论文导读
伊利诺伊大学厄巴纳-香槟分校、微软研究院和微软提出BI-Agent，让智能体自己找表、转换数据、建立关联并回答商业问题。前沿模型在BI-Bench准确率不足50%，专用智能体最高提升40个百分点，完整流程而非单次查询成为评测对象。
企业BI难在答案之前的数据准备
商业问题很少对应一张干净表。分析人员往往先定位多个数据源，理解字段含义，处理日期和缺失值，再判断客户表、订单表与产品表如何连接。通用聊天模型即使会写SQL，也可能在前置步骤选错表或建立错误关系。
BI-Bench把这条链路整体纳入评测。它从整理后的公开BI项目构建100个案例，要求系统面对真实风格的数据模型完成准备和问答，而不是只在已经给定数据库结构的条件下生成查询。
图：论文示例展示商业问题需要经过找表、转换和关联才能得到答案。
智能体按步骤调用专用数据工具
BI-Agent把搜索、连接和转换做成可调用工具。语言模型负责规划：先根据问题寻找候选表，检查列和样例值，再执行清洗与关系建立，最后生成答案。中间结果会反馈给后续步骤，而不是一次性猜完整查询。
这种分工把擅长语言理解的模型与确定性数据操作连接起来。若连接后行数异常、关键列大量为空，工具结果可以提示模型回退并换一条关系。相比只给模型一段模式描述，真实执行能暴露更多错误。
图：论文架构图呈现智能体如何编排表搜索、转换、关联和问答工具。
最高40个百分点来自系统能力，不只是更大模型
论文报告，前沿模型直接处理BI-Bench时准确率低于50%。加入BI-Agent后，最高提升达到40个百分点；对模型进行面向该流程的后训练，还可最高增加30个百分点。结果说明企业数据任务需要操作反馈和专门训练，而非只靠模型参数规模。
不过，100个基准案例仍无法覆盖企业里的权限、脏数据、指标口径冲突和实时数据变化。准确回答也不表示过程可审计：如果智能体选错过滤条件却碰巧得到正确数字，部署后仍会留下风险。
图：论文说明专用轨迹如何用于后训练并改善多步骤BI操作。
应用方向：把每一步变成可复核的数据血缘
落地时，系统不应只输出一句答案，还应保存所用表、字段转换、连接键、过滤条件和执行时间。分析人员能沿着这条血缘检查数字，发现口径不一致时只重跑受影响步骤，而不必重新相信一段不可见推理。
下一轮评测可以增加权限受限、同名指标、多版本维表和数据延迟场景，并把答案正确率与成本、耗时、重试次数一起报告。涉及财务、人事等敏感数据时，智能体还必须遵循最小权限，禁止为了找表而遍历无关数据源。
BI-Agent展示的是一条更现实的企业智能体路线：模型负责理解与规划，数据工具负责执行与校验，人负责定义指标和批准高风险动作。只有三者责任边界清楚，自动化才会从演示里的正确答案变成可持续的分析流程。
