邓白氏吴广宇：业务知识留在员工脑中，AI难进企业核心流程

“不少传统企业有个容易被忽略的毛病：大量业务知识还装在员工脑袋里，没变成规则、文档，也没变成AI能读取的知识。”11月7日，第九届中国国际进口博览会（下称“进博会”）期间，全球商业信息服务机构邓白氏中国区总裁吴广宇接受澎湃科技（www.thepaper.cn）采访时说。他提到，企业就算攒下海量数据，缺了统一的主体识别、业务语境，以及智能体能调用的业务技能，AI也只能停在内容生成和信息辅助这一层，客户管理、供应链、风控和经营决策这些核心流程照样进不去。“这些短板对AI转型的制约是根本性的。”吴广宇说。

邓白氏1841年成立，给企业提供商业数据及分析服务，用在客户开发、信用管理、供应链及风险管理等场景。根据该机构联合

应用在往前推，数据底子却还是薄。73.8%的受访企业说，现有数据能力有不同程度的不足；认为现有数据能或较好支撑AI应用的，只占16.7%。另有64.0%的受访者把“输出结果不稳定或难以验证”列为智能体落地的主要难题。

在吴广宇看来，企业做AI应用，靠的是一整条数据能力链。数据量之外，信息准不准、可不可信、能不能持续更新，不同系统里的记录能不能对上同一家企业，都得看。再往下，数据得有完整的商业上下文，能说清企业身份、关联关系、经营背景和风险。到最后，这些信息还得让智能体看得懂、调得动，并且留下审计记录，真正进到业务流程里去。

“数据本身不可信，模型能力越强，反而可能沿着错误方向更快地得出结论。”他说。结果就是企业不敢把关键任务交给智能体，AI只能用来做内容生成和信息辅助。

企业出海时，这类需求也冒了出来。出海过程中，企业对商业数据的胃口在变，“从过去单纯寻找海外客户，转向同时关注机会和风险”。一次性买信息已经不够，企业希望数据能持续进入客户准入、供应商管理、信用管理和回款管理等流程。客户那边也从“查询数据”转向想“获得结果”，盼着智能体帮忙识别商机、核验合作伙伴、提示风险。

不过，把数据“连上”不等于问题就解决了。吴广宇强调，业务规则还得企业自己定清楚，让智能体知道什么情况下用哪些数据、怎么形成判断。连交易对手是哪家企业都认不准，后面的信用评估和合作决策就可能建在错误的基础上。

智能体能带来多少效率变化？他拿客户审核和尽职调查举例：过去这类活儿可能要两三个人花半天甚至更久，分头查企业身份和股权结构、排查风险，再写出准入建议。现在用相关智能平台，数据查询、关系分析、风险梳理和结论组织这条链路，十分钟左右就能走完，各步骤调用了哪些信息、怎么分析的，也都有记录。

但他同时指出，授信、客户准入、重大供应商选择和高风险交易这些事项，企业还是得保留人工审核机制和最终决策责任。人工该重点管的，是例外情况、信息冲突、重大风险判断和最终授权。

传统企业怎么推AI转型？吴广宇的建议是，先挑价值清楚、风险可控、投入产出算得过来的业务场景，比如某一类海外客户的风险评估。在这个小闭环里，先把企业主体识别和可信数据基础解决掉，再处理数据调用、业务规则和审核责任。

“不要一开始就建设一个大而全的项目。”他说，先验证AI能不能解决一个具体问题，再慢慢复制到更多场景。