伙伴们,还记得大明湖畔的六问六答第1趴吗——我们带您解锁了IBM Cognos Analytics 11.1的“前世今生”!今天,六问六答第2趴如约登场,续写精彩,聚焦时下最热的AI话题!一起来看Cognos Analytics 11.1与AI碰撞出的奇妙火花!
Q: Cognos Analytics 11.1中引入了AI能力,是增强型商业智能与分析平台。请问IBM将AI能力引入BI中的初衷是什么?这样做对于企业用户来说有什么具体好处吗?
A: 正与Gartner预测,整合AI能力的增强型商业智能与分析将是BI在可视化之后的新一波热点。IBM之所以在新发布的Cognos Analytics 11.1中引入AI能力,主要从以下几点考虑:
1. 数据预处理和准备几乎占用了BI应用开发90%的时间,AI技术的引入将会提供更多的自动数据准备技术,减少数据准备时间
2. 企业中拥有基础分析技能的业务人员同样需要利用各种分析手段 (包括高级分析 /机器学习 )获取业务洞察力
3. 提高产品易用性,降低产品的入门门槛,让企业中更多的业务人员参与到BI分析中来,提高BI在企业中的接受度
4. 减少固有的偏见,提高数据决策的有效性
Q: 能不能为我们列举一下Cognos Analytics 11.1中与AI能力有关的功能具体有哪些?
A: Cognos Analytics 11.1在底层增加了两个与AI有关的服务——智能化服务和预测性服务。具体体现在产品的功能上包括——基于自然语言的AI会话分析助手、基于AI的自动生成自然语言分析洞察、高级预测性分析、基于AI的可视化推荐以及自动数据整理与准备等。
Q:Cognos Analytics 11.1中引入了AI能力,提供了高级预测分析能力,这与IBM其他机器学习产品如SPSS、Watson Studio Local之间有什么不同?功能上会不会有重合?
A:Cognos Analytics 11.1中的高级分析能力是面向业务分析人员的,主要让业务人员通过简单的数据探索,发现数据背后的模式和洞察,这让不具备专业技能的业务人员同样可以利用高级分析技术获取业务洞察力。而SPSS/Watson Studio等则是面向专业的数据科学家的工具。
Q: 最新发布的Cognos Analytics 11.1中有智能会话分析助手和自然语言生成的分析洞察,请问这些新鲜出炉的功能支持中文吗?
A: 在发布的第一个版本,也就是Cognos 11.1.1中自然语言生成的分析洞察是支持中文的,智能会话分析助手暂时不支持中文,但实验室正在做中文的支持,相信很快大家就能看到对中文的支持。
Q:听说IBM将智能数据探索组件Watson Analytics产品集成到Cognos中,请问产品之间的整合情况如何?
A:Cognos Analytics 11.1中确实将Watson Analytics版本中的功能整合进来了,但这不是一般意义的整合,而是在代码层面重新开发的新功能,与Cognos Analytics是完全融合在一起的,是新版本中的一个组件,其主要用途是满足业务人员数据探索分析的需求。
Q: IBM对于在Cognos Analytics中AI应用的产品发展路线是如何规划的?
A: Cognos Analytics中的AI应用会是长久而持续的过程,AI的应用基本上会围绕两个方向:
1、 通过AI技术让产品变得更为智能,对于自然语言的理解会不断提升,未来我们可以通过更为开放的语言与系统进行交互,并获得更为准确的分析结果,同时借助AI能力,产品的易用性会进一步提升
2、 进一步增强高级分析技术,会有更多的算法集成进来,同时增强可视化能力,使产品更具洞察力
在移动应用上也会有进一步提升,Cognos Analytics正在研发的新一代移动BI应用中同样也将集成AI技术。
以上,六问六答第2趴详细解答了AI在Cognos Analytics 11.1中的“神仙操作”。无AI不先潮,希望更智能的Cognos Analytics 11.1戳中了你的心思!
敬请期待IBM Cognos Analytics六问六答第3趴,最终回我们将带您看Cognos Analytics 11.1如何助力捕捉业务洞察!
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。