Thinking AI 发布Agentic Engine 千问版:企业数据分析进入“对话即分析”时代

专注于智能数据分析与企业级 AI Agent 的 Thinking AI 近日正式推出 Agentic Engine 千问版，通过 AE-CLI 将企业数据与业务能力接入千问办公，让企业用户用自然语言即可完成数据查询、指标分析与经营复盘。

这意味着，企业用户无需频繁切换分析平台，也不必重新学习复杂的数据工具，在千问办公中通过自然语言，就可以直接发起数据查询、指标分析、用户洞察、实验复盘和知识库检索等任务。结合 Agentic Engine 配套的技能体系，千问办公 Agent 还能在用户授权范围内持续调用企业数据和业务能力，对问题进行进一步分析和下钻，并输出经营周报、分析报告和行动建议。

对企业用户来说，这次发布的意义并不只是“又多了一个入口”。更重要的是，Agentic Engine 开始进入员工每天都会使用的办公环境，让过去相对专业的数据分析能力，变成随时可以调用的日常工作能力。

从提问、分析判断到决策行动，Agentic Engine将数据分析融入业务决策过程

一、接入千问生态，数据分析不再需要反复切换系统

企业的数据分析工作，很多时间其实并没有花在真正的“分析”上。运营人员想看一次活动效果，可能需要先进入数据平台找到对应报表；产品经理发现某个指标下降，需要继续拆维度、找原因；管理者想了解本周经营情况，又需要不同部门分别整理数据和结论。

在这个过程中，用户经常要在办公软件、BI系统、数据平台、知识库等不同工具之间来回切换，Agentic Engine 千问版希望改变的，正是这种工作方式。通过接入千问办公，用户可以直接从一个业务问题开始，而不是先考虑应该进入哪个系统。

例如：

“帮我看看最近一周新增用户为什么下降。”

“分析一下这个月付费转化率的变化。”

“复盘一下上次实验的结果，看看哪些用户受影响最大。”

“整理一份本周经营数据，并给出需要重点关注的问题。”

过去，这些问题背后往往对应着查数据、选指标、拆维度、制作图表、整理结论等一连串操作。现在，用户可以直接通过自然语言提出需求，由 Agentic Engine 调用相关数据和能力完成分析。

二、从“帮我查数据”，走向“帮我把问题分析清楚”

自然语言查数并不是一个全新的能力，真正影响企业实际使用体验的，是 AI 在拿到问题之后，能不能继续把问题分析下去。

例如，当用户发现某项核心指标下降时，仅仅告诉用户“下降了多少”价值有限。业务团队更关心的是变化从什么时候开始，哪些地区、渠道或者用户群体变化最明显，是否和某次活动、版本更新或者实验有关，以及接下来应该优先关注什么。

Agentic Engine 的重点并不只在结果呈现，而是继续围绕指标变化做趋势识别、异常提示和原因定位。用户提出一个问题后，系统可以根据分析过程继续向下拆解，而不需要用户手工重复取数。

三、用户洞察、实验复盘和经营报告，都可以从一句话开始

企业数据分析的需求并不只有查指标。产品团队需要了解用户行为和流失原因，运营团队需要寻找高价值人群，增长团队需要复盘实验结果，管理层则需要周期性查看经营情况。

Agentic Engine 千问版将这些常见场景放到了同一个自然语言入口下。在用户洞察场景中，系统可以围绕用户进行标签、分群和路径分析，帮助团队理解“哪些用户发生了变化”“机会可能出现在哪里”。

通过标签、分群和行为路径分析，帮助业务团队更快发现关键用户变化与潜在机会

在经营分析场景中，用户可以直接提出问题，让 Agentic Engine 对指标进行持续拆解，并整理分析结论。在报告场景中，数据、分析过程和业务判断可以进一步被整理成经营周报、专题分析报告以及行动建议。

对于日常需要反复处理数据的团队来说，这可以减少大量重复工作。以前一次分析可能经历“找人取数—整理Excel—做图—写结论—再沟通”的过程，现在，很多环节可以围绕一个问题连续完成。

四、连接企业数据、知识和 Skill，让AI真正进入业务环境

企业AI与普通聊天工具最大的区别，在于它必须真正连接企业内部的数据与业务能力。这背后是 ThinkingAI 十年数据智能实践的延伸：将长期积累的数据分析方法、行业 Skill 和企业级治理能力，转化为 Agent 可以直接调用的业务能力。

Agentic Engine 千问版通过 AE-CLI，将 Thinking AI Agentic Engine 已连接的企业数据和业务能力进一步带入千问办公。附件中的能力架构显示，Agentic Engine 可以连接企业数据源、业务系统、API工具、知识库以及 Skill，并将这些能力统一提供给 Agent 调用。

这让用户面对的不再是一个只能依赖通用知识回答问题的 AI，而是一个能够在企业已有数据和业务环境中工作的 Agent。对于已经拥有数据仓库、BI系统、知识库或者内部业务系统的企业来说，这种方式也意味着不需要重新建设一套完全独立的数据体系，而是让 AI 成为连接现有能力的新入口。

五、从一句话开始，把完整分析过程交给Agent

Agentic Engine 千问版另一个比较直观的变化，是进一步降低了数据分析的操作门槛。

过去，企业用户想完成一项分析，需要知道数据在哪里、使用哪张报表、选择哪些维度，再一步步完成查询和分析。现在，用户可以从一个自然语言问题直接开始。

用户通过自然语言提出业务问题，Agentic Engine自动展开分析、持续追问并输出结果

以前是“人去操作分析工具”，现在更接近“把问题告诉Agent，让Agent完成分析”，这也是千问生态带来的一个重要价值。千问负责提供用户熟悉的自然语言办公入口，Agentic Engine则负责连接企业内部数据、知识和专业分析能力。两者结合后，企业AI与日常工作的距离进一步缩短。

六、Thinking AI 让 Agentic Engine 更靠近每一个业务用户

过去，企业数据分析往往属于专业岗位的工作：业务人员提出需求，分析师负责取数和分析，结果再通过报表、文档或者会议传递。

而当 Agentic Engine 进入千问办公之后，这条链路开始被缩短。用户可以直接提出问题，Agent 负责连接企业数据、调用分析能力、继续下钻并整理结果。数据查询、指标分析、用户洞察、实验复盘和报告生成逐渐成为连续的工作过程。

Agentic Engine 的价值不再局限于提供一个更智能的数据分析工具，它正在解决一个更加实际的问题：如何让企业已经拥有的数据、知识和分析能力，以更自然、更低门槛的方式被更多员工使用。

面向企业AI时代，ThinkingAI 将十年服务全球1500多家企业、覆盖8000多款产品的行业经验沉淀为100多项可复用 Skills，并以 Agentic Engine 连接数据、知识、系统与工作流程，帮助团队从发现问题、分析判断走向行动和效果验证。其数据分析智能体在中国信通院相关评估中获得当前最高4 级评级，同时支持私有化部署和权限治理。Agentic Engine 千问版的推出，也让这些专业能力通过更自然的办公入口触达更多业务用户。