参加报告：Data & AI Summit '25 Fall

2025年11月27日，我们参加了Google主办的“Data & AI Summit '25 Fall”。

近日，本公司也决定全面投入“数据应用”领域，并悄然启动了相关项目。最初我们以“轻松推进、量力而行”的方式开展工作，但有一天，我们得知Google主办的“Data & AI Summit '25 Fall”即将召开的消息。

“必须先掌握数据应用的最新趋势！”抱着这样轻松的想法，我们报名参加，结果证明这是非常正确的决定，听到了远超预期的精彩内容。

什么是Data & AI Summit '25 Fall？

从活动名称也大致可以猜到，本次演讲的主题是“AI智能体”。这是一场线上线下混合举办的活动，参会人数约3,000人，规模相当可观。我以现场参会的方式出席，部分演讲前甚至排起了长队，座位不够时还有人站着听。由此可以切身感受到业界对数据应用和AI的高度关注。

当天的日程大致如下。

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

本文将报道主题演讲以及印象特别深刻的几场分享！

主题演讲：迈向与数据智能体“共创”的时代 - 以 AI-Ready 数据基础设施实现下一代数据分析

主题演讲以 Google Cloud 的濱田先生带来的“AI 智能体所需的三项要求”开场，随后介绍了狮王株式会社、株式会社 Mercari 推进数据应用的案例，最后由 Google 技术部门公开了“对话式分析演示”，整体分为三个部分。

◼︎AI 智能体所需的三项要求

濱田先生介绍了要让 AI 智能体真正投入使用并承担业务所必需的三项要求：“Action（主动性）”、“Memory（记忆力）”和“Context（可信度）”。

Action：AI 智能体不应被动等待，而应主动采取行动。

其中的关键在于“思维过程的透明性”。演讲解释道，要提升分析的透明度，关键在于采用“Advanced Reasoning”这一概念，将整个流程分阶段拆解执行。

Memory：AI 智能体要有效发挥作用，需要“短期记忆”和“长期记忆”。

在关于“长期记忆”的介绍中，展示了一个通过语音输入与 AI 智能体交流并完成商品下单的案例。相比传统的点击式操作，速度快得多，让人再次意识到，这项技术已经越来越贴近日常生活。

Context：要确保回答的可信度，上下文信息必不可少。

讲座介绍了“语义层”的重要性，它能够引导人们找到正确的数据库和计算公式。

关于语义层，之后的讲座中也多次听到相关内容，我切实感受到它的关注度正在不断提高。

◼︎数据应用案例介绍

狮王株式会社介绍了数据基础设施的构建，Mercari株式会社则分享了推动数据民主化的相关举措。

其中，关于数据民主化的内容与我们日常工作较为贴近，给我留下了深刻印象。借助AI智能体，让过去被视为分析师专属领域的数据应用，变得人人都能接触，这种体系建设值得我们借鉴。

会后在公司内部的分享会上，大家也纷纷表示希望尽快引入这些做法。

◼︎对话式分析演示公开

以“Conversation analytics agent in BigQuery”为例，介绍了对话式分析智能体的演示。

虽然我之前对BigQuery有过简单接触，但并不知道它已经可以通过自然语言进行数据分析，真是让我大开眼界。Gemini提供的数据精度优化建议以及黄金查询的自动生成等功能，支持也很完善，设置过程相对简单，令我非常佩服。

先行实践：通过“自然语言”调取 BigQuery 中沉睡数据的 AI 智能体构建方法！

在由 Eyelet 股份公司进行的演讲中，介绍了结合 BigQuery 与 Conversational Analytics API、以聊天形式进行数据分析的案例。

演讲内容是将网站数据积累到 BigQuery 中，并将查询执行和分析工作整体委托给 Conversational Analytics API。通过让 AI 智能体可以从日常使用的沟通工具中访问，构建了让任何人都能轻松开展数据应用的环境。

这正是主题演讲中所提到的“数据民主化”的体现，结构也非常简洁。我们计划尽快在本公司引入这一做法。

虽然很想自己动手尝试实现，但考虑到实际技能水平，恐怕需要好几年时间，因此打算交给本公司的工程师来负责！

步骤极简！Google Trends 联动 AI 智能体 × 商品主数据的协作方案

在 AEON Smart Technology 股份公司的演讲中，介绍了其如何将 AI 应用于“商品主数据”，这是拥有实体店铺的企业特有的实践案例。

演讲主题为两项挑战：“消解模糊搜索”以及“与趋势自动匹配”。两者均采用了基于 Google Vertex AI Search 的架构。

— 在商品主数据中使用 AI 进行模糊搜索

作为拥有实体店铺的企业特有的烦恼，演讲以顾客未提供具体商品名称的模糊提问为例进行了说明。传统系统要求“完全一致”，因此对人类而言easily可以回答的问题，在系统层面却成为巨大障碍。针对这一课题，演讲介绍了尝试采用 AI 方法的实践。

在演示环节中，介绍了一套系统，即使面对类似互联网搜索的模糊输入，也能从大数据中即时输出恰当的商品信息。虽然对其运作原理理解得不太深入，但一家公司竟能做到这一步，我只觉得非常震撼。

— 趋势把握与商品数据的自动匹配

分享的内容是，为了缩短从客户产生需求到商品真正上架门店之间的前置时间，正在探讨一种工具，能够即时捕捉外部趋势信息，并将其与公司自身的商品数据自动关联起来。

这也是一个关于前沿技术的话题，非常有意思。目前还无法想象它如何应用于我们的服务，但我个人也很想亲自试用一下“Google Vertex AI Search”。

总结

本文仅精选了印象深刻的环节进行介绍，不知您觉得如何？如果能让您感受到当天“数据智能体带来的变革”那份震撼的一部分，我将非常高兴。

说实话，在数据应用方面，我们之前一直有些松懈，但通过参加这次峰会，我深刻意识到“不能被这股浪潮甩在身后，必须正式启动了！”，这是一个非常难得的契机。

首先，我打算从本次多次强调其重要性的“数据与语义层的定义”入手。