На конференции Qwen в Сингапуре 26 мая 2026 года Lingyang показала Quick BI с одного конкретного факта: три разных корпоративных агента дают три разных определения «выручки», и никто в компании не решается принять решение на основе хотя бы одного из них. Не отсутствие модели — отсутствие доверия к ответу.
Диагноз Quick BI звучит так: general-purpose агенты решают вопрос «можно ли сгенерировать ответ», но не «можно ли ему доверять». В реальных enterprise-деплоях это проявляется системно: агенты конфликтуют по определениям метрик, нарушают access boundaries между отделами, выдают связные ответы, которые бизнес-команды не рискуют использовать для реальных решений. Красиво говорить — не то же самое, что говорить правильно.
Архитектурный ответ Lingyang — четырёхуровневый стек, который агент получает при каждом вызове:
- LLM — базовая языковая модель;
- AI-ready data layer — единые определения метрик и permission boundaries;
- Cognitive/memory layer — cross-session память и бизнес-семантика;
- Action layer — выход на исполнение, а не только на отчёт.
Эволюцию Quick BI описывает как переход от «Tools → Queries → Reports» к «Goals → Inferences → Actions». Суть в том, что система не просто отвечает на запрос, а непрерывно мониторит бизнес-контекст, строит атрибуцию и предлагает следующий шаг — с памятью между сессиями.
Три сценария с конкретными цифрами:
- E-commerce — ручная подготовка ежедневного отчёта сократилась примерно на 90%; скорость обнаружения и устранения аномалий выросла в 10 раз;
- Manufacturing — кросс-граничная атрибуция причин падения продаж сжалась с «недели или полного рабочего дня» до минут;
- Миграция legacy BI — ручная верификация отчётов сократилась более чем на 50% без прерывания работы бизнес-пользователей.
Цифры — от самой Lingyang, независимых замеров нет.
Идея семантического слоя как «мозга» над хранилищем, который устраняет галлюцинации агентов, — не изобретение Quick BI. Google Looker строит ровно то же самое: LookML как единый источник правды для метрик, поверх которого работает Gemini. Это уже оформившийся архитектурный паттерн, и Alibaba Cloud в нём не одна. Что Quick BI не раскрыла: как семантический слой ведёт себя при вызовах от внешних агентов, не собственных, — то есть именно в том сценарии, где конфликты метрик наиболее вероятны. Независимых сравнений точности ответов с Looker или другими конкурентами в материалах нет.