企业 FDE

To B的下一个十年，让自然语言主导一切

2024 年 8 月 12 日

想象一下，无论你是CEO、产品经理，还是数据分析师，或者是一般业务人员，只需动动嘴皮子，复杂的业务操作就能轻松完成。数据自动分析、流程自动执行、客户关系智能管理，这些过去看似遥不可及的梦想，现在正在成为现实。背后的功臣，正是近两年来大放异彩的AI大模型。

当然，上面那些美好的设想要变成现实，还有很多工作要做。需要我们用大模型来改造各个业务系统，而其关键的一个环节就是NL2X，这里的X代表各个业务系统特有的语言，也就是领域特定语言DSL。

大模型能够很好的理解自然语言和计算机语言，而各个业务系统也有自己的“语言”。比如，在构建对话式BI产品的时候，一个关键就是NL2SQL，就是将自然语言与SQL语言进行“翻译”与匹配，来完成查收、数据分析的任务。同样的，将大模型接入其他业务系统，比如ERP、CRM、协同办公、RPA、数据库、数据中台、营销系统、客户关系系统、供应链管理系统等，是不是也有类似的NL2X的技术？

接下来，我们就这个问题来进行探讨。

NL2X是什么？让大模型听懂“业务语言”

NL2X到底是个啥？简单来说，它就是一种让大模型“翻译”自然语言的技术。这里的“X”代表着不同业务系统的特定语言。NL2X的任务，就是把你说的“人话”变成机器能听懂的“系统话”。

说白了，NL2X是各种业务系统的翻译官，让它们听懂你的命令。

比如，你对着BI系统说：“生成上个月的销售报表。” 这听起来很简单，但对计算机来说，可不轻松。大模型得先理解你要干嘛，然后把这句话翻译成SQL查询，再去数据库里扒拉数据，最后呈现给你一份报表。这就是NL2SQL。

再比如，你对ERP系统说：“查查库存，顺便补个货。” 这句话，ERP系统用NL2ERP技术一翻译，立马明白你的意思，开始调动库存管理功能，帮你完成任务。

还有CRM系统。你说：“给最近买了产品的客户发个感谢邮件。” 这句话通过NL2CRM，立刻变成了客户信息筛选和邮件发送的操作。

听起来是不是挺神奇？其实，这背后有一套复杂的流程。我们可以把这个流程拆解成几个关键步骤：

1. 自然语言理解（NLU）

大模型首先得理解你说的是什么，这叫自然语言理解，简称NLU。

这一步，大模型得搞清楚你的意图、时间、对象等等。比如“生成上个月的销售报表”这句话，模型要识别“生成”是个动作，“上个月”是时间，“销售报表”是对象。

2. 任务意图识别

接下来，大模型得知道你到底想干啥。它需要把你的话翻译成具体任务，比如查询数据、生成报表、发送通知。

这一环节，大模型把你的话和系统里的任务模板对上号。比如生成报表的任务模板，就是SQL查询。

3. 语言到操作语言的转换

任务明确了，接下来大模型要把这些任务翻译成系统能执行的操作语言，也就是X。

例如，在BI系统中，X是SQL；在ERP中，X可能是操作指令；在RPA中，X是自动化脚本。

4. 结果生成与执行

生成好的操作语言，会被送到相应的业务系统里。然后系统开始干活，生成报表、更新库存、发送邮件这些操作，就这么完成了。

5. 反馈与优化

最后，系统执行完任务，会把结果反馈给你。这个反馈，不光是结果，还有一段解释性的文字，告诉你任务的执行情况。

通过用户的反馈，大模型还能不断优化，变得更聪明，更精准。

目前有哪些业务系统正在经历“爆改”？

通过上面提到的这些步骤，NL2X技术让大模型成为各大业务系统的超级翻译官。它帮你把复杂的工作变得简单，把繁琐的操作变得轻松。这不仅让工作效率提升，还让你不用再为复杂的系统操作烦心。

那么，现在有哪些业务系统正在进行这样的改造呢？根据数据猿观察，BI、RPA、ERP、数据管理、营销、客服等领域，走在了前列。

1. BI的革命——NL2SQL如何重新定义数据分析？

让我们从BI系统开始。曾几何时，数据分析是技术大牛们的专属领域，你得懂各种数据分析指标，掌握各种拖拉拽技能，甚至你得写一堆SQL代码，才能从数据库中挖出一点有用的信息。但有了NL2SQL，这一切都变了。

现在，任何人——不管你是不是技术达人、数据分析达人——都能通过简单的自然语言查询，轻松获取数据洞察。你只需要说出你的需求，NL2SQL技术就能将其转换为精准的SQL查询，帮你从海量数据中挖掘出有价值的信息。

帆软、阿里瓴羊、思迈特、网易数帆和Kyligence等，就是这方面的佼佼者。它们将相关技术深度嵌入到各自的BI产品中，彻底改变了数据分析的玩法。

想象一下，你只需输入一句话：“告诉我上个月的销售冠军是谁”，BI系统立刻生成一份详细的报表，列出销售冠军的业绩、产品详情、区域分布等信息。再也不需要和SQL死磕！

这种技术不仅让数据分析变得前所未有的简单，还极大加快了数据驱动决策的速度。在当今快节奏的商业环境中，这可是一个决定胜负的关键因素。

2. RPA的新赋能——自然语言如何让机器人流程自动化更智能？

接下来，让我们聊聊RPA。曾经，设计一个自动化流程是个技术活儿，需要挖掘流程、设置规则，还得不断调试。但有了NL2RPA，自动化变得前所未有的简单。

实在智能、影刀、艺赛旗、金智维等厂商，正在通过这类技术，将自然语言直接转化为自动化流程。也许，你只需要告诉RPA系统：“帮我自动处理未付账单”，它就会自动创建一个工作流，从检查账单、发出提醒到执行后续操作，全程自动化。

这种技术降低了使用RPA的技术门槛，任何人都可以用自然语言创建复杂的自动化流程。而且，这些流程可以灵活调整，适应业务需求的变化。

想象一下，你的企业可以在短时间内自动处理成千上万的订单、账单、客户请求，而你只需要发个指令。这种效率提升，可不是一般的工作方式能比的。

3. ERP的智慧升级——用自然语言控制你的企业资源

ERP系统曾是企业的“大脑”，负责管理从财务到供应链的一切资源。但问题是，传统的ERP系统操作复杂，不懂技术的人根本无法驾驭。NL2ERP的出现，改变了这一切。

NL2ERP技术，让你可以用自然语言控制ERP系统。例如，你可以对ERP系统说：“生成本月的财务报表”或“调整库存计划”。ERP系统会自动理解并执行这些操作，无需手动输入繁琐的指令。

这种自然语言与系统操作的无缝对接，让企业管理变得更加高效。知名ERP厂商比如用友、金蝶等，正在探索将这种技术融入其产品，帮助企业简化复杂的操作流程，提升决策效率。

想象一下，企业的管理者不再需要技术支持，也能实时掌握资源配置情况，做出快速决策。这种改变，对企业的运营效率是一个巨大的提升。

4. 数据中台的新可能——如何通过自然语言重塑数据管理？

数据管理的各个环节，也在探索应用大模型技术，来提升数据管理效率。例如，数据中台是企业的数据核心，负责整合、处理、管理海量数据。但管理这些数据并不容易，特别是当你需要跨部门、跨系统进行数据映射时，NL2Data技术应运而生。

星环科技、镜舟科技、网易数帆、阿里瓴羊等在这方面走在前列，他们通过大模型技术，将自然语言与数据管理操作结合起来，进行了多方面的探索。也许，在不久之后，你只需要说：“将客户数据从旧系统迁移到新系统”，系统就会自动生成数据映射规则，完成数据迁移。

这不仅简化了数据处理的流程，还打破了数据孤岛，让数据在企业内流动起来。企业可以更快、更准确地进行数据分析和决策。

想象一下，你可以通过一句简单的指令，就完成了复杂的数据操作。这种效率提升，让企业在竞争中占尽先机。

5. 营销系统的智能化升级——自然语言驱动的营销自动化

在营销领域，精准、及时的营销策略是成功的关键。过去，制定一个营销策略需要大量的数据分析、市场调研和策略配置。而现在，NL2Marketing技术让这一切变得简单。

领先的营销自动化系统通过NL2Marketing技术，将自然语言直接转化为营销活动配置。在比较理想的情况下，你只需要说：“启动针对年轻用户的促销活动”，系统就会自动设置好广告投放、用户细分、优惠券分发等一系列操作。

这种技术不仅简化了营销策略的制定，还让企业能够更迅速地响应市场变化。你再也不用担心市场趋势转瞬即逝，因为你的营销系统已经快人一步。

想象一下，营销团队只需要关注创意，系统会自动处理执行部分。这种分工，不仅提高了效率，还确保了策略的精准落地。

6. 客户管理系统的进化——让CRM更懂你

最后，让我们看看CRM系统。客户关系管理一直是企业运营的重中之重，但传统的CRM系统操作复杂，数据更新缓慢，NL2CRM技术则为CRM系统注入了新的活力。

通过NL2CRM技术，企业可以用自然语言与客户管理系统互动。例如，你可以说：“联系所有最近有过购买行为的客户”，系统就会自动筛选客户信息，发出定制化的营销邮件。

业界一些CRM系统已经开始采用这种技术，帮助企业更好地理解和服务客户。

想象一下，你的CRM系统能够听懂你的需求，自动完成客户跟进、反馈收集、满意度调查等任务。这种智能化，直接提升了客户的满意度和忠诚度。

还有哪些挑战？

虽然NL2X技术看起来像是个万能钥匙，但要真正把大模型接入各个业务系统，还有不少“拦路虎”。下面，我们一起看看这些技术挑战，到底有多难啃。

1. 领域适应性和模型训练的复杂性

大模型天生“聪明”，但当它进入具体行业时，事情就没那么简单了。每个业务系统都有自己的行话和逻辑，大模型得重新学习这些“行话”才能胜任。

比如，医疗系统中的NL2X需要理解医学术语，金融系统中的NL2X则要掌握财务规则。想要让模型说“多门语言”，就得先喂给它足够多的领域数据。这个过程不仅耗时，还需要行业专家的参与，才能保证模型理解得准确无误。

2. 自然语言理解的精度问题

大模型“耳聪目明”，但有时候它也会“会错意”。尤其是那些复杂的、模棱两可的语句，模型可能抓不到重点。

想象一下，你说：“生成上个月的财务报表。” 这里的“上个月”是指哪个具体月份？这就可能让模型犯迷糊。要解决这个问题，模型需要更强的上下文理解能力，甚至需要和你多聊几句，确保没出岔子。这让系统开发变得更复杂，也对模型的处理速度提出了更高要求。

3. 多系统集成的复杂性

NL2X技术最大的挑战之一，是如何在多个不同的系统之间“翻译”你的话。每个业务系统的接口、数据结构、操作流程都不一样，如何让大模型在它们之间自如切换，可不是件容易的事。

比如，你想同时在ERP系统和CRM系统中使用NL2X，那就需要开发出两套不同的接口逻辑。开发成本和维护难度都会直线上升，稍有不慎还可能影响系统的稳定性和兼容性。

4. 数据隐私和安全问题

数据隐私和安全是所有技术面前的“头等大事”，NL2X技术在处理自然语言指令时，往往需要访问大量业务数据，这些数据中可能包含敏感信息。

要确保这些数据在传输和处理过程中不被泄露，还要防止模型被恶意攻击，这都对系统的安全性提出了很高的要求。开发者需要在设计阶段就考虑多层次的安全措施，严格遵守数据隐私法规，确保用户的数据安全无虞。

哪些系统适合NL2X改造，哪些不适合？

在考虑NL2X技术改造业务系统时，不是所有系统都能轻松接入。要成功改造，需要系统具备一些特点。我们来看看哪些系统最适合通过NL2X技术来进行“爆改”，这些系统需要具备哪些特点。

1. 标准化操作，简单明了

先说说那些标准化操作多的系统，比如BI系统、ERP系统、RPA系统。它们的任务流程清晰明确，操作步骤几乎没啥变化。你只要告诉系统“生成销售报告”或者“处理未付账单”，它就知道该干嘛。这类系统最适合NL2X改造，因为自然语言转化为操作语言的过程简单、精确，出错的概率低。

2. 数据驱动，逻辑简单

接着是那些数据驱动的系统，比如BI系统和数据中台，它们的工作核心是数据分析和处理。这里，NL2SQL技术可以大展身手。通过自然语言查询，你能轻松获取数据洞察，不用再费劲写代码。这类系统的改造难度低，改造效果却非常明显。

3. 任务重复，操作单一

这类系统最擅长处理那些重复性强、规则明确的任务，比如自动化处理发票、发送邮件提醒。这些操作几乎一成不变，非常适合通过自然语言指令来自动生成和调整流程。NL2RPA能让操作变得更加灵活，而且简单易用。

4. 交互频繁，用户体验为王

还有那些交互性强的系统，比如CRM系统和营销自动化系统。这些系统每天都要处理大量用户输入，时刻都在和客户互动。通过NL2CRM技术，你只需一句话就能完成复杂的客户管理任务。操作简化了，客户体验自然就上去了。

哪些系统不适合NL2X改造？

尽管NL2X技术前景广阔，但有些系统并不适合这项技术的改造。这些系统通常有一些共同的特点。

1. 任务复杂，千变万化

首先是不适合标准化处理的系统，比如创意设计或软件开发系统。这些系统的任务内容复杂多变，且结果不可预测。自然语言很难准确描述这些任务，NL2X技术的转换会有很大的局限性。改造难度高，效果可能不尽人意。

2. 需要专业知识，要求精确判断

其次是那些高度依赖领域专业知识的系统，比如医疗系统、法律系统。大模型尽管强大，但在处理这些领域的专业术语和判断时，容易出现误解。你不可能指望一个AI医生或AI律师完全替代人类专业人士，这类系统的改造效果有限，改造难度也很高。

3. 实时性要求高，容错率低

还有一些对实时性要求极高且对错误容忍度极低的系统，比如金融交易系统、航空控制系统。这些系统一秒钟的误差，都可能导致重大损失或灾难性后果。NL2X技术在自然语言处理和执行的转换中可能存在延迟或错误，因此并不适合用于这些场景。

通过精准选择改造对象，企业可以更有效地利用NL2X技术，实现智能化转型的最大收益。

To B的下一个十年，让自然语言主导一切

想象一下，未来的十年，你的日常工作、业务决策、甚至生活中的琐事，都可以通过一句简单的自然语言指令完成。再也不用学那些复杂的操作流程，也不用担心误操作带来的麻烦。只要你会说话，所有的系统都能听懂、执行。这是To B的下一个十年，一个由自然语言主导的世界。

NL2X技术正是这个未来的关键，它让自然语言成为我们与各种业务系统沟通的桥梁，让复杂的操作变得简单直观。随着技术的进步，NL2X的应用场景将不断扩展，从商业智能到企业管理，再到个人生活，几乎无所不包。

未来，我们可能只需要说：“帮我生成本月的销售报告”，系统不仅会生成报表，还会自动分析趋势，给出优化建议。更进一步，你可能只需要一句话，整个公司的运作就能进入自动化状态，各个部门无缝协作，业务流程流畅如丝。

不过，这一切的前提是：AI必须懂业务。如果AI不懂业务，再强大的技术也是“耍流氓”。NL2X技术的核心挑战之一，就是如何让大模型真正理解业务语言，准确翻译用户的需求。

想想看，如果AI理解错了你的意思，把“生成销售报告”理解成了“删除销售记录”，后果会多么严重！所以，未来的技术发展方向，必然是让AI更加“业务精通”，真正成为各个领域的专家。

为此，NL2X技术需要不断进化。模型要通过更多的行业数据训练，提升对特定领域语言的理解力。其次，模型还需要学习上下文理解能力，避免因细节误解而导致的错误操作。AI必须能够与用户进行多轮对话，确认需求，确保操作的准确性。

未来，随着这些技术的突破，我们将看到更多的创新和变革。例如，智能合同生成、自动化法律咨询、个性化医疗建议等领域，都有可能因为NL2X技术的进步而发生翻天覆地的变化。AI将不仅仅是一个工具，而是一个懂你、懂业务的“超级助手”。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

To B的下一个十年，让自然语言主导一切

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单