从“勉强可用“到“真正可用“：ChatBI的破局之道与思迈特实践 | 爱分析调研

摘要：
随着企业对数据分析需求的不断增长和智能化转型的加速推进，ChatBI作为一种新兴产品逐渐进入企业用户的视野。然而，当前ChatBI产品在准确率、稳定性、易用性、安全性、高级分析能力和灵活表达能力等方面仍存在诸多不足，特别是在金融、央国企等复杂业务场景中表现尤为明显。本文深入分析了ChatBI市场需求与供给现状，探讨了其存在的问题，并以行业代表性产品思迈特Smartbi AIChat为例，剖析了如何通过技术创新和产品优化来弥合供需差距，推动ChatBI从"勉强可用"向"真正可用"转变。该产品已在金融、大型央国企等多个高要求行业完成实战验证，形成了可复制的能力闭环。同时，文章还探讨了ChatBI未来的发展趋势，包括半自动化Agent和全自动Agent两条技术路线，以及思迈特的“双轮”产品战略，旨在为行业提供参考和启示。

正文：
**

01 ChatBI进入企业视野，但“勉强可用”问题多

**
随着智能化转型的加速推进，众多企业纷纷投身于大模型技术应用的探索之旅。据爱分析调研数据显示，在2025年，大模型最为关键的应用场景当属数据分析。在应用大模型的企业中，选择将数据分析作为应用场景的比例高达75%。
图表 1 2025年大模型重点应用场景

在此背景下，新需求催生了新供给，ChatBI逐渐进入企业用户的视野范畴。ChatBI的核心目标是实现“数据分析民主化”，旨在彻底攻克传统数据分析方式所面临的沟通难题以及效率低下等诸多困境。然而，鉴于ChatBI目前仍处于发展初期阶段，各类问题接踵而至，致使大多数ChatBI产品仅处于“勉强可用”的状态，距离真正达成“数据分析民主化”的目标仍存在较大差距。尽管ChatBI所采用的自然语言交互方式为企业带来了全新的体验感，但由于整体体验欠佳，难以在实际业务场景中真正落地并投入使用。在2023年和2024年期间，诸多ChatBI项目在概念验证（POC）阶段便遭遇挫折，即便部分项目成功上线，也未能有效发挥其应有的作用。
爱分析通过对数十家已采购或正在考虑采购ChatBI的央国企和大型民营企业进行深入调研，涵盖金融、能源电力、工业制造、物流运输、消费品零售等行业，梳理并总结出了当前市场中存在的产品能力供需差距情况。
图表2 ChatBI产品能力供需现状对比

1.准确率与稳定性瓶颈
准确率低下是当前企业用户关注的首要问题。在早期，部分企业对ChatBI的能力存在过度乐观的预期，甚至期望其准确率能够达到100%。然而，经过1至2年的市场教育与实践探索，企业逐渐形成了更为理性的共识：在企业应用场景中，若ChatBI的准确率能够稳定保持在90%以上，则可视为具备基本的可用性。
调研显示，2024年初大多数ChatBI产品的准确率约70%，随着技术的发展与优化，综合准确率普遍有所提升。但从腾讯对市面上大量大语言模型text2SQL能力的测试来看，该关键能力的准确率基本在62%-79%，可见当下产品在数据处理准确性方面，仍存在显著提升空间。
综合准确率之所以难以突破80%这一瓶颈，主要在于复杂场景的查询需求对准确率产生了较大的拉低影响。在与众多企业的交流过程中发现，企业用户往往并不满足于简单的数据查询，而是更倾向于进行深入的分析。例如，用户可能先询问“今年哪几个销售做得比较好”，随后又会进一步追问“去年这几个销售的业绩如何”“在哪些行业表现较好”等，形成一连串的复杂问题。目前，大多数ChatBI产品在应对这类复杂连续问题时存在一定的困难，进而导致整体准确率出现下滑。
与准确率问题紧密相连的，还有ChatBI的稳定性问题。如果面对同一问题，ChatBI给出的两次回答存在差异，这同样难以获得企业用户的认可。为了提升稳定性，一些厂商尝试对基础大模型进行微调，但从实际效果来看，在稳定性提升程度以及成本投入两方面综合考量，这种解决方案并不具备足够的适用性。