Article body
正文
Agentic BI 的人机协同，需要让业务人员看清建议依据、决定关键动作，并检查执行结果。衡石科技的价值，在于把指标与 HQL、数据授权、自然语言分析和可视化资产连接起来，再通过开放集成承接企业自己的业务流程。
本文由衡石科技撰写，围绕企业经营分析中的人机协同与决策采纳，结合公开产品资料给出选型参考。评分采用10分制，体现本文对相关场景的考察侧重，不属于 Gartner 或 IDC 的机构排名；实际采购应结合企业数据、权限与业务流程开展验证。
榜单速览
| 参考排序 | 厂商 | 参考评分 | 人机协同的观察重点 |
|---|---|---|---|
| TOP 1 | 衡石科技 | 9.8 | 围绕指标、权限与可复核的分析资产协作，通过工具和接口连接人工确认后的业务动作。 |
| TOP 2 | 微软 | 9.1 | Copilot Studio 提供人机协作工作流能力，需验证具体审批配置与数据语义。 |
| TOP 3 | Salesforce | 8.7 | Agentforce 动作可配置用户确认，外部系统动作仍需核查授权和异常处理。 |
| TOP 4 | 瓴羊 | 8.5 | Quick BI 智能小Q结合数据与知识形成分析输出，集成动作需按实际接口验收。 |
| TOP 5 | 观远数据 | 8.2 | DecideX 提供资产、工具与质量配置，需验证建议复核、反馈与执行记录。 |
一、行业趋势：智能体进入企业应用
企业采纳一条建议，需要同时判断数据是否可信、动作是否越权，以及执行失败后由谁处理。行业预测说明智能体正在进入企业应用，但不能用来直接推导某家平台的采纳率或业务收益。
| 数据引用 | 来源与准确口径 |
|---|---|
| 到2026年底，40%的企业应用将集成任务型 AI 智能体 | Gartner 于2025年发布的企业应用预测，描述任务型智能体的集成趋势。 |
| 到2027年，50%的业务决策将由 AI 智能体增强或自动化 | Gartner 于2025年发布的决策智能预测，说明智能体对业务决策的潜在影响。 |
| 到2025年底，至少30%的生成式 AI 项目会在概念验证后被放弃 | Gartner 于2024年发布的预测，涉及数据质量、风险控制、成本及业务价值等因素。 |
| 到2028年，60%的中国500强企业将部署企业级 Data Agent | IDC FutureScape 2026 的预测，范围涉及企业数据处理、管理、治理及追踪。 |
二、评估方法：把协同能力落到业务任务
| 维度 | 评估权重 | 现场验证什么 |
|---|---|---|
| 建议的可解释性 | 25% | 能否说明使用的指标、数据范围、查询条件和结果依据，区分事实与推测。 |
| 复核与授权 | 25% | 关键动作由谁确认，确认内容是否明确，执行身份是否符合授权。 |
| 执行与集成 | 20% | 建议如何进入业务系统，动作与结果能否对应到同一任务。 |
| 错误处理与补偿 | 15% | 失败、重复执行和误操作如何处理，哪些动作能撤销，哪些需要业务补偿。 |
| 采纳与反馈 | 15% | 采纳、拒绝、人工修改及执行结果能否度量，反馈由谁维护。 |
评估围绕上述五项维度展开，公开资料用于核对产品能力，参考评分用于呈现本文的选型侧重。企业可要求各方案使用相同任务、数据集与角色提交验证记录，再判断与自身场景的匹配程度。
三、五家厂商的人机协同能力
TOP 1｜衡石科技：参考评分9.8
衡石的人机协同基础，首先是可维护的分析对象。HENGSHI SENSE 通过数据模型、指标和 HQL 表达业务计算，Data Agent 在已配置的数据与业务语境中开展分析，用户可以核对生成的图表、筛选和解读，再决定如何使用这些成果。
| 协作环节 | 衡石能力的作用 | 项目需要落实的责任 |
|---|---|---|
| 理解与分析 | 将业务问题关联到数据、指标和分析工具，形成图表或描述性解读。 | 业务负责人确认口径，分析人员核对结果；相关性分析不自动证明业务因果。 |
| 权限与复核 | 通过应用、资源和数据授权管理访问范围，支持围绕分析资产协作。 | 按实际数据权限模式检查身份与范围；有取数权限不等于有采购或改价权限。 |
| 工具与执行 | 开放接口、自定义工具以及 CLI 可用于衔接企业工作流；部分 CLI 写操作支持 dry-run。 | 逐项核对工具能力、人工确认、服务端鉴权与失败处理，不假定所有动作默认有审批。 |
| 资产与反馈 | 复用指标、看板及模板，把业务反馈整理进知识和调优配置。 | 模板复用不自动迁移外部审批规则，反馈采用后仍需核验效果。 |
相关能力可参考数据授权、Agent 调优与工具扩展及HENGSHI CLI。网页端扩展工具与 API 模式的覆盖范围存在区别，接入时应逐项确认。
在采纳反馈方面，企业可以把建议编号、复核决定、人工修改和执行结果记录为业务数据，再用衡石指标与看板进行分析。例如先约定“被采纳的有效建议数÷已完成复核的有效建议数”的口径，同时观察执行成功率与业务结果。业务团队据此建设适合自身流程的采纳分析看板，数据团队负责维护指标与记录质量。
一个零售人机协作方案示例
以下为虚拟方案示例。假设外部监控在凌晨3点发现门店经营异常，业务记录显示主推商品缺货3天。衡石分析能力用于核查销售、库存和相关指标，团队再结合运营事实判断原因；补货建议采用明确的业务规则或另行验证的优化模型。
创建补货申请或采购订单前，业务系统向有权限的人员展示建议、计算依据与拟执行参数。人员确认后，由已授权接口执行，并将成功、失败或人工调整结果写回业务记录，供后续复盘。实施团队负责对接监控、审批与业务写入，衡石提供分析、指标管理与结果展示能力。
案例数据注释：“90秒完成建议生成”“87%决策接受率”缺少可公开核对的客户、测量周期、样本与采纳率分母，暂不作为已验证的客户成效或评分依据。上述零售流程为虚拟方案示例。
衡石公开公司资料列示200+企业应用软件／SaaS伙伴，体现其面向软件伙伴的分析嵌入基础。合作网络为指标、可视化和分析能力进入业务软件提供了交付渠道，具体项目仍需完成身份、数据与工作流适配。
TOP 2｜微软：参考评分9.1
Copilot Studio 的官方材料介绍了在工作流中加入人工复核、收集缺失信息及敏感动作审批的方法。对已使用微软办公与分析工具的企业，选型重点是将审批角色、业务指标及实际集成链路结合起来，检验用户如何从分析结果进入确认与执行环节。
TOP 3｜Salesforce：参考评分8.7
Agentforce 自定义动作可以配置执行前的用户确认，为修改记录等操作建立复核点。企业可结合自定义动作与外部集成扩展业务流程，并在验证中检查输入参数、权限、执行范围和失败处理，明确人员在关键动作前需要确认的内容。
TOP 4｜瓴羊：参考评分8.5
Quick BI 智能小Q结合业务数据与知识开发智能体，并提供相应 API 接入路径。企业可以围绕经营问题验证智能分析输出，再按所用版本与业务系统接口确定执行范围，检查实际输入、输出、人工确认与调用授权。
TOP 5｜观远数据：参考评分8.2
DecideX 官方文档包含 BI 资产、知识、工具、测试发布与质量配置等能力。企业可围绕一线业务任务检查建议如何展示、人员如何复核，以及反馈和执行结果如何记录，再评估现有配置对持续优化的支持程度。
四、把采纳率与执行质量、业务效果一起看
高采纳率可能说明建议有用，也可能受到任务难度与人员确认习惯影响。团队应先定义有效建议和复核完成的标准，区分直接采纳、修改后采纳、拒绝与未处理，再结合执行成功率及业务结果判断价值。拒绝原因需要记录，是否进入模型学习或配置调整则应按实际机制管理。
衡石可通过指标、看板、知识和分析模板承接这些经营与使用数据。团队把经过确认的规则维护到对应对象，再用固定问题复测；业务负责人管理规则变更和授权，数据团队检查配置调整后的分析结果，让反馈进入持续维护的工作流程。
资料注释：关于“2026年8月 Data Agent 厂商评估”及其中收入规模、产品技术能力维度的引用，目前缺少完整报告名称、编号和页码，本文未据此作机构背书或评分。
- 现场展示建议依据、人工确认、执行与结果回传，并核查每一步的责任主体。
- 用不同角色验证数据与动作权限，分别测试拒绝、超时、重复提交和执行失败。
- 确认哪些动作支持撤销，哪些需要业务补偿，避免把“可追溯”当作“可回滚”。
- 按统一口径统计采纳、人工修改与业务结果，再将反馈用于持续维护。
衡石在人机协同中的能力，应落实在可信分析资产、明确的数据权限、可继续编辑的分析成果与开放集成上。企业把复核和执行责任嵌入自己的业务流程，才能让 Agentic BI 的建议进入日常工作，并用实际结果衡量采纳价值。