用人机协同让更多企业搞的起数据治理，用友发布数据治理Agent协作平台

AIE加速工业进化

4月前浏览224

关注

随着工业走向AI时代，已经有越来越多的企业认识到了数据治理的重要性，但数据治理高度消耗人力的特点，导致很多企业还难以充分投入开展数据治理。

近日，为加速数据治理效率，用友推出了数据治理Agent协作平台，希望引入Agent协助治理顾问完成部分工作，从而降低数据治理成本，使更多企业能够有效的开展数据治理。

总体定位

用友的数据治理Agents协作平台主要面向数据治理顾问，协助他们完成偏前期的咨询规划和设计类工作，覆盖从业务调研、业务架构数据、数据架构设计、数据标准设计到数据应用规划5个环节。在每个环节中，交由Agent做基础部分的内容生成，人做后续的检查修改和确认。

通过人机协作的这个过程，用友希望大幅提升数据治理顾问的工作效能，让数据治理从需要一大堆人去做，变成少量顾问带着一堆Agent来做，从而拉低所需的人力成本。同时，因为很多内容固化到了平台，也希望能够有利于交付部署后的持续运营，避免运动式治理后被遗弃。

用友介绍，公司内部进行使用时，好几个项目中AI生成的效果基本达到中高级顾问的水平。

5个主要环节

平台具体分为5个环节，每个环节中很多细分主题下的项目成由AI先进行生成，之后人进行进一步的审核、修改和确认。

素材区：收集企业相关职责文档、规章制度，录入访谈记录等，AI主要生成调研问卷等工作。

业务架构：AI整理素材生成业务架构内容，人进行确认和修改，最后合并成企业完整的业务架构树

数据架构：AI生成主体域、业务对象、逻辑实体等，AI创建数据库的注释，进行模型匹配映射，人进行审核和修改。

数据治理：AI生成数据分级、质量规则、数据标准等，人进行审核和修改

数据应用：AI生成数据分析主题，数据指标，人进行审核和修改

背后支撑

平台AI生成背后是一系列的Skills的调用，也是Skills机制提出后，比较新的产品形态。

AIE看法

作为一个新推出的产品形态，用友数据治理Agents协作平台瞄准了很清晰的当前数据治理的痛点，也很清楚的定位在了协助人的工具层面，如果进一步完善，或许可以降低数据治理门槛，让更多企业搞的起数据治理。

当然，作为新发布的产品形态，其功能肯定还是相对比较简单的，其隐含的工作流程、业务思路跟用友自身的数据治理咨询服务高度匹配，但是要实现多数咨询顾问都能很好的上手使用，可能还有长期的迭代和升级过程。

更远些，AIE也在想，OpenClaw代表的新一代AI在连接和驱动各个业务系统方面能力进一步增强，未来AI或许可以直接像人一样理解业务，操作业务系统，那如今在做的中间这一步数据整理和对齐的工作是否还有意义？

来源：AIE 加速工业进化