96%的IT专业人员正在使用AI：七大智能体应用场景与主要落地障碍

如果你想了解人工智能浪潮的核心动态，不妨关注数据分析师群体的最新动向。他们对AI持乐观态度，但仍在大量使用电子表格，且真正在使用实时数据的人寥寥无几。

以上结论来自Alteryx面向全球700名数据分析师和700名IT领导者开展的一项最新调查。调查显示，96%的受访者表示在工作中使用AI，但其中频繁使用AI工具的人仅占一半——49%的人表示他们总是或大多数时候会使用AI。

AI智能体的应用正日益受到关注。近六成（59%）的受访者预测，他们将在未来12个月内积极部署AI智能体。此外，至少有一半受访者表示愿意向AI智能体开放"不受限制的数据访问权限"。

调查报告中未专门探讨此类访问的安全隐患，但44%的受访者明确表示，将人工监督纳入访问机制至关重要。

目前已在生产环境中落地的最常见AI智能体应用，包括起草通信内容和调度工作流程。

AI智能体的主要应用场景如下：

撰写沟通邮件及文档、工作流程调度与自动化、数据清洗与预处理任务辅助、业务决策支持分析、报表与洞察自动生成、异常检测与预警、跨系统数据整合与调度。

"基础数据工作"——即为AI模型或相关检索增强生成平台清洗和准备数据——仍占据数据分析师大量工作时间。受访者表示，每周花费近六小时处理此类任务，其中48%的人每周投入六到十小时。用于处理这类工作的工具中，电子表格排名第一，被61%的受访者提及；其次是商业智能工具，占56%；专用数据准备平台则被51%的受访者提到。

"电子表格持续占主导地位，反映出一个更为普遍的现实，"调查报告的作者指出，"AI正在叠加于现有工作流程之上，而非取而代之。"

另一个令人意外的发现是，尽管实时响应能力备受关注，但真正具备实时处理能力的企业却寥寥无几。仅有20%的受访者表示，从数据分析到做出业务决策可在数小时内完成，而表示支持实时决策的比例仅有5%。

受访者认为，向业务决策者解释AI的输出结果是一大挑战，与此同时，企业内部普遍存在分析能力不足的问题。

AI融入业务决策的主要障碍如下：

向非技术人员解释AI输出结果困难、企业内部分析技能整体偏弱、数据质量参差不齐影响模型可信度、实时数据获取与处理能力有限、AI结果的一致性与可解释性不足、组织变革阻力与流程适配问题、合规与数据治理要求带来的限制。

从AI中获取洞察并非一蹴而就，这一过程同样消耗数据分析师大量时间。调查中的分析师每周平均花费近四小时来验证或修正AI生成的输出内容。六分之一的受访者表示，他们每周要花费接近一整个工作日（六小时或以上）来调整AI结果。加上上文提到的用于基础数据工作的六小时，这相当于每周需要额外承担近两天工作量的AI"隐性税负"。

这表明，验证AI输出正成为AI时代愈发重要的新兴技能。正如调查作者所言："这一信号说明，尽管AI能够加速工作进程，但组织仍需要人工监督，以确保结果的一致性、可解释性和可信度。"

Q&A

Q1：目前AI智能体在企业中最常见的应用场景有哪些？

A：根据调查，目前已在生产环境中落地的最常见AI智能体应用包括撰写通信内容和调度工作流程。此外，数据清洗与预处理、业务决策支持分析、报表与洞察自动生成等也是主要应用方向。约59%的受访者预测将在未来12个月内积极部署AI智能体，显示出企业对AI智能体的高度期待。

Q2：为什么数据分析师还在大量使用电子表格，而不是直接用AI工具替代？

A：调查显示，61%的数据分析师仍将电子表格作为处理基础数据工作的主要工具。报告作者指出，这反映出"AI正在叠加于现有工作流程之上，而非取而代之"的普遍现实。AI工具目前更多起到辅助和加速作用，电子表格在数据整理和日常分析中依然具有不可替代的易用性和普及度。

Q3：数据分析师每周要花多少时间处理AI相关工作？

A：调查显示，数据分析师每周平均花费约六小时进行数据清洗与预处理等基础数据工作，另需约四小时验证或修正AI生成的输出内容。合计来看，AI相关工作每周占用近两个工作日的时间，形成了一种隐性的AI"时间税负"，对工作效率产生了不可忽视的影响。