邓白氏：以可信商业数据构建AI决策基础设施

中国经济时报记者 张一鸣

“大模型就像AI的大脑，但仅有聪明的大脑还不够，它还需要对真实商业世界的认知。邓白氏全球商业图谱可以为AI提供经验证且持续更新的可信商业上下文，帮助AI准确识别企业、获取商业档案，理解商业关系，在此基础上，结合邓白氏在不同应用场景的专业知识技能，做出可信决策，进而帮助企业提升效能。”邓白氏中国区总裁吴广宇表示。

吴广宇是在第九届中国国际进口博览会（以下简称“进博会”）作出上述表示的，他说，未来会通过企业可信增长平台为中国企业建立可信身份与档案、赋能业务成长、保护回款、实现高效商业协同。

邓白氏围绕“从全球商业图谱到智能决策”“从可信身份到全球增长”两大主线，集中呈现面向AI智能体时代的战略升级与创新成果，以可信商业数据和专业能力为基础，帮助AI提升企业识别准确性、理解商业关系，并支持更加可靠、可解释、可复核的商业决策。进博会期间，邓白氏将亚洲首发智能开放平台，并集中展示本土AI生态合作、全球企业可信增长平台，以及《中国企业AI与智能体应用成熟度白皮书》等一系列新品、新合作与新研究。

随着AI从内容生成、信息检索等辅助工具，逐步进入客户管理、供应链协同、风险控制和经营决策，企业关注的重点正从“是否使用AI”转向“AI能否理解真实商业世界并形成可信判断”。大模型具备理解和推理能力，却并不天然掌握企业身份、股权控制、供应链关系及动态风险。AI越接近决策和执行，越需要准确、及时、可连接且可追溯的商业事实。

基于这一变化，邓白氏正从传统数据服务商转型为支撑智能体商业决策的可信数据基础设施提供商，为智能体工作流提供可信商业上下文。进博会期间，邓白氏还将发布本土AI生态合作进展——与WorkBuddy开展企业智能应用合作，与KIMI Work开展金融智能生态合作，推动可信商业数据进入企业与金融智能工作流。展台设置的智能体体验区，则通过具体业务问题，演示智能体如何调用邓白氏可信商业数据，辅助完成企业主体识别、关系分析、风险核验等，参观者可以直观了解“AI＋可信结构化数据＋业务Skills”如何服务真实商业场景。

面向AI时代，邓白氏正在推动全球数据能力的全面升级。今年，邓白氏全球数据云已经升级为邓白氏全球商业图谱，以邓白氏编码为统一企业身份标识，将分散的企业信息组织为可识别、可关联、可追溯的商业知识网络，为AI智能体提供经过验证、持续更新且具有来源依据的商业信息上下文。邓白氏传统平台类产品也通过搭载全新AI功能，帮助使用者提升效率。比如使用升级后的邓白氏全球财务分析平台，以一个50人的授信团队为例，AI信审工作流相比传统方式，预估每年可以节省工时1.92万小时，折合约192万元的人工成本价值，同时随着AI决策准确性和一致性的提升，潜在收益可以达到273万元至420万元，预计净投资回报率约210%-308%。[本情境以50人规模授信团队为基准，假设每小时人力成本为100人民币（基于国家统计局金融业城镇非私营单位年均工资，并参考各大招聘网站近1年信用审批岗位的平均薪资数据）、首年采用率达85%、平台投资成本为每月12.5万人民币，以及管理35亿人民币授信组合进行估算。工时节省效益以现有自动化程度有限为假设前提；决策精准度效益则参考D&B多项研究成果及产业基准推估，作为潜在效益参考。]

在全球能力升级的基础上，邓白氏中国积极推进本土创新。本届进博会上，邓白氏智能开放平台亚洲首发。该平台以邓白氏编码和全球商业图谱为基础，帮助AI准确识别企业主体、理解企业之间的复杂商业关系；通过专业MCP服务，将邓白氏的商业数据与专业能力接入AI智能体；并通过业务Skills，将数据、业务规则和分析逻辑进一步转化为AI可理解、可调用、可组合的专业业务能力。平台可应用于客户洞察、合规尽调、供应商风险管理、信用与应收风险管理等场景，让AI不仅能够获取商业信息，更能够理解商业上下文、执行专业任务，并将分析结果融入企业决策流程。除了智能开放平台，邓白氏中国还带来了新产品FinHub金融智能平台，该平台基于智能体搭建，旨在帮助金融机构在合规审核、尽职调查等过程中提升效率。

本届进博会上，邓白氏设置“全球企业可信增长平台”专区，围绕可信身份与档案、业务增长、业务保护和商业协同四个阶段，为中国企业参与全球商业合作提供贯穿业务发展的支持。借助邓白氏编码?、邓白氏核验和邓白氏注册服务，企业可以建立全球统一的商业身份与档案，更清晰地向国际市场展示自身资质、能力与价值。在此基础上，企业可进一步利用龙易查发现潜在客户与合作伙伴、拓展业务机会，并通过DUNTrade付款信息交流计划加强回款和现金流保护，帮助企业更稳健地融入全球供应链和商业网络。

邓白氏与上海交通大学安泰经济与管理学院联合发布《中国企业AI与智能体应用成熟度白皮书》显示，47.6%的受访企业仍处于关注、个人尝试或小范围试点阶段，11.9%的受访企业已经进入系统性使用阶段，或将AI视为企业核心竞争力的一部分。相关结果表明，企业AI应用正在由分散工具使用向业务流程融合演进，但不同企业之间的成熟度仍存在明显差异。

白皮书进一步指出，数据能力是影响企业AI落地的重要基础因素。73.8%的受访企业认为现有数据能力存在短板，仅16.7%的受访企业认为数据能够或较好地支持AI应用；与此同时，64%的受访者将“输出结果不稳定或难以验证”列为智能体落地的主要挑战。这些发现说明企业AI价值的实现不能只依靠模型本身，还需要业务场景、数据基础、流程嵌入、组织执行和治理机制等多方面能力协同支撑。

编辑：