下一波商业变革不仅仅关乎拥有 AI，更重要的是拥有能让 AI 真正理解业务的人才。当headlines聚焦于构建大语言模型和复杂 AI 代理的工程师时，在具有前瞻性思维的公司的分析部门中，一场悄然革命正在酝酿：AI 分析师的崛起。
我最近与企业分析平台 Alteryx 的 CEO Andy MacMillan 的对话，突显了这个在 AI 革命中至关重要却未受到足够重视的角色。正如 MacMillan 所解释的，将原始业务数据转化为 AI 可用信息的过程需要综合技术知识和深厚业务洞察力的人才。
"我认为因为 AI 的出现，将会产生一系列全新的职位，" MacMillan 告诉我。"现在我们谈论很多技术岗位，比如构建大语言模型的人才，开发 AI 代理的人才。但我认为同样重要的是业务专业知识。"
AI 与数据的脱节
大多数组织花费数十年时间围绕业务应用组织数据。CRM 数据为 CRM 软件服务，ERP 数据为 ERP 功能设计。但 AI 需要的是不同的东西。
"这可能是世界上最大规模的数据准备和数据转换项目即将开始，" MacMillan 解释道。"公司需要重新思考如何使用这些数据。"
这种不匹配造成了一个根本问题。你不能简单地让 AI 系统直接使用现有的业务数据，就期望它能理解你的业务流程、公司政策或行业特点。MacMillan 用销售佣金的实例来说明这一点：
"如果你问销售主管佣金方案是什么？他们会问：是哪个团队？在哪个区域？他们的薪酬方案如何？有什么特别奖励和计划在进行？"他解释道。"你可能需要从佣金平台获取他们的佣金方案，从人力资源数据库获取基本工资。因为通常佣金是基本工资的一定比例。"
什么是 AI 分析师？
AI 分析师弥合了业务知识和 AI 能力之间的鸿沟。这些专业人士既理解业务运营，又知道如何准备数据以使 AI 真正发挥价值。
根据 MacMillan 的说法，理想候选人是"真正兼具数据理解和业务敏锐度的人才。不仅仅是能做出有趣的计算机科学或数据科学的人，你还需要真正理解业务运作的核心。"
这些分析师将他们对业务流程的理解转化为 AI 可以使用的数据工作流。他们知道需要问什么问题，以及需要什么样的上下文来使答案有意义。
"我认为在未来十年，对于所有了解如何处理这些数据集并理解业务的人来说，将会有巨大的机遇，" MacMillan 预测道。"这些是业务用户，而不仅仅是数据科学家。这些人理解数据如何推动业务运转。"
AI 数据审核中心
除了技术层面的数据准备外，组织还面临着确定哪些信息应该允许 AI 系统访问的治理挑战。
"我们有一个自上而下的mandate要求使用更多 AI，同时又有一个自上而下的mandate规定我们的数据、知识产权和任何信息都不能输入任何 AI 工具，" MacMillan 说，描述了他从多个客户那里听到的矛盾指示。
这就是"AI 数据审核中心"概念变得重要的原因——一个系统性的方法来审查、批准和管理输入 AI 系统的数据。
"你可以建立一个流程来访问审核中心，" MacMillan 解释道。"你进入一个数据工作流，比如你可能用 Alteryx 构建的那种，然后你说，好的，在这个工作流中，这个数据流中，我要提取这些信息，我要重新发布这个工作流。我需要再次获得批准。"
这种正式的结构帮助组织平衡创新与合规性和安全性考虑。它为使业务信息可供 AI 工具使用创建了一个可审计、可管理的系统。
从仪表板到 AI 生成的洞察
AI 转型也正在改变我们与分析的交互方式。取代需要人工解释的静态仪表板，AI 可以提供突出最重要洞察的叙述性报告。
"想象一下，不是去看仪表板，去看公司的大型仪表板，上面都是颜色编码，我在点击试图弄清楚发生了什么。如果取而代之的是，你只是收到一份告诉你发生了什么的报告呢？" MacMillan 建议道。
Alteryx 正在投资这种能力，他们称之为"魔法报告"——AI 生成的分析，解释发生了什么，而不是仅仅显示数据。
"我之前关于西南部销售下降的例子是我编造的，对吧？如果我每周收到的销售报告不仅仅是一组数字，而是一份分析，" MacMillan 详细说明。"嘿，Andy，这是你的报告。这是事情的进展。顺便说一下，你会注意到西南部的销售下降了。"
业务分析的未来
为 AI 使用转变企业数据代表了组织思考信息资产方式的根本转变。虽然当前的 AI 实施通常专注于使用非结构化数据的创造性任务，但真正的业务价值将来自于将 AI 应用于结构化业务数据。
"今天，AI 最强大的用例往往是使用创意作品来创造其他创意作品，" MacMillan 指出。"这与让它分析你的业务，了解西南区域发生了什么是不同的。"
这种转变引发了关于组织应该拥有还是购买哪些系统和能力的战略问题。公司是否会依赖现有软件供应商的 AI 代理，构建专有系统，还是创建混合方案？
"我认为科技领域的未来五年可能比任何时期都更有趣，也许自互联网热潮以来都是如此，" MacMillan 预测道。"因为人们真的在重新思考什么是可能的。"
AI 革命背后的人才
虽然许多人担心 AI 会取代工作，但 MacMillan 看到了巨大的机遇，特别是对那些拥抱这些变革的分析人才。
"对某些人来说，这是一个很大的担忧。但我认为如果你在数据和分析领域，将会有大量需要了解业务运作方式的知识需求，"他说。
AI 分析师这个角色不仅仅代表一个新的职位名称，更反映了 AI 如何重塑业务。最成功的实施不会是那些拥有最复杂算法的，而是那些最好地将技术能力与人类业务专业知识相结合的。
随着组织驾驭这一转型，那些认识到人为元素在使 AI 真正适应业务方面重要性的组织，将在将人工智能转化为真正的商业智能方面获得显著优势。
