Cái nhìn trung thực của một chuyên gia thực hành về các tác nhân dữ liệu AI theo chiều ngang - Snowflake Cortex, Databricks Genie, Microsoft Fabric - và nơi một trợ lý tích hợp sẵn trong BI như JAS thực sự mang lại giá trị. Spoiler: hộp trò chuyện không bao giờ là phần khó.
Nếu bạn đã ngồi qua một bản demo đại lý dữ liệu trong năm ngoái, bạn biết cách buổi trình diễn diễn ra. Ai đó gõ “hiển thị doanh thu theo từng khu vực trong quý trước” vào một hộp trò chuyện, một truy vấn SQL sạch sẽ tự viết, một bảng xuất hiện, có thể là một biểu đồ, và mọi người trong phòng gật đầu. Đó là một bản demo tốt. Nó được thiết kế để trở thành một bản demo tốt.
Sau đó, bạn quay trở lại môi trường của riêng bạn - một trong những với 3.000 báo cáo, bốn mươi năm tên bảng tích lũy có ý nghĩa với một người nào đó trong năm 2009, một nhóm tài chính xác định "khách hàng tích cực" khác với bán hàng, và một nhân viên tuân thủ sẽ đích thân chấm dứt sự nghiệp của bạn nếu dữ liệu bệnh nhân rời khỏi tòa nhà - và ma thuật demo trở nên yên tĩnh hơn.
Chúng tôi đã dành một phần lớn năm 2026 để xem các tác nhân dữ liệu nằm ngang trưởng thành: Snowflake Cortex, Databricks Genie, các đại lý dữ liệu của Microsoft Fabric và Copilot, và các hệ thống do mọi người tự lắp ghép từ ClickHouse, LibreChat, một kho lưu trữ vector và một ngày cuối tuần. Chúng thực sự ấn tượng và chúng tôi muốn ghi nhận đúng những ưu điểm của chúng trước khi cho bạn biết chúng tôi nghĩ rằng chúng còn hạn chế ở đâu - bởi vì phiên bản trung thực của sự so sánh này hữu ích hơn phiên bản brochure, và dù sao nó cũng trở nên tâng bốc hơn đối với cách tiếp cận bản địa BI.
Đây là phiên bản trung thực.
Những công cụ này nằm gần với dữ liệu thô của bạn. Đó là toàn bộ luận án của họ, và đó là một luận điểm tốt. Khi một câu hỏi chưa bao giờ được hỏi trước đây - một số lát cắt thực sự mới lạ mà chưa nhà phân tích nào dự đoán - một đại lý được nối trực tiếp vào nhà kho có thể phân tích các bảng dữ liệu thô và cố gắng trả lời nó. Đối với thăm dò mở, cho công việc khoa học dữ liệu, cho giai đoạn “Tôi thậm chí không biết những gì tôi đang tìm kiếm”, sự gần gũi với lakehouse là một lợi thế thực sự. Chúng mở rộng với máy tính của bạn. Họ không quan tâm rằng câu hỏi của bạn là kỳ lạ.
Nếu bạn là một tổ chức chủ yếu dùng Snowflake hoặc làm việc trong Fabric, câu chuyện tích hợp cũng sạch sẽ: đại lý chạy bên trong nền tảng bạn đã trả tiền, dưới các điều khiển truy cập mà bạn đã cấu hình. Quản trị cấp kho là có thật - chính sách truy cập hàng của Snowflake, quyền Unity Catalog của Databricks và Microsoft Purview trong Fabric đều được chuyển đến đại lý. Bất cứ ai nói với bạn những đặc vụ này “bỏ qua bảo mật của bạn” đang bán cho bạn một cái gì đó. Các tác nhân đó không bỏ qua quy tắc bảo mật. Người dùng nhìn thấy các hàng mà họ được phép nhìn thấy.
Vì vậy,: mạnh mẽ, được quản lý tốt ở lớp dữ liệu, tuyệt vời để khám phá. Đó là điểm khởi đầu công bằng.
Đây là những gì bản demo không cho bạn thấy và những gì các nhà cung cấp thẳng thắn một cách đáng ngạc nhiên khi bạn đọc qua tiếp thị.
Không có tác nhân nào trong số này là ma thuật trên một lược đồ thô. Chúng chỉ đáng tin cậy sau khi ai đó đã thực hiện công việc khó khăn, không hào nhoáng của việc xây dựng một lớp ngữ nghĩa trên dữ liệu.
Snowflake nói điều này gần như từ cho từ trong tài liệu riêng của họ: một mô hình tổng quát sẽ gặp khó khăn nếu chỉ được cung cấp lược đồ cơ sở dữ liệu, bởi vì các lược đồ không chứa định nghĩa kinh doanh hoặc logic số liệu. Câu trả lời của họ là mô hình ngữ nghĩa - một tệp YAML (hoặc bây giờ là một chế độ xem ngữ nghĩa) trong đó một con người mã hóa các bảng có ý nghĩa gì, phép nối nào hợp lệ, làm thế nào mỗi số liệu được tính toán, những gì “CUST_ID” thực sự đề cập đến. Nếu không có nó, bạn sẽ trở lại với một dự đoán tự động hoàn thành thông minh tại các đường dẫn nối của bạn. Và bản thân Cortex tự xuất xưởng như một API; không có giao diện đi kèm mà người dùng doanh nghiệp của bạn chỉ có thể mở.
Genie Space là một không gian do nhà phân tích dữ liệu cấu hình: đăng ký các bảng trong Unity Catalog, giới hạn nó ở mức ba mươi cho mỗi không gian, thêm các truy vấn SQL ví dụ, viết hướng dẫn, xác định “tài sản đáng tin cậy” — các truy vấn được xác minh trước, tham số cho các câu hỏi bạn dự đoán. Genie hoạt động tốt nhất với những câu hỏi bạn đã dự đoán và chuẩn bị trước. Câu trả lời trở lại dưới dạng bảng kết quả và Databricks lưu ý rõ ràng rằng người dùng không phải là kỹ thuật thường không thể đọc SQL được tạo đủ tốt để biết liệu nó có đúng hay không.
Microsoft Fabric yêu cầu bạn làm cùng một bài tập về nhà: xây dựng một mô hình ngữ nghĩa Power BI được quản lý với các mối quan hệ và số đo được xác định bằng tay, sau đó kết nối tác nhân dữ liệu với mô hình. Và nếu bạn cung cấp tác nhân đó thông qua Copilot Studio hoặc M365, các phản hồi có thể đi ra ngoài ranh giới và địa lý tuân thủ của Fabric - một chi tiết mà nhóm bảo mật của bạn sẽ muốn biết trước, không phải sau.
Hộp chat là phần dễ dàng. Lớp ngữ nghĩa là sản phẩm thực tế.Mỗi tác nhân ngang là một vỏ trò chuyện mỏng, rực rỡ quấn quanh một dự án mô hình mà bạn phải xây dựng và duy trì. Trí thông minh không có trong LLM. Nó nằm trong phần mô tả doanh nghiệp được chuẩn bị kỹ lưỡng mà bạn cung cấp cho LLM.
Điều này điều chỉnh lại toàn bộ câu hỏi mua. Nó không phải là “công cụ này có AI không?” Bây giờ mọi thứ đều có AI. Câu hỏi thực sự là: Logic kinh doanh của bạn sống ở đâu, ai duy trì nó và bạn phải duy trì nó ở bao nhiêu nơi?
Đây là nơi JAS của TURBOARD xuất hiện, và lập luận cho nó gần như đơn giản một cách đáng xấu hổ một khi khung hình ở trên nằm trên bàn.
Nếu bạn đã chạy phân tích của mình trong nền tảng BI, bạn đã xây dựng lớp ngữ nghĩa. Các chế độ xem được điều chỉnh, nút, bảng và mô tả trường, các số đo được tính toán, bảng điều khiển, bộ lọc, mô hình quyền của bạn - đó là bối cảnh nghiệp vụ được chuẩn bị mà các tác nhân theo chiều ngang yêu cầu bạn xây dựng từ đầu trong YAML. JAS là một trợ lý đọc tài sản bạn đã trả tiền và duy trì, thay vì yêu cầu bạn xây dựng một bản sao thứ hai của nó ở một nơi khác.
Từ thực tế đó nảy sinh một số hệ quả quan trọng hơn vẻ bề ngoài:
Kết nối một tác nhân dữ liệu riêng với kho dữ liệu và bây giờ bạn có hai hệ thống trả lời cùng một câu hỏi - bảng điều khiển được chứng nhận và hộp trò chuyện - không có gì đảm bảo họ đồng ý. Khi trợ lý hoạt động bên trong lớp BI và suy luận qua cùng một mô hình được điều chỉnh mà bảng điều khiển sử dụng, câu trả lời trong cuộc trò chuyện và câu trả lời trên bảng điều khiển là cùng một câu trả lời. Các quy tắc quản trị không bị nhân đôi, lệch dần rồi âm thầm mâu thuẫn với nhau.
Một đại lý ngang đưa cho bạn một bảng. Nó đã biến mất khi bạn đóng tab. JAS tạo dashlet và bảng điều khiển gốc của nền tảng - những thứ tương tác bạn có thể đi sâu vào chi tiết, lọc và ghim. Câu trả lời không dừng lại ở “đây là số”; nó trở thành một phần của bề mặt phân tích mà tổ chức của bạn đã sử dụng vào ngày mai.
Các đại lý kho thực hiện bảo mật cấp hàng - điều này cần được ghi nhận. Lợi thế của BI-native không phải là “chúng ta có an ninh và họ không có”. Đó là bạn không duy trì logic truy cập của mình ở hai nơi và cầu nguyện họ đồng bộ - và đối với công việc được quy định, JAS có thể chạy trên các Mô hình ngôn ngữ nhỏ tại chỗ để câu lệnh và dữ liệu không bao giờ rời khỏi cơ sở hạ tầng của bạn.
Một “cổng dữ liệu” riêng biệt nghe có vẻ tuyệt vời trong một bản demo và chết trong sử dụng hàng ngày, bởi vì sử dụng nó có nghĩa là rời khỏi bảng điều khiển của bạn, mô tả lại những gì bạn đang nhìn và quay trở lại. JAS xuất hiện tại điểm tiêu thụ - trong bảng điều khiển, bên cạnh dashlet, trong một khung toàn cầu - để câu hỏi và dữ liệu sống ở cùng một nơi.
Điểm cuối cùng đó là nơi hai thành phần mới nhất của JAS làm cho trừu tượng cụ thể.
Một widget JAS bạn thả trực tiếp vào một bảng điều khiển. Nó đọc trạng thái hiện tại của bảng điều khiển đó - hoặc một dashlet cụ thể - và tóm tắt nó, giải thích hoặc trả lời câu hỏi tiếp theo về chính xác những gì trên màn hình. Các chi tiết chúng tôi thích: bạn thiết lập một persona mỗi widget. Bảng điều khiển bán hàng tương tự có thể được giải thích theo một cách cho một kiểm toán viên tài chính, người muốn các con số chính xác kèm lưu ý cần thiết, và một cách khác cho một người quản lý hoạt động muốn xu hướng và ý nghĩa thực tế. Giải thích bảng điều khiển ngừng là một đoạn AI chung và trở nên nhận thức về vai trò.
Nó giải quyết một vấn đề mà đám đông đại lý nằm ngang hầu như bỏ qua, bởi vì toàn bộ thế giới quan của họ là “tạo ra câu trả lời từ dữ liệu thô”. Trong một tổ chức trưởng thành, câu trả lời thường đã tồn tại rồi. Ai đó đã xây dựng bảng điều khiển được chứng nhận. Vấn đề thực sự không phải là việc tạo câu trả lời - đó là khám phá: tìm kiếm một chế độ xem đáng tin cậy trong số hàng ngàn báo cáo.
Ngăn JAS cho phép bạn đặt câu hỏi từ bất cứ nơi nào trong nền tảng. Sử dụng phương pháp tạo sinh tăng cường truy xuất trên các mô tả nút, bảng và trường cộng với các mẫu sử dụng thực tế, nó tìm thấy showcase hoặc bảng điều khiển có liên quan nhất, được sử dụng nhiều nhất, áp dụng bộ lọc phù hợp và đặt câu trả lời trước mặt bạn trong vài giây. Nó không tái tạo câu trả lời từ đầu và hy vọng nó phù hợp với câu trả lời chính thức - nó định tuyến bạn đến tài sản đáng tin cậy và lọc nó vào câu hỏi của bạn. Một tác nhân chuyển văn bản sang SQL sẽ vui vẻ viết lại một truy vấn mà một nhà phân tích đã hoàn thiện và chứng nhận vài tháng trước, có thể khác. Ngăn JAS dẫn bạn đến tài sản đã được chứng nhận. Trong một môi trường đông đúc, đó là sự khác biệt giữa trợ lý và nguồn rủi ro.
Chúng tôi nói rằng chúng tôi sẽ thành thật, vì vậy: có những trường hợp thực tế mà chúng tôi sẽ chọn Cortex, Genie hoặc tác nhân Fabric thay vì một trợ lý tích hợp sẵn trong BI.
| Nếu tình hình của bạn là... | Sự phù hợp tốt hơn là... |
|---|---|
| Dữ liệu chưa được mô hình hóa trong một công cụ BI - nó sống trong một lakehouse, người dùng là những nhà khoa học dữ liệu thực hiện khám phá mở chống lại các bảng thô ở quy mô lớn | Tác nhân tích hợp trong kho dữ liệu, hoạt động gần tài nguyên tính toán |
| Giá trị bạn cần là “hỏi bất kỳ câu hỏi nào về dữ liệu thô, bao gồm cả những câu hỏi mà không ai lường trước được” | Gần nhà kho sẽ thắng |
| Bạn đang ở trong một hệ sinh thái của nền tảng đám mây và không bao giờ có kế hoạch rời đi | Tích hợp sẵn thực sự thuận tiện |
| Phân tích của bạn đã sống trong một nền tảng BI được quản lý, được sử dụng hàng ngày bởi những người ra quyết định kinh doanh | Một trợ lý bản ngữ BI như JAS tái sử dụng lớp bạn đã xây dựng |
Và JAS cũng không phải là phù thủy. Nó chính xác là tốt như mô hình ngữ nghĩa bên dưới nó - chế độ xem, mô tả, số đo. Nếu những điều đó cẩu thả, JAS sẽ cẩu thả. Sự đối xứng trung thực là thế này: cả hai phương pháp phụ thuộc vào một lớp ngữ nghĩa được xây dựng tốt. Sự khác biệt là với một nền tảng BI, bạn rất có thể đã xây dựng và duy trì một lớp ngữ nghĩa, và một trợ lý tích hợp sẵn trong BI tái sử dụng nó - trong khi một tác nhân nằm ngang yêu cầu bạn xây dựng (hoặc xây dựng lại) lớp đó như một hiện vật riêng biệt, và sau đó duy trì nó song song vĩnh viễn.
Cách sạch nhất mà chúng tôi đã tìm thấy để đặt nó: các đại lý dữ liệu ngang cho phép bạn nói chuyện với dữ liệu của bạn. Đó là giá trị. Nhưng trí tuệ doanh nghiệp không bao giờ chỉ là bảng và truy vấn. Nó bao gồm các mô hình được quản trị, bảng điều khiển, bộ lọc, quy ước trực quan, quyền, personas và một thập kỷ bộ nhớ thể chế về báo cáo bạn thực sự tin tưởng.
Một trợ lý tích hợp sẵn trong BI cho phép bạn nói chuyện với BI của bạn — toàn bộ môi trường bị chi phối, không chỉ là cơ sở dữ liệu dưới nó.
Nếu phân tích của bạn đã sống trong một nền tảng BI, nền tảng ngữ nghĩa làm cho bất kỳ trợ lý AI nào đáng tin cậy là công việc bạn đã làm. Câu hỏi đáng để hỏi nhà cung cấp không phải là liệu họ có thêm hộp trò chuyện hay không. Ai cũng có. Đó là liệu AI của họ có hiểu doanh nghiệp mà bạn đã mô hình hóa hay không, tôn trọng quản trị mà bạn đã đặt ra và trả lời bên trong quy trình làm việc mà mọi người đã sử dụng - hoặc liệu đó có phải là một nơi nữa để xây dựng lại tất cả những điều đó và một nguồn sự thật nữa để hòa giải hay không.
Hộp trò chuyện không bao giờ là phần khó. Phần khó là biết câu trả lời của nó có đúng hay không.
Nếu phân tích của bạn đã sống trong môi trường BI được quản lý, JAS không yêu cầu bạn xây dựng lại nó - nó đọc lớp ngữ nghĩa mà bạn đã đầu tư và trả lời bên trong bảng điều khiển mà mọi người của bạn đã sử dụng.
Đặt lịch trình diễn với nhóm của chúng tôi và xem JAS, JASlet và khung JAS toàn cầu hoạt động trên một mô hình được quản lý - với sự hỗ trợ SLM tại chỗ cho các môi trường được quy định.
Bạn cũng có thể xem So sánh BI đầy đủ để xem TURBOARD được so sánh ra sao trong nhiều kịch bản doanh nghiệp khác.
Chúng tôi trình diễn JAS trên báo cáo của bạn, định nghĩa của bạn và ngữ cảnh bảo mật của bạn — không phải trên cơ sở dữ liệu mẫu chung chung.