AI不改变数据治理的规则，授权依然有效，但场景技术可以实现更快集成。
本文为IPO早知道原创
作者｜苏打
“当前，全世界都在关注AI的投入产出比，我们也聚焦于此。智能体究竟能否真正进入决策链条，并用得上、跑起来，数据在其中的位置尤为重要。今年，我们很多新应用都指向一个核心，即如何让智能体把数据用起来，且在客户的业务中形成闭环。”
据IPO早知道消息，11月8日，邓白氏智能开放平台于第九届中国国际进口博览会“进博新品汇”活动完成亚洲首发。
这是邓白氏第六度亮相“进博新品汇”，此次发布将全球可信商业数据与专业业务能力连接至企业AI应用，支持客户开发、信用评估、合规尽调及供应商管理等场景。
目前，邓白氏智能开放平台既可以对接客户自建的智能体平台，也可以灵活连接国内主流AI智能体平台，包括WorkBuddy、千问办公、KimiWork、WPS Comate及库库AI等，轻松解锁邓白氏全球商业图谱，实践AI可信决策，绘制出海智慧航路。
邓白氏中国区总裁吴广宇表示，企业在加大AI投入的同时，需要关注实际业务回报，推动AI从生成内容进一步走向支持决策。可信商业数据与上下文，是智能体理解真实商业世界的重要基础。
他强调，利用可信商业数据帮助客户建立和管理商业关系，始终是邓白氏不变的主线。围绕数据、技术与场景，邓白氏持续推进创新，并重视决策链路的可审计、可追踪与良好治理。
当日，IPO早知道就邓白氏与WorkBuddy等平台合作细节、金融领域AI与Agent的落地进展以及“一把手”如何推动AI组织变革进行深度交流。
以下为IPO早知道与吴广宇现场对话精选呈现：
（邓白氏中国区总裁吴广宇）
迅速接入WorkBuddy等平台，数据支撑是底层
Q：此次宣布接入WorkBuddy、Kimi等，具体是如何实现打通和对接的？
吴广宇：AI赋能的工作流包含很多层。大模型是一个聪明的大脑，但要做出正确决策，必须对于商业社会有正确的理解。我们的全球商业图谱就是来告诉模型企业世界长什么样子。
模型、skill和商业数据结合，才能形成模型驱动的Agent。业务和数据结合起来，场景才能跑通。
所以和WorkBuddy、Kimi等进行合作，本质上我们是提供了数据基础设施的部分。用户在这些办公平台中构建自己的智能体，然后可以借助邓白氏提供的skill或者自己的智能体，去获取我们的数据，解决具体问题。
Q：以接入WorkBuddy为例，其中的付费机制是如何设置的？
吴广宇：产品对接方面，用户可以通过WorkBuddy连接到我们，同时也可以进入我们在其中设置的邓白氏专区，其中包括一些专家经验。
费用设置有两种方式。一种偏个人版，用户在WorkBuddy上注册成为邓白氏“龙易查”的用户，我们会送积分，用户直接使用；另一种偏B端企业用户，需要买数据的lisence，这种情况国外比较多，但链路比较长，等于to B的销售链路。
但针对一些暂时只想“尝鲜”的老客户，我们也不收费，可以先用试试看。
Q：邓白氏提供服务的方式是怎样的？
吴广宇：我们的方式非常灵活。最基础的是数据，同时我们也提供基于数据的skill，当然也提供Agent。
因为不同用户的选择不同，有些可能只需要数据，有些具备专业知识和能力，可能会采用我们的skill；Agent也是类似，可能客户自己有，也可能我们来提供。
但我们的Agent并不局限于WorkBuddy或者Kimi这些办公平台。比如，我们有个金融产品FinHub，其中我们自己做了Agent，能够帮助客户一键完成准入尽调、风险排查等。
其中一个底层逻辑是，Agent可能存在于不同的系统。不同的企业各有自己的建设路径，甚至同一个企业的不同部门，也有不同的方式用Agent。如果他们已经自建系统、有自己的Agent，那我们就提供数据对接，或者通过WorkBuddy或Kimi等三方平台提供一个优良的工具；如果他们没有自建，可以直接接入我们FinHub使用。
但Agent要跑起来，数据支撑是底层。
金融领域AI落地速度更快，正拓展新产品线
Q：近期Hy4在新版本中亦强调了针对金融场景的升级，邓白氏第一个落地的Agent产品FinHub也是金融产品。为什么金融领域进展如此之快？
吴广宇：从企业数据的角度讲，金融或者其他领域的用途都非常大。
但金融领域有个核心特点，涉及到对每个主体的风险控制和判断，因此风控这件事变得非常核心。基于此，金融领域对数据的重视程度也随之变高，这是我们发力的一个重点原因。
我们的金融业务现在发展非常快，增长率显著高于公司各业务的平均增长率。当前公司增长最快的几个业务还包括互联网、智能制造等，均高于平均水平。
从构建产品的角度讲，我们当然会优先考虑市场潜力更大的领域。
Q：作为金融场景的重要产品，FinHub目前的进展如何？
吴广宇：我想分享一个案例。一位客户近期在沟通时跟我们反馈，此前在所有工具ready的情况下，完成一家公司的尽调可能需要三个人、半天时间，且过程无法留痕。使用FinHub后，这一时间被缩短至10分钟，几乎所有繁杂的工作都可以由Agent完成。
效率提高背后，另一个关键是所有工作流都可以留痕，比如Agent调用了什么接口、看了什么数据，做了什么。我们认为能留痕、可追溯，亦是公司AI转型过程中需要面临的一个重要问题。如果人工操作，复核过程会非常复杂。
这也是今年我们看到的最大变化。流程可溯源、一切协作数字化，也是客户的真实需求，能够显著提升效率。
Q：金融之后，是否还会推出其他行业的类似产品？
吴广宇：金融产品是目前我们第一个封装好的垂类产品，接下来我们会关注一件事，大家用AI的不同路径。
第一个路径是用AI给现有业务提效。比如我们有一个产品全球财务分析平台，它原本就是个SaaS，现在我们新内置了一个AI工具。这个工具不改变客户的工作流，但能加快速度、提升效率。这个产品就不仅限于金融，比如贸易领域企业在尽调审核环节也能用得到。
我们针对这一类产品做过ROI测算，50个人的信审团队，投入150万元布局该系统后，人效可节约200万元左右。其中还不包括同一场景下风险防范端实现的约200-300万元成本节约。综合来看，总投资回报可达200%以上。
第二个路径是完全用AI进行操作，比如FinHub这种产品。除金融外，我们在企业的拓客和风控端，包括信用风控和合规风控，都沉淀了非常多经验。
Q：是否有一些具体的产品计划？
吴广宇：基于上述观察，未来我们产品的升级会聚焦三个方向。
第一是针对现有产品进行AI转型，在其中内置AI工具，帮助用户提升效率；第二，Agent贯通全场景，比如金融领域的FinHub。接下来还会推出针对企业的BizHub，帮助客户用Agent跑完全流程。
第三，如果客户已经有比较完善的智能体体系，我们可以将数据作为上下文开放出来，让客户的智能体来对接。
Q：我们的数据可以开放到什么程度？
吴广宇：邓白氏180多年走来，核心是帮助我们的客户建立管理可信商业关系，这一点始终没有变。
其中有三个要素，数据、场景和技术。数据层面一直没有变的，即如何累积可信的数据，做好数据治理和数据授权，不该看的不能看。从这个角度讲，AI不改变数据治理的规则，授权依然有效，但场景技术可以实现更快集成，让用户能够通过更多渠道获取到这些数据。
简言之，AI改变的是我们服务客户的效率，让它更高效，但数据安全不会改变。
产品结构从「方框」走向如水般灵活
Q：此前你们已在国外率先接入ChatGPT等平台，现在接入WorkBuddy等平台后，对客户带来哪些增益？
吴广宇：首先肯定是效率的提升，但这取决于客户本身的AI转型到了哪个阶段。
目前仍有一些客户的需求是不要AI产品，只要一份数据报告；有些客户就非常能接受AI的辅助。我们在产品和服务方面会多管齐下。
但这个过程其实并不容易。因为真正建构一个智能体工作流，本质需要对客户的组织架构进行改造，内部要进行重新组织。
对于愿意接受AI辅助的客户，我们其实是提供了一个很好的数据底座，并在这个过程中陪伴他们完成AI转型。
Q：所以AI加持后，你们能提供给客户的产品也多样化了。
吴广宇：非常多元。原来我们的产品像一个一个“方框”，但现在可以像水一样。
其中可信的全球商业数据这个底层不变。AI让我们接入客户的方式变得多种多样，让我们的服务场景也更加多样。
Q：在快速拥抱AI这件事上，你觉得邓白氏有什么优势？
吴广宇：我觉得每个企业它做决策都有原因，我们看到的快和慢也是相对的。
举个例子，在服务的场景里面，我们发现营销端快于风控端，就是进攻端快于防守端。再通俗一点讲，用AI做业务快于控风险。
因为其中有一个责任划分的问题。在业务端，大家主要看交付结果，如果你的AI产品找到一个好的场景并奏效，那非常好；但如果AI判断一件事没有风险，那所有人可能都会三思一下，毕竟最后要有人承担责任。
这也是为什么我们在落地中发现风控端会慢一点。生产端就更加慢，因为较严肃，不能出错。所以不同企业在AI领域的落地速度选择都有其道理。
从邓白氏来讲，我们提供的是基础设施，无论企业落地快慢、无论在什么阶段需要什么类型的产品，我们都能完成对于企业AI的适配改造，然后把我们的工作流积累下来，把我们的connector用起来，陪伴不同阶段的客户。
Q：这是否和你们之前在数据方面的积累有关系？
吴广宇：是的，因为工作流的积累与数据紧密结合。如果你不了解数据的结构，就无法帮助改造工作流的结构。而邓白氏多年来的业务核心，就是数据治理、数据授权等工作。
Q：目前客户在AI产品方面的接受度高吗？
吴广宇：客户特别喜欢谈投资回报比的问题。目前我们的MCP也已经有一些客户完成签约。
同时，我们在海外也有相对优势，接入ChatGpt、Cursor等与国内是同时启动的。目前美国主流的AI平台均已接入，预计国内也会进展顺利。
AI 转型核心是「找到正确的问题并解决它」
Q：Agent今年快速铺开的过程中，你觉得有哪些挑战或者难点？
吴广宇：除了帮助客户进行AI转型，我们自己也在同步用Agent进行辅助。其中的核心问题，是“如何找到一个正确的问题，并正确地解决它”。
对任何一个企业来说，关键是要基于某个具体业务，或者最高优先级的业务进行投入，击穿它，并有好的投资回报。
而我们的责任，也包括帮助客户找到这样的业务或者场景。定义好要解决的问题，我们才能知道需要什么数据、技能和模型。每个模型擅长的点也不一样，有的擅长推理，有的擅长识别等。
Q：能否举一个例子，你们是如何找到这样的问题并解决它的？
吴广宇：两年前开始着手AI转型时，我曾通知每个部门都要有一个智能体转化方案。当时也做过很多内部竞赛，但后来发现不可行。因为对于有些部门来说，这件事并不是他的工作重点。
经过一段时间尝试我们发现，数据的生产是一个是可以打的场景，比如有些报告的生成，由此前的“人+一些API”完成，变成由智能体进行封装的过程。报告也分很多种，我们就以合规报告的某一种类型开始。
要实现这件事，我们同时需要在内部调研工作流，然后定义需要什么样的数据进行打通。这也是我们自己实践的一个历程。
其中一个关键心得是不能好大喜功。从合规报告开始，我们接下来会一个一个场景去打透。
Q：所以这会回到一个问题，AI转型的组织变革最终可能还是要“一把手”来推动。
吴广宇：其实这个问题万变不离其宗，最终考验的还是企业管理者对自身的理解深度，比如我要解决客户什么问题，比较优势是什么，需要什么样的能力等等。
这一点上，我觉得有没有Agent都一样。Agent只是让我们多了一些工具，核心还是如何真正、深入理解整个企业的运转规则。
Q：邓白氏在数据层面有很强积累，未来是否会训练自己的模型？
吴广宇：我们不会训练自己的模型。目前模型已经够好用了，而且有非常强的公司在做。
目前市场的状态是，模型大脑已经很好用，但如何让它对客观世界有准确的认知。这是我们的数据积累可以发挥巨大空间之处。
