Kyligence联合创始人CEO韩卿-20230926

Kyligence自己的AI Copilot应用——对企业服务的数据产品而言，大模型意味着客群的变化，从高层决策者到全体员工，都可以使用智能的数据工具，通过对话的UI轻松上手。 7月Kyligence率先结合大模型，发布了Kyligence Copilot，AI数智助理，帮助快速降低一线业务人员用数的门槛，提升组织运营和管理效率。现在已经受到了不少客户的认可。 01 让听到「炮火」的人能做决策 Q： 先给大家介绍一下，Kyligence Copilot是一款怎样的产品？解决了哪些问题？ 韩卿： 感谢鹏总，我先来介绍一下，我叫韩卿，是Kyligence的联合创始人和CEO。我们公司在2016年成立，由Apache Kylin的创始团队创建，我们是中国贡献到Apache软件基金会的第一个顶级项目。过去六七年的时间，主要为客户提供基于OLAP的大数据平台，所以我们的客户群更多聚焦在金融、制造、零售等行业，主要像中国的一些大型银行、保险、零售品牌公司等等。 过去这段时间，我们把AI引入到整个产品体系中，起了个名字叫Kyligence Copilot，AI数智助理，数字化和智能化。 （这个产品）一方面可以非常方便地用对话与机器交流，使用数据的方式也大大简化了，基本上，只要会说话，就能看数据了。另一方面，智能化能力，不仅仅是用户自己问问题，我们的Copilot现在已经可以开始推送一些问题给用户了。 我们的迭代速度非常快，几乎每周都会有（新）版本，最近的版本甚至可以帮你写周报了，能够基于指标，帮你把上周的周报总结好，甚至推荐、告诉你哪些是风险指标，推荐你去做归因分析，推荐你一步一步找到相应的问题，甚至可以把指标相关的提示都准备好。 所以可以说，确实AI在大数据和整个未来的企业经营方向上，都带来了一些巨大的变化。这是我们最近的一些进展。 Q： 基于数据，分析公司状况，甚至做出更好的决策，这对于（企业）数字化来说肯定有非常重要的价值。但我很好奇，在AI Copilot之前，你们是怎么做的？要单独为公司老板做一个「驾驶舱」吗？ 韩卿： 差不多。你叫它数据分析也好，所谓的BI、数据仓库等等，这个领域在过去几十年里有一个分类叫做「决策支持系统」（Decision SupportSystems）。 在过去，我们的认知是，决策是人做的，机器可以提供一些支持的能力，给一些数字。所以最早的时候是非常简单的，就是把你的数据算好算精准。那个时候的业务形态，怎么说，也没有现在这么卷对吧？所以可以有一个比较稳步的过程。当然也受限于计算机发展的限制。 过去几年，我们看到像仪表盘、self-serving的自助式分析能力，甚至基于搜索的展现等等逐渐出现。回答你刚才的问题，蛮有意思的一点，过去我们认为，决策都是老板们做的，但最近你可以看到，所谓的全民分析师、数据民主化等等方向（出现），所以说，因为商业形式不一样了，我们会说，「一定要让听到炮火的人能做决策」。 所以过去决策都是高层，需要组建分析团队，帮着把数据汇聚起来，组成数据模型，做仪表盘等等。但今天，全民用数的情况下，这个速度太慢、成本太高，不太可能给每个员工做这件事。所以我们在过去几年里一直在探索，有什么方式，能支撑我们更好、更低成本地支撑每个人把数据用起来。AI（大模型）出来以后，我们发现，很多事情发生了变化。过去半年左右的实践，我们认为是找到了一个非常不错的方式。 02 大模型带来了哪些实际价值？ Q： 听说Copilot产品出来之后，得到了一些客户比较真实的反馈。我们非常关心（基于）大模型的产品推出之后，客户为什么愿意买单，怎样增加了产品的竞争力。来说说客户是怎么反馈的。 对，好消息是我们最近已经开始和客户签单了，不管是中国还是美国都有。我们发现，Copilot不管在产品层面还是商业层面上，确实带来了很多变化。 分享几点。 第一点，我有一次约了我们的客户，一位银行副行长，给他介绍了整体的情况，他当时就把分管的下属叫来，就一句话，我们赶紧上，再不上就落后了。因为你会发现，客户比我们更加焦虑，因为所有人都知道AI今天带来的变化是非常大的。如果不把这个能力快速吸收成为自己的，那在行业的竞争上就会落后，不管在获客还是效率、成本上，一定会出现问题。 Q： 我追问一句，他担心什么落后了？ 韩卿： 两个方面。 一方面是业务作业。他们说过一个例子，比如我们两个人去BD一个客户，如果我有一个AI助理，问一句就能把数字拿出来，比如面对一个大客户，我要看一下他的经营报告等等，只需要几秒钟就能回答一些问题，甚至AI能帮我解释很多东西，而你（没有AI助理），可能还要打开电脑，跑一个报表，甚至可能还要后台帮你准备。那么我们两人作业的效率和方式方法是完全不一样的。 另一个方面，你可以理解是成本。一个客户经理，以前要看10个客户，要做非常多的事前准备，数据收集。现在通过AI的方式，一个人就能作业30个、50个，这样我的整个成本就完全节约和可控了。所以你看，不是我们在竞争，是客户自己的行业本来就在竞争。尤其银行，钱存你这里就不会存别人那了，他们得赶紧把业务给抢了。 最近我也跟零售行业的客户去聊，他们也是一样。业务能力都比较强，业务上厉害的，可能技术上就不会花那么大的力气。所以这时候使用数据存在挺大的阻力。 但是当我们给你配一个AI助理，相比业务人员理解技术等复杂的东西比较困难，有个AI助理陪你聊，给你信息，而且不知疲倦地跟着你做，我们发现业务人员是愿意使用数据的。 这个事情非常重要。以前我们不是没有工具，有工具，但是他们不愿意用。这是第二个很重要的变化。 第三点，我们自己的实践。我们公司内部也有指标体系，目前基于指标体系做了AI报告、周报。每周一，我都能根据每个管理者基于指标的分析报告，总结成飞书文档，我只需要一点点时间，早上开会之前，就能把全盘浏览一遍，我的所有副董事都能看到。 这比以前的效率高很多，因为开会前所有的信息都有了。以前可能要么我自己花力气去分析，要么找人去分析，但不太可能有一个特别合适的人，有精力、能力，和足够的行业背景来做这件事。这是我们自己观察到的一个有价值的变化。 Q： 说得特别好。我真的很羡慕现在的年轻人，做个预言，再过5年，员工会挑公司，我去不去这家公司，取决于它给不给我配一个AI助理，就像以前说公司给不给我配电脑。不知道你们认不认同？ 韩卿：我非常赞同，甚至我觉得不需要5年，因为现在（AI发展）的速度实在太快了。第二点，我觉得，嗯，我们这些，中年人，也可以被利好到。（笑）确实太累了，如果有个AI能帮到我们，也许我们就不用拼体力了。 03 大模型和上一波AI的区别 Q：你们应该在大模型之前，就已经在使用AI了。我很好奇，之前你们是怎么思考的？怎么用AI解决问题的？ 韩卿： 你看我们的名字，Kyligence，Kylin + Intelligence。我们刚开始创业的时候，就一定要做智能化的部分。但坦率地说，那时候我们的智能化，重心其实在平台层面，更多在做自动化工程方面。 2019年，我们推出AI增强引擎，当时解决的第一个痛点，就是客户在建模、优化模型、底层数据治理等方面，非常耗时耗力，所以我们想通过算法能力做自动化。 这是Kyligence 4.0最重要的特性，到现在来说反馈都非常不错，但还是局限在专业的数据领域。 所以今年大模型出来，我们往前走了不止一步，从用户使用习惯的角度上解决问题，对整个产品思路、战略都带来了一些变化。 Q： 以前的AI还是解决产品效能问题，但今天真正的大势是，像Kyligence这样的产品有更大的空间，更大的市场需求，这个需求的核心驱动力，是数据的民主化，一线员工能够被加强。 04 面对大模型，怎样才能不焦虑？ Q：大模型这波变化很快，你是用什么方法跟进技术潮流变化的？你还要作出判断，公司内部要做产品立项，团队要改变，要观察市场变化。给我们分享一下你的学习机制、决策机制，你有没有Copilot？ 韩卿： （笑）这方面还真没有Copilot。 团队很重要。我可以分享一下我们的Copilot怎么做出来的，给大家一些参考。 去年ChatGPT火了之后，我们内部也是一样，大家兴奋、焦虑，也有怀疑。管理层当时的认知是，这个未来一定是一个很大的变化，但我们还看不清楚。所以当时的第一个决策是：看不清楚之前不要动。 如果所有人都基于OpenAI的API做东西，那所有人都能做，如果做的东西对我们的行业真的有变化，未来我们再去做，我不担心。 更重要的，我们当时内部已经有非常多的兴趣小组，研发、产品，甚至客服，各个部门都有，大家会自发去研究、试用，然后后做分享会，团队会思考，AI可以用在什么地方？ 我去美国的时候，当时团队已经把今天Copilot的原型做出来了，美国回来以后，市场宣发的文案都写好了。但那不是一个我们想要的东西。 我在内部写了一篇文章分享，重点三句话：第一，it is not our game，大模型本身不是我们的游戏。 第二，be part of the game，必须参与其中，不能被淘汰掉。 最后，build our own game。 这是当时给到整个团队的原则。把原则定好，告诉大家不要焦虑。 5月12日，是个重要的节点，我们把所有销售人员叫到上海做培训。当时销售会challenge管理层，外面AI这么火，我们自己有没有东西，行不行啊？所以我就给他们看了东西，当时的雏形产品，用了以后大家发现还行，这种对话的方式和能力挺不错的，那时候一下展开了很多讨论。从那时起，我们开始快速往前推进，我们发现AI确实能在我们行业里带来蛮多变化。 我们自己知道，接下来要去做什么了。 然后吭哧吭哧去迭代，6月底，我们认识到，如果只是做个NLP的toC，或者做个ChatBI，所有人也都能做，这不够。我们就一直在思考，自己的竞争优势在哪里？讨论了很多之后，我们把指标和决策串起来，AI能帮我们做很多东西，以前都是人在做事，现在AI能帮人做很多事情，甚至很多事都能自动化掉，人只要做决策就好。它可以帮助变革一个组织的运营和管理。 到今天，产品已经做出来，行业的客户也出来了，我们开始思考下一个版本在哪里？因为AI变化太快了，如果再不努力，可能要被追上。这是整个心路历程。坦率地讲，从立项到发布，到客户付费采购，整个速度非常快。 05 人为什么需要Copilot？ Q：听说你三月去了趟美国，你们也在那边有业务，三四月份正是大模型最热的时候，当时有什么收获？有了什么思维的转变？ 韩卿： 我们是三月底去，四月初回来的。当时主要是参加Gartner大会，介绍我们指标平台（Metrics Store）的最新成果。 那时候大模型是如火如荼，第一个感受就是，所有参展商，绝大部分都跟AI有关系。而且各家都会有不同的尝试，每家借AI发力的方式都不一样。 当时听了一场报告，说怎么重新思考数字和决策相关的，分析师讲了一个故事。一个人每天要做35000次决策，他说，你的精力浪费在了很多决策上，「我只穿黑色的袜子，这样我就比别人少做一次决策，这样我竞争力就强一些」。这个故事蛮有趣的，但他通过这个故事展开，是未来数据和分析的方向。 我们人类最擅长的其实是做决策，而不是常规的计算等工作。如果我们把时间浪费在后者上，价值不够大，人也会更累。如果AI能够帮你把分析、洞察做完，人需要做的决策数量更少，也可以有精力做更关键的决策，甚至AI还能给你一些决策的参考辅助。 Q：Copilot确实在起到作用，把繁琐的变成简单的，甚至给用户更多更好更全面的选择。 韩卿： 举个例子，我比较胖，我想减肥。这是我比较直接的想法，但我并不知道身体其他的指标。要做一件事，有各种不同的方式方法，以前我只知道运动，但单纯的运动不一定真的能减好肥，这跟企业是一样的。 我们最近跟另一个客户交流，客户老板说现在这个阶段我只关心成本。但是他下面的副总说，「老板你还有其他的得看一看啊」。 人都是会有bias（偏见）的，但AI能