，數(shù)據(jù)建模管理智能體可以同步開始設計數(shù)據(jù)模型，數(shù)據(jù)治理核心能力智能體同時制定質量規(guī)則。三個智能體并行工作，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)作模式的關鍵在于，每個智能體都有自己擅長的領域，但它們不是各自為政。平臺內置的協(xié)同機制讓智能體之間的信息流轉、任務交接、結果校驗都自動化完成，不需要人工去協(xié)調。
很多人可能會問，現(xiàn)在市面上的數(shù)據(jù)治理平臺也有自動化功能，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)工具的自動化是規(guī)則驅動的，你設定好規(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)務意圖，在治理過程中做智能決策。
比如遇到一個新業(yè)務系統(tǒng)接入，傳統(tǒng)工具需要人工先定義數(shù)據(jù)標準、配置質量規(guī)則、設置映射關系。智能體可以自動識別數(shù)據(jù)特征，參照DAMA、DCMM等國際標準和國家數(shù)據(jù)治理規(guī)范，主動推薦適用的數(shù)據(jù)標準和質量規(guī)則，人工只需要做審核確認。
還有一個區(qū)別是自我學習和進化能力。智能體能實時感知業(yè)務變化，自動調整治理規(guī)則和模型，確保數(shù)據(jù)治理與業(yè)務發(fā)展同頻同步。傳統(tǒng)工具做不到這一點，規(guī)則更新永遠滯后于業(yè)務變化。
AI技術落地企業(yè)場景，可信度是繞不過去的問題。用友在打造這個平臺時，通過三個層面的設計來解決信任顧慮。
平臺采用了白盒設計思想，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等國際標準和國家數(shù)據(jù)治理規(guī)范開發(fā)，同時適配各行業(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)標準的，治理結果有法可依、有據(jù)可查，不是AI憑空生成的。
平臺不是完全替代人工，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。
說實話，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、標準化、關聯(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(shù)據(jù)治理工作。
治理項目總是半途而廢的企業(yè)，智能體協(xié)作模式讓治理從項目制轉向常態(tài)化運營，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。
數(shù)據(jù)治理正在從合規(guī)治理轉向價值治理，從項目式轉向常態(tài)化運營。智能體協(xié)作模式恰好順應了這兩個趨勢。
企業(yè)規(guī)?；涞谹I的核心前提，是先夯實數(shù)據(jù)治理與知識治理雙重根基。脫離高質量數(shù)據(jù)與體系化行業(yè)知識，AI應用終將淪為空中樓閣。用友BIP數(shù)據(jù)治理Agents協(xié)作平臺的落地邏輯，正是以數(shù)據(jù)質量為基礎、知識封裝為核心、行業(yè)Know-How為關鍵，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，再循序漸進實現(xiàn)AI能力的規(guī)?；瘧茫嬲孉I原生數(shù)據(jù)治理從概念變?yōu)閷嵺`。
