Starburst推出AIDA，用AI重新定義BI

數據和AI行業正朝著實時系統的方向發展。順應這一趨勢，企業智能平臺Starburst推出了一款名為AIDA的新型AI數據助手，將AI連接到分布式系統中的受治理企業數據。其目標是用實時決策支持取代延遲報告。

Starburst表示，除了時效性，數據可信度也是AIDA的另一個關鍵目標。速度與信任的結合是企業追求但難以實現的目標。這代表了企業AI和數據管理到BI（商業智能）的真正瓶頸。大多數組織并不缺乏運行模型的能力，他們困擾的是如何應用模型以產生商業可用成果的方式。數據仍然碎片化、上下文缺失，使這一問題雪上加霜。治理往往是被事后疊加在系統之上的，而非內建于系統之中。

Starburst的做法不僅僅是將AI疊加在分析之上。AIDA被定位為企業數據的新界面。他們希望將焦點從儀表盤（數據圖表表現方式）和報告轉向與數據的持續交互。企業通常將儀表盤作為查看數據的主要方式。圍繞一組預期問題構建儀表盤，它們按計劃更新。這在變化節奏較慢時是有效的。但現在，大多數決策并非通過盯著固定儀表盤做出的。事情變化很快，問題也隨之變化。AIDA正是為這種環境而構建的。

不再需要點擊瀏覽圖表，只需用自然語言提問即可。但它不僅僅是將問題轉化為查詢，而是試圖理解您真正要問什么，從不同系統提取數據，添加業務上下文，給出真正有意義的答案。這正是Starburst試圖脫穎而出的地方。

如今分析領域的許多AI工具只是讓查詢更快。它們加速了流程，但流程本身保持不變。AIDA試圖更進一步，更接近真正的決策支持——系統不僅回答問題，還幫助塑造答案本身。

"大多數公司在AI方面仍然走錯了方向，專注于模型而非模型所依賴的數據。"Starburst聯合創始人兼CEOJustin Borgman表示，"真正的挑戰是在不移動數據或不損害治理的情況下將AI應用于業務決策。Starburst的AI數據助手旨在解決這一問題，通過提供對整個企業可信分布式數據的訪問。"

在底層，AIDA圍繞幾個在企業實際環境中至關重要的能力構建。

首先是其在分布式數據上的工作方式。它不會強制將所有數據集中到一個系統，而是在數據已有的位置進行查詢。這減少了延遲，避免了移動敏感數據的風險和成本。

一個關鍵目標是超越基本的查詢生成。當用戶提問時，AIDA會分解問題，找出哪些數據集相關，并逐步構建答案。Starburst聲稱AIDA提供"按需訪問可信企業數據，實現更快、更具上下文感知的決策"。

上下文是其工作方式的重要組成部分。AIDA依賴元數據、數據目錄和治理層來引導響應。這有助于將答案與可信定義綁定，減少不正確或誤導性結果的可能性。

系統還可以根據用戶調整答案。例如，業務領導者可能看到更概括的視圖，而分析師可能獲得更多細節甚至底層查詢。Starburst將此稱為"特定角色推理"，使AIDA能夠跨不同角色使用，而不強迫所有人使用相同格式。

Starburst并非唯一推動這一轉變的公司，但它是少數將其定位為傳統BI直接替代方案的公司之一。其他公司正從不同角度朝同一方向前進。Dremio正在構建智能體式湖倉，用戶和AI通過語義層而非儀表盤與數據交互。Databricks正在將AI驅動的交互集成到其更廣泛的平臺中，盡管它仍以平臺本身為中心。MindsDB專注于在數據庫層直接用自然語言查詢分布式數據，而Collibra則強調治理和上下文是可靠AI的基礎。

對于大多數這些公司，方向是一致的——靜態儀表盤正在讓位于能夠解讀意圖、訪問分布式數據并實時返回答案的系統。但差異在于每家走多遠。大多數是在擴展現有工作流，而Starburst則更公開地質疑這些工作流是否應該存在。

綜合來看，AIDA的功能展示了數據分析的發展方向。重點不再是構建報告，而是直接從數據獲取可信且實時的答案，并有足夠的上下文使其真正可用。其理念不是讓儀表盤完全消失，而是通過對話式界面和更具交互性的數據，讓儀表盤以更專業化的方式使用。