90%的智能问数项目，为什么都成了摆设？

过去两年，“智能问数”成了BI行业最热的概念。

几乎所有主流厂商都完成了自然语言查数的能力建设，IDC数据显示，2025年中国BI市场中具备AI对话分析能力的产品占比已超过70%。

随便一家BI厂商只要把大模型接到系统里，喊一句“一句话出数”，就能拿到订单。

但真实的落地情况并不乐观，2026年调研显示，90%已部署ChatBI的企业，业务部门实际使用率不足30%。

不少企业全量上线自然语言问数功能后，实际活跃使用率不足业务总人数的20%，多数业务人员试过一两次后便回到传统取数流程。

这不是个别项目的失败，是行业性的价值交付失灵。

Gartner在2026年1月预测，超过60%的早期智能体编排实施将无法达到性能或成本预期。

标准普尔的数据显示，2024年仅有17%的企业放弃了大部分AI计划，到了2025年这一数字暴涨至42%。

Gartner还预测，到2027年底超过40%的智能体AI项目将被取消。

兰德公司、IDC及Gartner的综合数据显示，全球2025年投入约6840亿美元于AI领域，其中高达5470亿美元的投资未转化为可衡量的业务成果。

MIT的研究发现，95%的生成式AI试点项目未能为企业带来可衡量的快速收入增长或财务回报。

企业平均会在进入生产环境前废弃约46%的概念验证项目，88%的项目陷入了“试点炼狱”，演示环境表现完美，但无法在真实业务中稳定运行。

金融服务领域AI数据查询项目的失败率估算达82%，医疗健康领域高达80%-95%。

当一个技术方向在资本最雄厚、数据基础最扎实的行业都遭遇如此高的失败率时，问题已经无法用“行业还在早期”来解释了。

“智能问数”在多数厂商的宣传中，被简化为一个NL2SQL的技术问题。

仿佛只要接入一个强大的大语言模型，让用户用自然语言提问、系统自动生成SQL查询，就能解决数据分析的所有障碍。

这个假设在技术演示中效果惊艳，但在真实的企业生产环境中，它是一条充满陷阱、难以走通的路。

业务人员口中的“GMV”、“新客”、“环比增长”，在数据仓库中可能对应着数十种不同的表、字段和计算逻辑。

同一个业务术语，在不同部门、不同系统中有完全不同的定义。

销售部的“GMV”可能包含所有已支付订单，财务部的“GMV”必须剔除退款和内部测试订单。

大语言模型再强大，也无法仅凭问题文本推测出企业内部的业务规则。

一句“上个月华东区新客GMV环比增长多少”背后，隐藏着大量需要明确的细节：

• “上个月”是自然月还是财月？

• “华东区”是否包含安徽？

• “新客”采用哪个定义？

• “环比”是和哪个周期对比？

这些问题无法靠自然语言理解解决，必须依赖企业内部公认的业务规则和统一的数据语义。

• 同一个“销售额”，在不同部门可能有三种定义

• 同一张数据集里的“日期”可能是订单日期，也可能是出库日期

• “金额”可能是包含优惠的订单金额，也可能是用户实付金额

当大模型面对这些混乱的字段时，即使SQL生成得再完美，如果用错了表、用错了口径，输出的就是错误的结论。

智能问数面临的真正瓶颈，往往不在于大语言模型理解自然语言的能力，而深藏于其背后庞大而复杂的数据基础设施之中。

• 如何将用户模糊、多变的业务意图精准地映射到企业纷繁复杂的物理数据资产中？

• 如何确保不同用户在不同场景下问到同一指标时能返回一致的结果？

这些问题的本质是数据工程问题，而非单纯的AI问题。

行业内的第一种做法是在原有BI系统上增加一层字段注释，告诉大模型“这个字段叫什么、是什么意思”。

但随着业务发展，数据集持续增加，每个数据集都有自己的规则和口径。

维护这些静态注释的成本随时间指数级上升，当规则多到一定程度，连管理员自己都搞不清哪个是对的。

另一种路径是建立统一的指标语义层，把所有指标、维度、规则都统一建模。

但搭建一套完整的语义层需要跨部门对齐所有指标定义，少则数月，多则不好说。

在业务快速变化的环境中，等语义层建完，业务规则早已改变。

语义层不是技术问题，它是数据治理成果的封装，而大多数企业连基础数据口径都尚未统一。

行业内的另一个常见话术是强调“准确率”。

厂商们热衷于展示99%甚至更高的NL2SQL准确率，仿佛只要SQL生成足够精确，智能问数就自然可用。

但这个数字是在什么条件下测出来的？

在定义清晰、范围受控的演示环境中，主流模型确实能写出带关联、带聚合的SQL。

但演示环境是“温室”，真实业务是“荒野”。

真实业务环境中的表结构复杂度、数据质量问题、口径不一致问题，在演示环境中都不会出现，准确率数字无法反映真实业务场景下的可用性。

更关键的是：业务人员需要的从来不是数据本身，而是答案。

• 你问AI“为什么这个月利润下降了”，它给你拉一张各区域的利润表

• 你追问“哪个区域下降最多”，它给你拉华东区的趋势图

• 你继续追问“华东区为什么下降”，它给你拉各产品的销量对比

整个分析的思路、逻辑、判断，还是需要用户自己完成，盯着一堆图表拼凑原因，自己判断哪个因素影响最大，自己决定下一步该怎么做。

这哪里是智能？

这不过是把“IT帮业务查数”变成了“AI帮业务查数”。

交互方式从拖拽变成了说话，但本质上还是在做同一件事，查数，不是分析。

真正的智能分析至少需要三个阶段：

• 第一阶段：“会说话的查询器”，即当前的NL2SQL形态，把自然语言转成SQL，帮你查到数据；

• 第二阶段：“会分析的Agent”，能主动完成分析任务，自动发现异常、拆解原因、验证假设、输出结论；

• 第三阶段：“会决策的伙伴”，能预测结果、自动采取行动。

绝大多数产品至今仍停留在第一阶段。

Gartner指出，40%的智能体AI项目将在明年崩溃，但失败原因几乎从不在于模型本身。

企业往往在未明确成功标准和应急机制的情况下直接构建智能体，将其部署在为人工执行设计的流程中，导致问题被放大。

MIT的研究团队追踪了企业AI项目失败的实际原因，将其归结为一个“学习鸿沟”，工具没有适应人的工作方式，而人也从未被真正教会如何使用这些工具。

他们发现，从专业供应商处购买解决方案并建立合作伙伴关系的成功率约为67%，而内部自建的成功率只有前者的三分之一。

换言之，失败的主要原因是落地方式，而非技术本身。

Gartner预测，数据质量不佳将成为企业部署AI等先进分析技术的主要挑战之一。

但问题不仅是数据质量，更是数据定义的一致性。

当企业连“收入”按签单还是回款计算都无法统一时，任何基于这些数据构建的AI系统都只能在不确定的基础上运行。

MIT的研究还记录了一个“影子AI经济”现象：员工私下使用ChatGPT等消费级工具，因为官方平台使用起来太复杂。

企业购买了昂贵、合规、安全的系统，员工绕过了它。

不是出于反抗，而是出于摩擦，当官方工具的使用门槛高于用户愿意付出的成本时，再强大的功能也无法转化为实际价值。

我不是说AI+BI这个方向没有价值。

恰恰相反，真正的智能分析是未来最值得投入的方向之一。

智能问数面临的真正瓶颈，往往不在于大语言模型理解自然语言的能力，而深藏于背后庞大而复杂的数据基础设施之中。

但当前的行业叙事存在严重的系统性偏差。

• 一个个号称“已落地”的案例，细查下去不是演示环境就是半死不活的摆设

• 一份份标注“准确率99%”的宣传材料，从来不说明这个数字是在什么条件下测出来的

• 一个个标价不菲的“智能问数”项目，上线后业务部门根本不用

是时候把注意力从“模型能力”转向“基础能力”了。

1）统一数据口径是前提

在数据定义不一致的情况下，任何AI输出的结论都是不可信的

2）建立业务语义层是基础

没有统一的语义抽象，大语言模型就只能靠猜

3）做好组织适配是保障

工具要适配人的工作方式，人要接受必要的训练

Gartner十年前就指出了BI项目的失败率——70%到80%。

十年过去，换了AI的马甲，换了ChatBI的口号，失败率没有任何改善。

原因从来不是技术不够强，是组织从来没有真正解决过数据定义不统一、口径不一致、治理缺失这三个根本问题。

AI只是把这些旧问题暴露得更快、更彻底，与其继续堆模型、堆算力、堆准确率数字，不如先把数据说清楚。

数据说不清楚，再强的AI也只是在帮你说错话。

我对这个方向依然抱有期待，但对这个行业当下的交付方式已经失去了耐心。

当90%的项目变成了摆设，问题已经不在技术本身了。