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)。這款以AI原生為核心特征的產(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(guò)程，實(shí)現(xiàn)治理設(shè)計(jì)、落地、運(yùn)營(yíng)全流程的自動(dòng)化與智能化。
作為用友BIP數(shù)智平臺(tái)的重要?jiǎng)?chuàng)新成果，該平臺(tái)自動(dòng)化程度超85%，首批16個(gè)專業(yè)智能體的協(xié)同作戰(zhàn)，解決了傳統(tǒng)數(shù)據(jù)治理的高成本、高壁壘、低效率難題，為企業(yè)數(shù)據(jù)治理常態(tài)化、可持續(xù)運(yùn)營(yíng)提供了完整平臺(tái)能力支撐。
用友之所以在這個(gè)時(shí)間點(diǎn)推出這個(gè)產(chǎn)品，是因?yàn)槠髽I(yè)數(shù)據(jù)治理正面臨一個(gè)拐點(diǎn)。數(shù)據(jù)已成為企業(yè)核心生產(chǎn)要素，數(shù)據(jù)治理是釋放數(shù)據(jù)價(jià)值的先覺(jué)條件，但數(shù)據(jù)價(jià)值的釋放始終被數(shù)據(jù)治理的攔路虎所阻礙。企業(yè)數(shù)據(jù)孤島林立，各部門的數(shù)據(jù)如同煙囪般各自為政，格式不統(tǒng)一、標(biāo)準(zhǔn)不規(guī)范，跨部門協(xié)同治理難如登天。數(shù)據(jù)質(zhì)量堪憂，錯(cuò)誤、重復(fù)、缺失的臟數(shù)據(jù)層出不窮。治理過(guò)程高度依賴專業(yè)人才，人力投入大、周期長(zhǎng)，且多以項(xiàng)目制推進(jìn)，缺乏自動(dòng)化工具支撐，項(xiàng)目結(jié)束后治理工作迅速停滯。
政策導(dǎo)向與企業(yè)需求正在推動(dòng)數(shù)據(jù)治理從合規(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(yíng)。用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)的發(fā)布，正是順應(yīng)這一趨勢(shì)的必然結(jié)果。
平臺(tái)首次將數(shù)據(jù)治理工作帶入全線自動(dòng)化、智能化時(shí)代，構(gòu)建了由16個(gè)專業(yè)智能體組成的協(xié)同集群。每個(gè)智能體擁有明確的職責(zé)分工，涵蓋自然語(yǔ)言處理、業(yè)務(wù)架構(gòu)建模、數(shù)據(jù)建模管理、數(shù)據(jù)價(jià)值轉(zhuǎn)化、數(shù)據(jù)治理核心能力等五大類超百項(xiàng)專業(yè)技能。
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(cāng)落標(biāo)、常態(tài)化運(yùn)營(yíng)，智能體可完成90%以上的人工重復(fù)勞動(dòng)，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(xiàn)狀，實(shí)現(xiàn)了智能分工、自主協(xié)作、全程可控的人機(jī)共治新范式。
傳統(tǒng)數(shù)據(jù)治理是專業(yè)少數(shù)人的專屬，用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)大幅降低了企業(yè)對(duì)專業(yè)人才的依賴和業(yè)務(wù)人員的數(shù)據(jù)治理能力要求。
平臺(tái)通過(guò)在線設(shè)計(jì)、在線協(xié)同、在線運(yùn)營(yíng)的一體化模式，將復(fù)雜的治理知識(shí)和方法論封裝為智能體的技能。企業(yè)無(wú)需組建龐大的專業(yè)治理團(tuán)隊(duì)，即可完成企業(yè)級(jí)的數(shù)據(jù)治理工作。
平臺(tái)讓企業(yè)數(shù)據(jù)治理組織具備獨(dú)立運(yùn)營(yíng)能力，使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(zhǎng)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(kāi)展系統(tǒng)性、規(guī)?；臄?shù)據(jù)治理。
平臺(tái)通過(guò)智能體的跨域協(xié)同能力，自動(dòng)識(shí)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。
內(nèi)置的合規(guī)治理智能體嚴(yán)格遵循國(guó)家法規(guī)，實(shí)現(xiàn)數(shù)據(jù)分類分級(jí)、敏感數(shù)據(jù)脫敏、全流程合規(guī)監(jiān)管，讓數(shù)據(jù)治理合規(guī)可控、安全無(wú)憂。
平臺(tái)具備強(qiáng)大的自我學(xué)習(xí)和進(jìn)化能力，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，讓數(shù)據(jù)真正成為驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新、創(chuàng)造商業(yè)價(jià)值的核心引擎。
AI技術(shù)的落地，可信度是關(guān)鍵。用友在打造BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)時(shí)，始終將技術(shù)可信作為核心設(shè)計(jì)原則，通過(guò)過(guò)程透明化、結(jié)果可解釋、能力可驗(yàn)證三大舉措，解決了企業(yè)對(duì)AI智能體的信任顧慮。即便輸出準(zhǔn)確率非百分之百，也能讓企業(yè)清晰掌握治理過(guò)程與結(jié)果，構(gòu)建起堅(jiān)實(shí)的技術(shù)信任體系。
平臺(tái)采用白盒設(shè)計(jì)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(guò)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，每一個(gè)環(huán)節(jié)都有明確的操作記錄和邏輯說(shuō)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(jué)問(wèn)題，確保治理結(jié)果的可靠性。
平臺(tái)將數(shù)據(jù)治理的專業(yè)知識(shí)、行業(yè)經(jīng)驗(yàn)、方法論封裝為智能體的標(biāo)準(zhǔn)化技能。所有技能均基于DAMA、DCMM等國(guó)際標(biāo)準(zhǔn)和國(guó)家數(shù)據(jù)治理規(guī)范開(kāi)發(fā)，同時(shí)適配各行業(yè)數(shù)據(jù)字典，確保智能體的治理能力符合行業(yè)標(biāo)準(zhǔn)和企業(yè)實(shí)際需求，讓治理結(jié)果有法可依、有據(jù)可查。
平臺(tái)并非完全替代人工，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(duì)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(chǎng)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(guò)實(shí)際業(yè)務(wù)場(chǎng)景不斷優(yōu)化智能體的能力，確保工具的實(shí)用性和問(wèn)題解決能力，再逐步推廣，從研發(fā)源頭保障了技術(shù)的可靠性。
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(shí)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(shí)，AI應(yīng)用終將淪為空中樓閣。數(shù)據(jù)和知識(shí)的質(zhì)量把控、特定行業(yè)Know-How的技能化封裝，是實(shí)現(xiàn)可持續(xù)運(yùn)營(yíng)的關(guān)鍵，更是AI原生數(shù)據(jù)治理落地的關(guān)鍵核心。
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(shí)封裝為核心、行業(yè)Know-How為關(guān)鍵，不僅為企業(yè)提供了AI原生的數(shù)據(jù)治理工具，更樹立了以數(shù)據(jù)質(zhì)量為基礎(chǔ)、以知識(shí)封裝為核心、以常態(tài)化運(yùn)營(yíng)為目標(biāo)的治理新范式。
通過(guò)這一治理新范式的推進(jìn)，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)模化應(yīng)用。真正讓AI原生數(shù)據(jù)治理從概念變?yōu)閷?shí)踐，讓數(shù)據(jù)成為企業(yè)數(shù)智化轉(zhuǎn)型的核心引擎。
這種以數(shù)據(jù)和知識(shí)治理為前提的AI落地路徑，為各行業(yè)企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型提供了可借鑒的參考，推動(dòng)整個(gè)行業(yè)從人工治理向人機(jī)共治的深度變革。
| 落地維度 | 關(guān)鍵指標(biāo) | 效果 |
| 智能體規(guī)模 | 專業(yè)智能體數(shù)量 | 16個(gè) |
| 能力覆蓋 | 專業(yè)技能數(shù)量 | 五大類超百項(xiàng) |
| 自動(dòng)化程度 | 全流程自動(dòng)化率 | 超85% |
| 人工替代 | 重復(fù)勞動(dòng)替代率 | 90%以上 |
| 效率提升 | 治理效率倍數(shù) | 三倍以上 |
| 標(biāo)準(zhǔn)符合 | 國(guó)際標(biāo)準(zhǔn)對(duì)接 | DAMA/DCMM |
| 可信設(shè)計(jì) | 透明度方案 | 白盒設(shè)計(jì)全可追溯 |
| 運(yùn)營(yíng)模式 | 治理投入結(jié)構(gòu) | 一次性+少量線性 |
| 合規(guī)能力 | 合規(guī)治理 | 內(nèi)置合規(guī)智能體 |
| 自我進(jìn)化 | 業(yè)務(wù)適配 | 實(shí)時(shí)感知自動(dòng)調(diào)整 |
用友BIP數(shù)據(jù)治理Agents協(xié)作平臺(tái)的落地實(shí)踐，給行業(yè)帶來(lái)三個(gè)層面的啟示。
治理模式層面，從人工主導(dǎo)到人機(jī)共治不是概念炒作，而是有16個(gè)智能體、85%自動(dòng)化率支撐的切實(shí)轉(zhuǎn)變。多Agent協(xié)作模式解決了傳統(tǒng)數(shù)據(jù)治理高成本、高壁壘、低效率的系統(tǒng)性問(wèn)題。
技術(shù)可信層面，AI落地企業(yè)場(chǎng)景必須解決信任問(wèn)題。白盒設(shè)計(jì)、標(biāo)準(zhǔn)符合、人機(jī)協(xié)同三層保障缺一不可。只有效率沒(méi)有可信度的AI方案，企業(yè)不敢用也用不起來(lái)。
運(yùn)營(yíng)模式層面，數(shù)據(jù)治理的核心挑戰(zhàn)不是治理本身，而是可持續(xù)運(yùn)營(yíng)。從項(xiàng)目制到常態(tài)化運(yùn)營(yíng)的轉(zhuǎn)變，需要平臺(tái)具備自我進(jìn)化能力和合理的成本結(jié)構(gòu)，否則治理一次沉睡多年的問(wèn)題永遠(yuǎn)解決不了。
這種以數(shù)據(jù)和知識(shí)治理為前提的AI落地路徑，讓企業(yè)先筑牢根基再規(guī)模化應(yīng)用，是當(dāng)前最務(wù)實(shí)的數(shù)據(jù)治理落地方式。
