Claude 抢的不是报表，是数据入口

周一早上，分析师还没打开BI工具，老板已经把一张由Claude生成的仪表盘转进了群里。

一个月之内，OpenAI和Anthropic先后把'自动做报表'的Agent塞进了自家产品。这不是功能内卷，而是模型厂商对企业数据入口的一次正面抢滩——报表这个BI行业守了二十年的门户，正在变成大模型落地企业数据的第一个滩头阵地。

📊 隔了一个月的贴身跟进

仪表盘，是Agent最想占领的那扇门。

先动手的是OpenAI：ChatGPT Work获得了一个数据代理，能够搭建仪表盘。一个月后的周四，Anthropic跟进，发布了Claude Dashboards——据The New Stack报道，两家的动作几乎是一前一后的贴身节奏。

一个月的间隔，在大模型行业不算短，但在产品功能层面，这已经是'你上我也必须上'的均势反应。据多位接近两家团队的人士观察，仪表盘被当成Agent企业化落地的第一个交付物来打磨，优先级高得反常。

为什么偏偏是仪表盘？逻辑不复杂：

• 它是企业数据消费的聚合界面，几乎所有角色每周都要看；
• 它是Agent最容易拿出手的可见交付物——对话答得再好，也不如一张能截图转发的图有说服力；
• 它天然连接自然语言和结构化数据，是模型能力最好的橱窗。

值得注意的是，模型厂商并没有去做BI引擎。它们做的是'生成'——把过去拖拽式、排布式的报表制作，变成一句对话的产物。制作能力被商品化了，而被商品化的那部分，恰恰是传统BI工具收fees最多的一层。

🧠 通用Agent的短板，撞上了语义层

企业数据的问题，从来不是'不会写SQL'。

先泼一盆冷水。通用AI Agent确实擅长三件事：搜索网络、推理、写代码。让一个通用Agent直连数据库做报表，前三次输出往往惊艳——柱状图漂亮，SQL也规范。但第四次，业务方就会问：销售额含税吗？'活跃用户'的定义是哪个版本？上季度财务口径调过，这张图对齐了吗？

这时问题就暴露了：Agent生成图表的速度，远快于口径治理的速度。图越快，口径打架的频率越高。

Databricks的路径给出了另一个答案。据其披露，Genie Ontology正在支撑Databricks自身的产品研发——也就是说，它不仅是对外功能，而是先在自己内部当生产力用的。本体的价值在于：把业务概念锚定到物理表和字段上，让Agent的每次生成都有据可依。

把整条链路画出来，差异一目了然：

没有语义层，Agent就是一条直通的管道——生成快，翻车也快。有了语义层，'自动搭仪表盘'才敢真的交给业务方。所以这场竞赛的真实焦点，正在从'谁家模型画图更好看'，转向'谁家语义层更厚'。而模型厂商手里没有你的数据，自然也没有你的语义；数据平台有。

🏗️ 三张牌桌，一种焦虑

从上往下打和从下往上打，迟早要在中间碰头。

把三家的牌摊开看，格局相当清晰：

这是一场双向行军。模型厂商从上往下打：先占领办公场景里的数据消费入口，再通过连接器往数据层沉。数据平台从下往上打：用本体和语义层托住Agent，把生成能力纳入自己的治理边界。两边推进的方向相反，终点却是同一个位置——企业数据的消费界面。

最尴尬的是夹在中间的独立BI工具。它们的制作能力正在被Agent商品化，而语义与治理又不是它们的核心资产。业内私下流传的判断是：未来一两个产品周期内，'对话生成仪表盘'会从差异化卖点变成行业标配；届时竞争会退到三个更深的水域——口径治理、权限体系、审计合规。

换句话说，好做的那部分会被AI拿走，难做的那部分才值钱。

💼 分析师的工作，先被改写一半

被替代的不是人，是工作流里最机械的那段。

把时间线摆在一起看，节奏感很强：一个月内两次发布，加上数据平台同步的语义层布局，三方都在抢同一个时间窗口。

对分析师而言，变化是最直接的。过去一天的工作流是'接需求—写SQL—做图—开会解释图'，前三段被Agent压缩成几分钟之后，留下来的恰恰是最难的那段：审口径、验数据、定指标、跟业务方对齐定义。取数做图的人会减少，定义指标的人会更贵。

对企业而言，真正的掣肘反而更清楚了。Agent把生成分辨率拉满之后，企业数据资产的短板被放大暴露：表没有文档、指标没有定义、权限一塌糊涂的数据仓库，Agent跑得越快，产出越不可信。这也是为什么Databricks要把本体先用在自家产品研发上——先让自己信，再让客户信。

一位从业者的担忧在圈内流传甚广：大家担心Agent三分钟生成一张图，而团队花三年治理的口径，在这张图里根本看不出来。这句话反过来说就是机会——能把'口径可信'做成默认能力的一方，拿走的将不只是报表。

小结

报表只是入口，语义层才是战场。一个月内两连发的数据代理说明，模型厂商已经把企业数据消费当成Agent落地的主航道；而Databricks的本体实践则提醒所有人，没有语义与治理托底的生成，走不进生产环境。接下来值得盯两件事：模型厂商会不会借连接器生态沉进语义层；数据平台的Agent能不能在交互体验上追平通用模型。谁先让'口径可信'变成默认能力，谁就接住了这个入口。

（本文事实基于The New Stack公开报道与Databricks披露信息，产业判断为作者推演。）