企业级上下文图谱平台Jedify于近日宣布推出新产品Data Agents，该产品允许业务团队以自然语言构建和部署自主分析智能体。这些智能体能够监控业务指标、调查指标变化原因并执行周期性分析，用户无需编写代码或搭建工作流。Data Agents通过Jedify的Agents Hub提供，目前已正式上线。
传统商业智能模式要求分析师预先定义问题并构建仪表盘，而通用AI助手则需从原始数据表和模式中推断业务含义。Jedify Data Agents依托该公司自主研发的上下文图谱技术，持续理解组织特定的指标定义、数据关系与业务规则，使智能体能够基于相关信息进行推理，挖掘仪表盘上难以呈现的深层洞察，且无需人工手动拉取数据。
Jedify首席技术官兼联合创始人Adi Elimelech表示：“企业正将分析从回答问题转向完成有意义的工作。借助Data Agents，团队可以构建贴合自身业务运作方式的分析劳动力，并让员工在各自已有的工作场景中调用这些智能体。”
在智能体构建层面，Data Agents采用纯自然语言交互方式。用户只需描述期望获得的分析结果，Jedify即可以对话形式创建并持续优化智能体，全程无需代码或工作流构建器。在触发机制上，智能体支持按需运行、按计划运行或在预设条件满足时自动触发，从而实现无需人工反复发起的周期性分析。
在根因调查方面，Data Agents基于Jedify的上下文图谱与深度研究引擎，能够监控指标、调查异常并识别变化背后的潜在驱动因素。与被动等待用户提出正确问题的传统模式不同，Data Agents在指标缺口、异常波动或市场表现不佳等问题出现的当下即主动呈现，而非等待某份无人打开的报告中被发现。
权限管理方面，Data Agents默认继承发起请求用户已有的数据权限，智能体不会呈现用户无权查看的任何行、列或指标。在效率层面，由于智能体基于Jedify预先解析的上下文图谱进行推理，而非在查询时探索原始数据模式，其单次问题消耗的token数量显著低于依赖模式推断的智能体。
在集成与交付方面，通过MCP协议，Data Agent可作为工具被Claude、ChatGPT、Slack或企业运行的任何智能体平台调用，分析结果也可直接通过Slack和电子邮件交付，使智能体嵌入团队已有的工作流中。
此次产品发布反映出企业分析市场的一个明确趋势：从“仪表盘+人工解读”向“智能体主动监控与解释”迁移。随着大模型推理成本下降和上下文理解能力提升，将业务语义层与智能体执行层结合的产品形态正在成为BI与数据平台厂商竞争的新焦点。Data Agents能否在权限治理、指标一致性和根因解释准确性上达到企业级要求，将决定其在实际生产环境中的落地深度。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
