返回
RSS ThoughtSpot Blog AI 逐段翻译 发布 2026-08-29 09:55 收录于 08-31

罗氏Agentic Analytics实战:AI试点失败源于领导力未定运营模式

DataHot 速览

罗氏工程负责人Yannick Misteli在伦敦Agentic Analytics Playbook活动上表示,多数AI试点停滞并非技术和预算问题,而是领导层没有回答试点之后的归属、治理与风险容忍度。罗氏拥有10万多名员工、在25+个国家受严格监管,若能规模化落地Agentic Analytics,将打破“必须小团队才能做”的借口。罗氏将AI治理、安全与血缘视为不可妥协,但在完整性和延迟上接受取舍,因此报表采用夜间批处理而非实时。其建议是在扎实基础上“小步启动、大胆思考、快速迭代”。

为什么值得关注:大型受监管药企的Agentic Analytics规模化经验,直接回应AI试点无法转生产的普遍痛点,为数据团队提供了治理与取舍的落地参考。

本文目录 9 节
  1. 与罗氏在伦敦 Agentic Analytics Playbook 活动上的炉边谈话
  2. 罗氏在代理式分析方面的主要启示
  3. 1. 领导力是阻碍因素,而非技术
  4. 2. 坦然接受不完美(通过明确权衡)
  5. 3. 康威定律解释你的孤岛
  6. 非技术用户中的信任优先采用
  7. 如何将洞察带入工作流程
  8. 罗氏最大的迷思、错误和建议
  9. 要点总结

译文

AI 逐段翻译

与罗氏在伦敦 Agentic Analytics Playbook 活动上的炉边谈话

如果说有一件事让我从 Yannick Misteli 在伦敦 Agentic Analytics Playbook 活动上的分享中印象深刻,那就是:大多数 AI 试点项目之所以停滞,并非因为技术或预算问题,而是因为没人回答"第二天"的问题。

我有机会与罗氏(全球制药公司,拥有超过 10 万名员工,并受到 25 多个国家的严格监管)的工程主管 Yannick Mistelli 坐下来交流。换句话说,如果罗氏能够大规模运营代理式分析,那么"你必须小而灵活"的借口就站不住脚了。100,000+ 名员工以及受到 25 多个国家的严格监管

换句话说,如果罗氏能够大规模运营代理式分析,那么"你必须小而灵活"的借口就站不住脚了。

Yannick 直击了数据领导者在几乎每次对话中都会提出的痛点:从未进入生产环境的试点项目、阻碍数据民主化的治理担忧、来自领导层的压力(而数据仍不完美)、以及永远不会成为数据科学家但仍需要答案的业务用户。

以下是重点内容。

罗氏在代理式分析方面的主要启示

1. 领导力是阻碍因素,而非技术

Yannick 直言不讳:获得 AI 的赞助和预算比以往任何时候都容易。试点项目失败的原因在于领导层没有定义接下来会发生什么。试点项目失败的原因在于领导层没有定义接下来会发生什么。

这些都是领导者在扩展之前必须回答的问题,而不是在扩展过程中:

  • 试点项目之后由谁负责?
  • 谁对什么负责?
  • 大规模运行需要什么样的治理?
  • 可接受的风险水平是多少?

如果你不定义试点之后的运营模式,你的试点就会成为永久的实验。

2. 坦然接受不完美(通过明确权衡)

会议中最实用的时刻之一是 Yannick 谈到标准的时候。诱惑是降低标准以加快速度;更好的方法是明确说明在哪些方面你愿意妥协,哪些方面不愿意。

在罗氏,AI 治理、安全性和数据血缘是不可妥协的。但数据完整性和延迟呢?是可以接受的权衡,这就是为什么他们的仪表板运行在每晚批量更新而不是实时更新上。

"在做 AI 之前,你不需要一个完美的数据基础," Yannick 说。他的反驳是:有一个扎实的基础,然后"从小处着手,往大处想,快速迭代。"

那些在启动前感到必须一切就绪的数据领导者应该注意到这一点。将数据准备和产品部署并行进行,而不是等待一个完美的数据仓库。那些在启动前感到必须万事俱备的人才应注意。应将数据就绪与生产部署并行进行,而非等待一个完美的数据仓库。

3. 康威定律解释你的孤岛

数据孤岛和"技术太多"是 Yannick 经常听到的抱怨。他的框架更深刻:"技术产物只是我们组织问题的镜像。"

这就是康威定律:如果你的组织是孤立的,你的技术也会是孤立的,没有任何新平台能单独解决这个问题。

这就是为什么 Yannick 在整个会议中的主线是人员、流程和技术三者结合。仅仅把 AI 当作一项技术来扩展,而忽略其他两者?他称这是他最大的错误。

非技术用户中的信任优先采用

罗氏的采用目标不是数据科学家,而是商业团队中超过 2 万名市场推广专业人员,他们永远不会学习 SQL。

真正有效的不是说服。"试图说服人们改变是行不通的," Yannick 说。首先建立信任关系,让用户相信你真心为他们着想,这才是推动采用的关键。

这种方法听起来很柔和吗?看看这些数字。

罗氏现在有超过 40,000 名用户在使用 ThoughtSpot,其中 5,000 人每月登录;商业团队在一个月内完成了大约 200 万次查询。

罗氏用户是全球第二大活跃的 Spotter 用户群,在一年内扩展到了 500 名活跃的 Spotter 用户。

这样的采用曲线离不开信任。

如何将洞察带入工作流程

核心是一个关键框架:分析涵盖描述性、诊断性、预测性和规范性等问题。但真正的转变是洞察在工作流程中主动送达到你面前,而不是你去访问 BI 工具。

罗氏将分析嵌入到团队已经在使用的工具中:Salesforce、Google、Slack、Teams。当你贴近人们的工作环境时,他们会感觉自己被赋予了"新的超能力"。

嵌入式分析成为了人们访问的工具和人们依赖的能力之间的区别。

罗氏最大的迷思、错误和建议

在会议结束时,Yannick 分享了他的观点:

  • 应该废除的迷思:在做 AI 之前你需要一个完美的数据基础。从小处着手,往大处想,快速迭代。
  • 最大的错误:把 AI 仅仅视为一种技术并增加复杂性。简化而不是增加新的委员会。
  • 对试点模式的建议:在正确的用例、正确的风险和足够好的数据下,将代理交到用户手中。

要点总结

如果试点项目停滞不前、治理引发焦虑、或者采用效果不佳,罗氏的方法提供了一个清晰的起点。最重要的是,将分析带到你的团队已经使用的工具中。

罗氏没有逐一解决人员、流程和技术问题:他们是三者一起解决的。

准备好运营代理式分析了吗?今天就开始免费试用

这篇内容对你有用吗?

反馈只用于改善内容筛选,不等同于收藏

分享这条资讯
分享海报
保存图片
iOS 也可以长按图片保存