譯者 | 張哲剛

審校 | 重樓

假如你將迎來這樣的一個(gè)同事：從不睡覺，從不拖延，而且就在你去喝了杯咖啡的時(shí)候，他已經(jīng)處理了TB字節(jié)為單位的數(shù)據(jù)，你會(huì)因?yàn)楹献髡呷绱私o力而欣喜，還是擔(dān)心自己的飯碗不保呢？這個(gè)問題直接引發(fā)了一個(gè)大討論：具有自主性的人工智能會(huì)取代傳統(tǒng)數(shù)據(jù)分析師的角色嗎？在本文中，你將了解到自主智能體如何重塑數(shù)據(jù)工作，它們會(huì)從你的工作中接手哪些具體任務(wù)，以及你如何從表格處理者轉(zhuǎn)變?yōu)閼?zhàn)略制定者。

目錄

• 數(shù)據(jù)工作流中自主智能體的興起
• 數(shù)據(jù)分析師會(huì)過時(shí)嗎？
• 當(dāng)下數(shù)據(jù)分析師都在做哪些工作
• 代理型人工智能：數(shù)據(jù)工作流的新時(shí)代
• 實(shí)踐任務(wù)：代理型人工智能自動(dòng)化

任務(wù) 1：自動(dòng)化數(shù)據(jù)清理與預(yù)處理

任務(wù) 2：自動(dòng)生成報(bào)告和儀表板

• 實(shí)踐任務(wù)：仍需人類數(shù)據(jù)分析師參與的任務(wù)

任務(wù) 1：在商業(yè)環(huán)境中解讀結(jié)果

任務(wù) 2：提出恰當(dāng)?shù)膯栴}

• 增強(qiáng)，而非取代
• 結(jié)論
• 常見問題解答

數(shù)據(jù)工作流中自主代理的興起

如今的數(shù)據(jù)環(huán)境令人應(yīng)接不暇。來自各類網(wǎng)站、應(yīng)用程序、傳感設(shè)備以及社交媒體的信息充斥著企業(yè)的各個(gè)部門。人工處理所有這些信息是不切實(shí)際的。這時(shí)，自主智能體就派上了用場。這些由人工智能驅(qū)動(dòng)的工具全天候運(yùn)行，監(jiān)控?cái)?shù)據(jù)、預(yù)防問題并確保系統(tǒng)平穩(wěn)運(yùn)行。它們不會(huì)感到疲倦、不會(huì)錯(cuò)過截止日期，更不會(huì)在深夜里因疲倦而犯錯(cuò)。

它們之所以特別強(qiáng)大，在于能夠管理整個(gè)數(shù)據(jù)處理流程——從收集雜亂無章的原始數(shù)據(jù)，到清理、分析，甚至生成過去需要人工輸入才能得出的洞察。通過將這些常規(guī)任務(wù)自動(dòng)化，分析師得以將精力集中在真正重要的事情上：解讀數(shù)據(jù)并推動(dòng)業(yè)務(wù)決策。

得益于云計(jì)算和人工智能技術(shù)，過去需要整個(gè)團(tuán)隊(duì)完成的工作，如今只需少數(shù)幾個(gè)智能體程序在后臺(tái)默默運(yùn)行就能搞定。

數(shù)據(jù)分析師會(huì)過時(shí)嗎？

簡短回答：暫且不會(huì)。但是這種趨向正在現(xiàn)實(shí)工作中日益展現(xiàn)。

可以這樣思考：當(dāng)Excel出現(xiàn)時(shí)，會(huì)計(jì)人員并沒有就此消失——他們不再手工計(jì)算，而是開始從事財(cái)務(wù)策略方面的工作，而數(shù)據(jù)分析師如今也正經(jīng)歷著同樣的轉(zhuǎn)變。

人工智能的核心在于能夠處理大量數(shù)據(jù)，但卻無法理解這些數(shù)據(jù)的意義：它無法走進(jìn)會(huì)議室，用首席執(zhí)行官能理解的方式解釋上個(gè)季度銷售額下降的原因。它也無法洞察公司內(nèi)部的各種關(guān)系，也無法意識(shí)到營銷團(tuán)隊(duì)和財(cái)務(wù)團(tuán)隊(duì)所需要的見解是不同的。

人工智能將從你手中接管那些枯燥乏味的工作：數(shù)據(jù)清理、重復(fù)的報(bào)告生成以及你每月都要做的標(biāo)準(zhǔn)分析。這將為你節(jié)省出寶貴的時(shí)間去做那些更為重要的事情，比如解決業(yè)務(wù)問題、提出更好的問題以及幫助公司做出更明智的決策。

如今的數(shù)據(jù)分析師具體做哪些工作

在探討正在發(fā)生的變化之前，讓我們先來看看如今數(shù)據(jù)分析師的工作內(nèi)容。他們大部分時(shí)間都花在五個(gè)主要方面：

數(shù)據(jù)收集與整理：這是分析師工作中最耗時(shí)的部分。它包括從多個(gè)系統(tǒng)中收集數(shù)據(jù)、修正錯(cuò)誤、處理缺失部分以及確保數(shù)據(jù)的一致性。

探索性數(shù)據(jù)分析：分析師識(shí)別模式、發(fā)現(xiàn)異常情況，并確定數(shù)據(jù)能夠解決哪些問題。正是在這個(gè)階段，他們開始揭開數(shù)字背后反映的本質(zhì)。

儀表板創(chuàng)建與報(bào)告：分析師將洞察轉(zhuǎn)化為圖表和報(bào)告。構(gòu)建并維護(hù)用于日常決策的儀表板。

商業(yè)洞察生成：分析師解讀模式以回答關(guān)鍵業(yè)務(wù)問題：例如客戶為何流失？哪些產(chǎn)品表現(xiàn)最佳？應(yīng)采取何種行動(dòng)？

利益相關(guān)者溝通：分析師必須向非技術(shù)人員解釋復(fù)雜的現(xiàn)象，包括將數(shù)據(jù)轉(zhuǎn)化為業(yè)務(wù)術(shù)語，并回答決策者提出的問題。

代理型人工智能：數(shù)據(jù)工作流的新紀(jì)元

現(xiàn)在我們來談?wù)動(dòng)幸馑嫉牟糠?。代理型人工智能正在改變所有這些工作的完成方式。

在數(shù)據(jù)分析的背景下，代理型人工智能具體是什么？

你可以把它們想象成極其出色的實(shí)習(xí)生，從來不需要休息，而且每次犯錯(cuò)后都能迅速吸取教訓(xùn)。這些系統(tǒng)能夠理解你的目標(biāo)，篩選出相關(guān)數(shù)據(jù)，進(jìn)行分析，并就如何解讀結(jié)果提供建議。它們會(huì)隨著時(shí)間的推移逐漸了解你組織的特殊之處和偏好。它們能夠同時(shí)處理多項(xiàng)任務(wù)，哪怕是最高水平的人類分析師，也不容易做到這些。需要一邊分析客戶流失情況，一邊預(yù)測銷售業(yè)績嗎？它們就可以同時(shí)完成這兩項(xiàng)任務(wù)，甚至同時(shí)還能為你做一些市場調(diào)研。

智能體如何處理數(shù)據(jù)？

這些人工智能系統(tǒng)就像是你公司里的數(shù)據(jù)偵探。它們可以從眾多來源中搜尋數(shù)據(jù)，自動(dòng)進(jìn)行清理和整理，然后根據(jù)所發(fā)現(xiàn)的內(nèi)容自行選擇合適的分析技術(shù)，并不需要你為它們?cè)敿?xì)說明每一步驟。

他們還嚴(yán)格遵守規(guī)則，確保符合公司政策和法律要求，追蹤數(shù)據(jù)來源，并詳細(xì)記錄所做的一切。就像有一個(gè)術(shù)業(yè)有專攻的實(shí)習(xí)生專門負(fù)責(zé)合規(guī)事宜。

大型語言模型和自動(dòng)化工具的作用

這些系統(tǒng)以大語言模型作為其“大腦”。它們能夠解讀和理解人類語言，這意味著你可以向它們提出任何類型的查詢——來提問吧——可以使用任何簡單的英語表述內(nèi)容，無需將其轉(zhuǎn)化成復(fù)雜的代碼：“上個(gè)月的流量為何下降？”直接問就行。

自動(dòng)化工具充當(dāng)他們的“手臂”——這些工具與數(shù)據(jù)庫協(xié)同工作，進(jìn)行計(jì)算，然后生成輸出結(jié)果。將這些“大腦”與自動(dòng)化相結(jié)合，便能構(gòu)建起從“我需要了解我們的客戶行為”到“這是你的分析報(bào)告，附帶三條可行的建議”這樣的完整系統(tǒng)。

實(shí)踐任務(wù)：代理型人工智能實(shí)現(xiàn)自動(dòng)化

讓我們來點(diǎn)實(shí)際的。下面是展現(xiàn)代理式人工智能大展拳腳的一些真實(shí)案例，還附有詳細(xì)的步驟分解。

任務(wù) 1：自動(dòng)化數(shù)據(jù)清理與預(yù)處理

這就是人工智能能夠大顯身手的地方。過去，數(shù)據(jù)清理要耗費(fèi)分析師80% 的時(shí)間。而現(xiàn)在借助n8n工作流，人工智能能夠自動(dòng)完成其中的絕大部分的工作。

還不知道n8n 是如何工作的？

步驟 1：在n8n中設(shè)置數(shù)據(jù)源連接

• 使用數(shù)據(jù)庫、API 和電子表格連接器創(chuàng)建n8n工作流。
• 設(shè)置從不同來源（MySQL、PostgreSQL、Google Sheets）自動(dòng)獲取數(shù)據(jù)。
• 設(shè)置Webhook觸發(fā)器以實(shí)時(shí)獲取數(shù)據(jù)。
• 使用HTTP請(qǐng)求節(jié)點(diǎn)來連接外部API并與之交互。

步驟 2：構(gòu)建數(shù)據(jù)質(zhì)量評(píng)估工作流

• 添加功能節(jié)點(diǎn)以掃描類型、空值和重復(fù)項(xiàng)。
• 在“如果”節(jié)點(diǎn)中創(chuàng)建條件分支，以處理不同的數(shù)據(jù)質(zhì)量情況。
• 使用代碼節(jié)點(diǎn)根據(jù)你特定業(yè)務(wù)邏輯的自定義驗(yàn)證規(guī)則檢查數(shù)據(jù)質(zhì)量。
• 當(dāng)數(shù)據(jù)質(zhì)量出現(xiàn)異常時(shí)，通過電子郵件/Slack向用戶發(fā)送提醒。

步驟 3：構(gòu)建自動(dòng)化清理流程

• 使用n8n的數(shù)據(jù)轉(zhuǎn)換節(jié)點(diǎn)來更改格式并填充缺失值。
• 使用“按批次拆分”節(jié)點(diǎn)創(chuàng)建循環(huán)，以便對(duì)大型數(shù)據(jù)集進(jìn)行分批處理。
• 使用人工智能節(jié)點(diǎn)（OpenAI/Claude）智能填充缺失數(shù)據(jù)或?qū)δ：龡l目進(jìn)行分類。
• 使用“嘗試 - 捕獲”節(jié)點(diǎn)實(shí)現(xiàn)錯(cuò)誤處理，以管理運(yùn)行時(shí)可能的故障。

步驟 4：設(shè)置輸出和監(jiān)控

• 進(jìn)行配置用以將干凈的數(shù)據(jù)導(dǎo)出到你的目標(biāo)位置。
• 在n8n中使用cron節(jié)點(diǎn)設(shè)置計(jì)劃工作流，實(shí)現(xiàn)定期的數(shù)據(jù)處理。
• 使用n8n的 Webhook 輸出開發(fā)監(jiān)控儀表板，持續(xù)觀察處理狀態(tài)。
• 設(shè)置日志記錄以對(duì)所有轉(zhuǎn)換進(jìn)行審計(jì)跟蹤。

任務(wù) 2：自動(dòng)生成報(bào)告和儀表板

還記得那些每月的報(bào)告嗎？你得花上好幾個(gè)小時(shí)來準(zhǔn)備，復(fù)制粘貼圖表，修改數(shù)據(jù)，還要重寫那些段落，也許只是對(duì)數(shù)據(jù)稍作改動(dòng)？現(xiàn)在這些工作都可以交給人工智能來處理了。

步驟 1：為人工智能設(shè)置模板創(chuàng)建流程

首先要做的是創(chuàng)建可由人工智能自動(dòng)填充的報(bào)告模板。這基本上就像設(shè)置一個(gè)“瘋狂填詞”游戲；你設(shè)置好結(jié)構(gòu)，人工智能則用相關(guān)數(shù)據(jù)和見解來填充空白。

你可以使用類似 Google Colab 的工具來創(chuàng)建報(bào)告模板，其中包含占位符部分。設(shè)置包含主要指標(biāo)、圖表和敘述性解釋的變量占位符的Markdown模板。創(chuàng)建提示模板，指導(dǎo)人工智能根據(jù)你的業(yè)務(wù)規(guī)則提供情境評(píng)論。我們可以嘗試構(gòu)建一種布局，使其具有足夠的靈活性，以適應(yīng)不同數(shù)量的數(shù)據(jù)和不同的時(shí)間段。為不同類型的報(bào)告（執(zhí)行摘要、部門報(bào)告）創(chuàng)建不同的模板庫。

來源: n8n Report Generation

步驟 2：將數(shù)據(jù)源連接到報(bào)告生成器

人工智能需要通過其編程接口明確知曉數(shù)據(jù)的具體位置并理解這些數(shù)據(jù)。不僅僅是將數(shù)據(jù)庫連接起來那么簡單。

你需要通過API將你清理過的數(shù)據(jù)管道直接鏈接到報(bào)告生成工作流中，設(shè)置數(shù)據(jù)刷新計(jì)劃（每日、每周、每月），并建立錯(cuò)誤處理流程制定業(yè)務(wù)規(guī)則，教導(dǎo)人工智能如何判斷數(shù)字是“良好的”、“有問題的”還是“緊急”的。 添加異常處理機(jī)制，以應(yīng)對(duì)數(shù)據(jù)源不可用或出現(xiàn)錯(cuò)誤的情況。對(duì)數(shù)據(jù)建立驗(yàn)證檢查，以確保報(bào)告能正確生成。

來源: n8n Report Generation

步驟 3：生成自然語言洞察

現(xiàn)在，事情變得有意思了。人工智能如今能夠撰寫報(bào)告中的敘述部分，這部分內(nèi)容過去要花很長時(shí)間才能完成：發(fā)生了什么以及為什么很重要。

使用 GPT-4o或Claude并通過自定義提示來生成描述數(shù)據(jù)趨勢的解釋說明。創(chuàng)建包含行業(yè)知識(shí)和公司特定術(shù)語的業(yè)務(wù)背景提示。建立比較框架（月度環(huán)比、年度同比、與目標(biāo)對(duì)比），以自動(dòng)生成分析報(bào)告。針對(duì)幾種不同的情況（增長、下降、平穩(wěn)）創(chuàng)建條件邏輯，以便為每種情況使用恰當(dāng)?shù)恼Z言。實(shí)施事實(shí)核查工作流程，以驗(yàn)證人工智能生成的見解是否與實(shí)際數(shù)據(jù)相符。

來源：Data Connectors

步驟 4：自動(dòng)更新儀表板并分發(fā)

靜態(tài)儀表盤正在逐漸被淘汰。如今，人工智能能夠生成動(dòng)態(tài)儀表盤，這些儀表盤能夠根據(jù)當(dāng)前的關(guān)鍵信息自行更新。

使用Tableau、Power BI或自定義網(wǎng)絡(luò)儀表板進(jìn)行連接和可視化展示。設(shè)置一個(gè)自動(dòng)刷新機(jī)制，使其能夠不斷獲取最新數(shù)據(jù)并重新生成可視化圖表——全程無需人工干預(yù)——同時(shí)在關(guān)鍵指標(biāo)出現(xiàn)重大變化時(shí)向相關(guān)管理者發(fā)出警報(bào)。創(chuàng)建一種自適應(yīng)布局，突出顯示當(dāng)前與業(yè)務(wù)優(yōu)先級(jí)相關(guān)的方面。自動(dòng)創(chuàng)建分發(fā)列表，并提供多種版本的儀表板以滿足不同層次或部門管理者的需求。

來源： Data Dashboard

實(shí)踐任務(wù)：仍需人類數(shù)據(jù)分析師參與的任務(wù)

任務(wù) 1：在商業(yè)環(huán)境和背景下解讀結(jié)果

人工智能可以告訴你上個(gè)月銷售額下降了15%，但它無法理解銷售額下降的原因：也許是最大的競爭對(duì)手推出了新產(chǎn)品，也許是營銷活動(dòng)處于空檔期，又或許是供應(yīng)鏈出了問題導(dǎo)致庫存不足。這種情境理解只有人類才能做到。

這在實(shí)際工作中具體怎么辦呢？

理解數(shù)字背后的緣由：如果人工智能報(bào)告客戶獲取成本上升了 23%，人類分析師會(huì)調(diào)查原因，比如營銷策略的變化、平臺(tái)算法的調(diào)整或目標(biāo)定位的改變。人工智能報(bào)告數(shù)據(jù)，分析師挖掘原因。

將數(shù)據(jù)與業(yè)務(wù)戰(zhàn)略相連接：如果用戶參與度下降10%，則可能會(huì)引發(fā)疑問：是因?yàn)樾庐a(chǎn)品的推出嗎？還是用戶的購買行為發(fā)生了變化？這種情況是否在預(yù)料之中？分析師會(huì)將數(shù)據(jù)趨勢與業(yè)務(wù)背景相聯(lián)系。

識(shí)別行業(yè)特定因素：人類分析師會(huì)明白，1月份銷售額下降可能是季節(jié)性因素所致，而 11月出現(xiàn)類似降幅則可能意味著存在問題。在SaaS行業(yè)，夏季使用量降低并不總是意味著客戶流失，這可能只是因?yàn)檫@不過是常態(tài)。人工智能就缺乏這種領(lǐng)域直覺。

將技術(shù)發(fā)現(xiàn)轉(zhuǎn)化為商業(yè)術(shù)語：人工智能可能會(huì)報(bào)告折扣與客戶價(jià)值之間存在負(fù)相關(guān)關(guān)系。分析師重新表述：打折會(huì)吸引對(duì)價(jià)格敏感的客戶，而這類客戶不會(huì)長期留存。

理解組織背景：當(dāng)業(yè)績下滑時(shí)，分析師會(huì)考慮到內(nèi)部因素，比如預(yù)算削減、團(tuán)隊(duì)變動(dòng)或戰(zhàn)略調(diào)整，這些因素可能能夠解釋相關(guān)數(shù)據(jù)出現(xiàn)的原因。他們會(huì)結(jié)合公司動(dòng)態(tài)來解讀數(shù)據(jù)。

任務(wù)2：提出正確的問題

你可以把人工智能視為非常擅長模式識(shí)別，但它永遠(yuǎn)無法理解哪些問題對(duì)你的企業(yè)是有用的。人類分析師會(huì)問：“為什么客戶流失？”而人工智能系統(tǒng)可能只會(huì)報(bào)告客戶流失正在發(fā)生。

這在實(shí)際工作中，具體怎么辦呢？

確定關(guān)鍵指標(biāo)：人工智能可以追蹤一切，但分析師知道什么才是關(guān)鍵。在訂閱業(yè)務(wù)中，功能采用率可能比月活躍用戶數(shù)更重要。如果獲客成本不可持續(xù)，僅靠收入也意義不大。

何時(shí)深挖：如果流量激增30%，可能引發(fā)更深入思考：流量從何而來？是否會(huì)帶來轉(zhuǎn)化？會(huì)不會(huì)是機(jī)器人？分析師們深知，表面的增長可能掩蓋了潛在的問題。

關(guān)注決策驅(qū)動(dòng)型問題：分析師的工作與業(yè)務(wù)需求保持一致，滿足領(lǐng)導(dǎo)規(guī)劃所需、產(chǎn)品優(yōu)先級(jí)排序所需以及銷售達(dá)成目標(biāo)所需。他們專注于影響推動(dòng)業(yè)務(wù)向前發(fā)展的問題。

糾正偏離方向的分析：當(dāng)分析偏離正軌時(shí)，優(yōu)秀的分析師能夠察覺。他們會(huì)停止探究無關(guān)的數(shù)據(jù)，重新定義問題以重回正軌。

質(zhì)疑假設(shè)：人工智能會(huì)原封不動(dòng)地接受輸入。分析師則會(huì)對(duì)輸入內(nèi)容提出質(zhì)疑：這些細(xì)分市場是否恰當(dāng)？這些指標(biāo)是否有意義？數(shù)據(jù)是否存在偏差？他們會(huì)質(zhì)疑分析本身的基礎(chǔ)是否合理。

展望未來需求：人工智能回顧過去。分析師展望未來：為了擴(kuò)張我們需要哪些數(shù)據(jù)？哪些見解能夠指導(dǎo)我們的下一條產(chǎn)品線？他們今天就為明天的問題做準(zhǔn)備。

串聯(lián)商業(yè)脈絡(luò)：分析師能察覺到人工智能可能忽略的模式，比如某些營銷活動(dòng)之后投訴量激增，或者銷售推介如何影響產(chǎn)品使用情況。他們能夠?qū)⒎稚⒌氖录?lián)起來，進(jìn)而揭示其中的因果關(guān)系。

增強(qiáng)，而非取代

人工智能與人類攜手合作比各自為戰(zhàn)更有效。人工智能擅長快速、一致的數(shù)據(jù)處理；人類分析師則能提供業(yè)務(wù)背景、創(chuàng)造力和溝通能力。就像計(jì)算器能增強(qiáng)數(shù)學(xué)家的能力一樣，人工智能也能提升分析師的水平。

從手動(dòng)任務(wù)到戰(zhàn)略思考：人工智能減少了清理數(shù)據(jù)或生成報(bào)告所花費(fèi)的時(shí)間，使分析師能夠?qū)Ｗ⒂跇I(yè)務(wù)問題、創(chuàng)新解決方案以及跨團(tuán)隊(duì)協(xié)作，從而讓他們變得更有價(jià)值，而非相反。

技能提升機(jī)會(huì)：隨著人工智能的發(fā)展，分析師的角色也在不斷演變。分析師將學(xué)會(huì)管理人工智能工具、提取洞察信息并運(yùn)用戰(zhàn)略思維。那些能夠設(shè)計(jì)人工智能工作流程并將機(jī)器輸出與人類判斷相結(jié)合的人將會(huì)脫穎而出。

分析師作為業(yè)務(wù)與技術(shù)的橋梁：優(yōu)秀的分析師能夠?qū)⒓夹g(shù)型人工智能能力與業(yè)務(wù)需求相連接，此類人才需求日益增長。咨詢、項(xiàng)目管理和戰(zhàn)略規(guī)劃等技能將至關(guān)重要。

結(jié)論

毫無疑問，代理型人工智能正在為數(shù)據(jù)分析師創(chuàng)造新的機(jī)遇，而非終結(jié)這一行業(yè)。未來屬于那些與能夠人工智能系統(tǒng)公平合理地合作而不是對(duì)抗的數(shù)據(jù)分析師。最成功的公司將擁有僅靠人類或人工智能都無法企及的分析能力。

數(shù)據(jù)分析師有一條出路，那就是擁抱新工具，同時(shí)培養(yǎng)能與人工智能能力相輔相成的技能。這意味著要擅長戰(zhàn)略規(guī)劃、向相關(guān)管理者匯報(bào)創(chuàng)新思維以及創(chuàng)造性地解決問題，同時(shí)學(xué)會(huì)與人工智能互動(dòng)。那些將人工智能視為伙伴而非敵人的分析師肯定會(huì)取得成功。通過與人工智能協(xié)同工作，數(shù)據(jù)分析師為所在的組織，從決策制定和目標(biāo)實(shí)現(xiàn)這些方面都能夠提供源源不斷的支持。

常見問題解答

Q1. 代理型人工智能什么時(shí)候會(huì)取代我數(shù)據(jù)分析師的工作？

A. 它不會(huì)取代你的工作，但在接下來的2到3年內(nèi)會(huì)顯著改變你的工作。諸如數(shù)據(jù)清理和基礎(chǔ)報(bào)告之類的常規(guī)任務(wù)將會(huì)實(shí)現(xiàn)自動(dòng)化，但戰(zhàn)略思考、業(yè)務(wù)背景理解和與利益相關(guān)者的溝通仍將是人類的責(zé)任。要想到的是工作內(nèi)容的演變，而非職業(yè)的消亡。

Q2. 使用代理式人工智能系統(tǒng)工作需要學(xué)習(xí)編程嗎？

A. 并非如此。許多代理型人工智能工具被設(shè)計(jì)為能夠響應(yīng)自然語言指令。不過，掌握基本的編程概念和數(shù)據(jù)結(jié)構(gòu)有助于你更高效地使用這些系統(tǒng)，并在出現(xiàn)問題時(shí)進(jìn)行故障排查。

Q3. 代理型人工智能會(huì)降低數(shù)據(jù)分析的準(zhǔn)確性嗎？

A. 它通常通過消除常規(guī)任務(wù)中的人為錯(cuò)誤使分析更加準(zhǔn)確。不過，你需要驗(yàn)證輸出結(jié)果，并清楚人工智能的局限性。關(guān)鍵之處在于要知道什么時(shí)候相信人工智能，什么時(shí)候依靠人類的判斷進(jìn)行更深入的探究。

Q4：我現(xiàn)在應(yīng)該著重培養(yǎng)哪些技能？

A. 應(yīng)注重商業(yè)頭腦、溝通技巧和批判性思維。學(xué)會(huì)提出更好的問題，理解行業(yè)背景，并將技術(shù)發(fā)現(xiàn)轉(zhuǎn)化為商業(yè)語言。隨著人工智能承擔(dān)起技術(shù)方面的繁重工作，這些技能將變得愈發(fā)重要。

Q5. 對(duì)于小型企業(yè)來說，實(shí)施代理型人工智能的成本是多少？

成本正在迅速下降。許多基于云的解決方案每月基本自動(dòng)化服務(wù)的費(fèi)用從50美元到200 美元不等。通過節(jié)省時(shí)間和提高準(zhǔn)確性，投資回報(bào)率通常很快就能體現(xiàn)出來。要從小規(guī)模的特定應(yīng)用開始，不要試圖一次性實(shí)現(xiàn)全面自動(dòng)化。

譯者介紹

張哲剛，51CTO社區(qū)編輯，系統(tǒng)運(yùn)維工程師，國內(nèi)較早一批硬件評(píng)測及互聯(lián)網(wǎng)從業(yè)者，曾入職阿里巴巴。

原文標(biāo)題：Will Agentic AI Replace Traditional Data Analyst Roles?，作者：Riya Bansal