AI 与数据分析的结合，正在经历一次关键的转向。过去两年，行业里谈论最多的是"AI 问数"——用户用一句自然语言，让 AI 生成一个查询、返回一个结果。这个能力很惊艳，但它离企业真正需要的"生产级可信分析"，还有一段距离。

所谓生产级，意味着 AI 给出的分析结果，不能只是"看起来对"，而要经得起溯源、经得起审计、经得起在企业经营决策中的反复使用。所谓可信，意味着 AI 对业务口径的理解，必须与企业已经定义好的指标、权限、规则保持一致，而不是依赖模型的一次性理解。

正是基于对这一转向的判断，帆软 Data Agent 迎来一次双线升级：FineBI AI 原生版与 Dora 同步进化。一条线面向新建分析体系，从底层以 AI 原生架构重构数据分析；另一条线面向已有 BI 体系，让企业无需迁移、原地完成 AI 升级。两条线共享同一个技术哲学，共同回答一个问题：如何让 AI 分析真正进入企业的生产环节。

一、从问数到分析，AI 要跨越的鸿沟

要理解这次双线升级的价值，先要看清 AI 问数与生产级分析之间的鸿沟在哪里。

第一道鸿沟是准确性。AI 问数往往依赖模型直接生成 SQL 去查数据库，但模型对表结构、字段含义的理解存在不确定性，一旦理解偏差，结果就是错的。在演示环境里，这个偏差可以被容忍；在生产环境里，一个错误的结果可能直接导致一次错误的经营决策。

第二道鸿沟是口径一致性。企业里"毛利率""销售额""活跃用户"这些指标，都有明确的业务定义。AI 如果绕过这些定义，用自己的理解去计算，就会产生口径漂移——同一个问题，AI 算出来的数和业务系统里的数对不上。

第三道鸿沟是可追溯性。生产级分析要求结果可解释、可审计。一条分析结论是怎么得出来的、用了哪些数据、依据什么口径，这些都必须能被追查。而模型直接生成 SQL 的过程，本质上是一个黑盒。

这三道鸿沟，决定了 AI 问数只能停留在"尝鲜"阶段，而无法进入企业的经营决策流程。帆软 Data Agent 的双线升级，正是要跨越这三道鸿沟。

二、FineBI AI 原生版：以 AI 原生架构重构数据分析

FineBI AI 原生版，是 FineBI 在原有 Fine ChatBI 之上的一次全新升级。它的核心理念，是让企业数据分析进入 AI 原生时代——AI 的效率，BI 的专业性，在一个平台里完成。

核心机制：AI 调用 BI，而非 AI 生成 SQL

FineBI AI 原生版最本质的突破，在于它的分析机制。它不是让 AI 直接生成 SQL 去查数据库，而是让 AI 理解用户意图后，自主调用 BI 平台内建的图表、计算、筛选、钻取等模块，完成一个完整的分析闭环。

这个机制的价值，直接回应了前面提到的三道鸿沟。因为 AI 调用的是 BI 平台里已经被验证过的分析组件，而不是凭空生成查询，所以结果的准确性和可追溯性，天然有了保障。AI 负责理解与规划，BI 语义层和确定性引擎负责准确执行，两者各司其职。

两类 Agent：让分析能力覆盖从管理者到专业用户

FineBI AI 原生版提供两类 Agent，分别面向不同角色。

分析 Agent，是一位 7×24 在线的专业分析师，面向管理者与业务骨干。它不只是回答问题，而是直接帮用户完成分析工作——对话即可完成取数、归因、报告。它能做战略推演，并行拉取多维度数据、按产品线区域对齐口径；能发现盲点，用户问增长，它会主动点出复购下滑；能对话搭建看板，说出业务思路，看板、指标、预警规则随对话生成；还能主动预警推送，异动预警附带原因解读与下一步动作建议。

场景 Agent，面向专业用户，把企业的业务场景封装成场景化的数据 Agent。它让数据不止于仪表板，让优秀经验渗透到组织的每个角落。经营参谋会按周按月主动做经营体检，营收、毛利、现金流逐项把脉；业务顾问能把交付规则、排产逻辑等业务知识注入分析，在钉钉、飞书、企业微信里直接对话。

四大核心能力：对话、Skill、记忆、治理

支撑两类 Agent 的，是 FineBI AI 原生版的四大核心能力。

问答式对话交互，让用户与专家顾问对话，而不是操作软件，全流程自然语言驱动。

Skill 能力，把有价值的经验复用下来。被验证过的分析路径、专业的分析方法、复杂的建模思路，都能以 Skill 的形式沉淀为企业内部资产，一次验证、全公司可调用、口径锁定、一句话执行。

记忆能力，是一个越用越懂你的企业级经营记忆中心。它自动记住指标口径、业务规则、使用偏好，口径、规则、偏好持续沉淀，下次任何人提问，不用再解释一遍业务。

可理解、可溯源、可管控，是企业级落地的底线。三级溯源体系覆盖指标层、模型层、数据层，权限复用 FineBI 数据中心能力，实现精确到行列的控制，AI 的回答永远不越权。

这四大能力组合在一起，构成了一个完整的闭环：对话让分析门槛降低，Skill 让经验可复用，记忆让口径持续沉淀，治理让结果可信可控。四者缺一不可——没有对话，分析门槛降不下来；没有 Skill，好的经验只能停留在个人；没有记忆，口径要反复解释；没有治理，AI 的能力再强也不敢在生产环境里用。FineBI AI 原生版把这四件事放在同一个平台里，正是为了回应生产级分析对"低门槛、可复用、可沉淀、可信赖"的综合要求。

三、Dora：让已有 BI 体系原地完成 AI 升级

与 FineBI AI 原生版面向新建体系不同，Dora 的定位，是让已经拥有 FineBI、FineReport 体系的企业，无需迁移、无需重建，原地完成 AI 升级。

复用已有资产，而非推倒重来

Dora 的核心价值，在于数据资产的可集成性。它零配置无缝对接帆软生态，继承 FineReport、FineBI 的数据资产，继承数据安全权限。企业已有的报表、数据源、指标口径，可以直接被 AI 调用，数据资产即接即用。

这个能力解决了一个现实问题：对于已经投入大量精力建设 BI 体系的企业来说，为了 AI 而推倒重来，成本是不可接受的。Dora 让这些企业能够在保留原有资产的前提下，获得 AI 能力，这是"原地升级"的真正含义。

NL2BI + 三层可信校验：可信 AI 问数的技术底座

Dora 采用 NL2BI 技术路线，而非裸 NL2SQL。AI 将用户的自然语言问题，对齐到 BI 语义层已经定义好的指标和维度，再通过确定性计算引擎执行。

在此基础上，Dora 通过三层校验保障结果的准确性：术语对齐校验，确保 AI 理解与企业定义一致；DSL 合法性校验，避免非法查询；结果合理性校验，识别异常值。配合脚注、可信卡片、指标口径展示、数据源溯源、证据链等可信机制，让每一条分析结果都可解释、可审计。

本地化与私有化：面向强安全场景的差异化能力

Dora 支持企业内网部署、数据不出域，适合央国企、金融等对数据安全有强要求的行业。在 AI 能力普遍以 SaaS 形态交付的当下，本地化与私有化部署能力，是 Dora 面向强安全场景的核心差异化价值。

四、双线协同：一个技术哲学，两种落地路径

FineBI AI 原生版与 Dora，看似是两条产品线，实则共享同一个技术哲学——NL2BI 而非裸 NL2SQL。AI 负责理解与规划，BI 语义层与确定性引擎负责准确执行，通过语义层确保查询的准确性和可追溯性。

在这个共同哲学之下，两条线形成了清晰的互补关系：

帆软 Data Agent 的双线布局，是为了覆盖企业数据分析 AI 升级的不同起点。新建体系的企业，可以一步到位选择 AI 原生架构；已有 BI 体系的企业，可以原地升级、复用资产；对数据安全有强要求的企业，可以选择本地化部署。无论从哪个起点出发，都能走向同一个目标——生产级可信分析。

五、从 AI 问数到生产级可信分析，意味着什么

这次双线升级，传递出的信号是清晰的：AI 与数据分析的结合，正在从"能不能问"走向"能不能信、能不能用"。

当 AI 分析的结果可以溯源、可以审计、口径与企业定义一致、权限不越界，它就不再是一个演示用的玩具，而是可以进入经营决策流程的生产工具。管理者可以放心地基于 AI 的分析结论做资源投向决策，业务人员可以放心地把 AI 沉淀的分析经验复用给全公司，财务、经营分析会这些严肃场景，也可以交给 AI 来辅助。

这才是"生产级可信分析"的真正含义——它不只是让 AI 更聪明，而是让 AI 更可信、更可用。

六、结语

从 AI 问数到生产级可信分析，是一次从"能力展示"到"价值落地"的跨越。跨越的关键，不在于让 AI 生成更华丽的回答，而在于让 AI 的分析结果，经得起企业生产环境的检验。

FineBI AI 原生版与 Dora 的双线升级，正是沿着这个方向的一次推进。一条线以 AI 原生架构重构分析，一条线让已有体系原地升级，两条线共享同一个技术哲学，共同把 AI 分析推向生产级可信。对于正在探索 AI 与数据分析结合的企业而言，这次升级提供的，是一条从问数走向可信分析的清晰路径。

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo