2 分•作者: arcb•13 天前
我们是来自 BitBoard (https://bitboard.work) 的 Connor 和 Ambar。BitBoard 是一个智能分析工作空间,我们提供基础设施和可视化层,让您能够利用 AI 进行数据分析。
今天,我们推出了仪表板,您和您的智能体可以协同工作。您可以将您的编码智能体或 AI 聊天连接到 BitBoard,构建实时报告。演示视频:https://www.youtube.com/watch?v=HPl0K565a7c。
AI 工具将数据分析视为一次性任务,难以报告或协作。传统的 BI 工具并非为 AI 用户设计,因此它们只能附加聊天机器人,无法为您的智能体提供有意义的控制。如今的软件能够比 BI 工具更深入地理解业务,但无论是传统 BI 还是聊天机器人,都无法处理这一点。
我们最初的产品是用于医疗保健行政任务的 AI 智能体 (https://news.ycombinator.com/item?id=44237769),但客户不断将我们引向他们的数据分析问题:分散在不同来源的查询,到处都是电子表格。我们不断构建解决这些问题的工具,最终这些工具成为了我们的产品。
我们遇到了一些问题。智能体由于缺乏业务背景而做出错误的推断。由于没有任何机制来检查它们的工作,因此无法信任它们做出决策。而且,一个智能体或一个人发现的任何东西对其他人来说都是不可见的。在 BitBoard 中,人类和智能体与相同的数据原语进行交互,但获得的是为各自工作设计的工具。
我们正在构建仪表板,以改善人类的阅读体验。这些仪表板会逐步利用智能——从代码或 SQL 查询开始,最终发展为完整的嵌入式应用程序。人类和智能体需要就解释数据的方法达成一致,因此我们允许两者都为规范来源、实体和度量(使用您喜欢的语义模型或我们的模型)做出贡献。每一个答案都附带出处,并且相同的调用和相同的参数会返回相同的结果。
展望未来,这些共享的原语将使长期运行的智能体能够在企业内部运行,我们也在构建这些智能体。智能体需要一个可衡量的目标以及验证其工作的方法。BitBoard 为它提供了这两者。智能体接收诸如指标漂移或漏斗泄漏等问题,并找出下一步该做什么。它的工作成果将是团队可以观察和批准的数据集、仪表板和追踪记录。
从技术上讲,我们正在构建一个协作引擎,为人类和 AI 提供同构更新,支持列式分析(我们使用 DuckDB 和 Apache Arrow),提供基础和验证基础设施,并通过智能体容器和追踪记录实现长期任务。对于智能体工作,我们非常赞成利用 LLM 的判断来发现问题,然后生成确定性软件来自动化它们。
请在 https://app.bitboard.work 上进行尝试。(我们需要您的电子邮件来设置您的账户)。
我们对数据分析和科学在 LLM 时代的变化感到兴奋,并欢迎您的所有想法!