Przetłumaczono z angielskiego oryginału. Liczby i źródła pozostają bez zmian. Przeczytaj angielski oryginał
Grab
Agenci analityczni Grab odpowiadają na więcej zapytań o dane bez udziału analityka
Grab uruchamia agentów AI w Slacku i wewnętrznym portalu, aby zespoły biznesowe mogły zadawać pytania o dane zwykłym językiem. Grab podaje, że w jednym kanale samoobsługowym odsetek zapytań obsłużonych bez udziału człowieka wzrósł w trzech typach zapytań między marcem a majem 2026 roku.
Kluczowe liczby
Przepisane dokładnie ze źródeł. Skopiuj każdą liczbę wraz z przypisem.
od 53 % do 67 %
Odsetek pytań o wskaźniki w kanale samoobsługowym na Slacku obsłużonych bez udziału człowieka (od marca do maja 2026)1
od 63 % do 90 %
Odsetek pobrań danych w tym samym kanale obsłużonych bez udziału człowieka (od marca do maja 2026)1
od 50 % do 81 %
Odsetek zapytań SQL w tym samym kanale obsłużonych bez udziału człowieka (od marca do maja 2026)1
od 44 % do 30 %
Odsetek zamkniętych zgłoszeń analityków, które były pracą mechaniczną, taką jak przygotowanie danych, alerty i raportowanie (od lutego do czerwca 2026)1
Ile to kosztowało
Koszt, wielkość zespołu i harmonogram nie zostały ujawnione w źródłach.
Problem
Niemal każda decyzja w Grab zależy od danych. Zespoły biznesowe czekały, aż analitycy przygotują dane, napiszą zapytania i zbudują raporty, więc wydajność ograniczało tempo pracy analityków. Grab chciał, aby każdy, kto podejmuje decyzję biznesową, od razu dostawał wiarygodne odpowiedzi.
Co zbudowano
Grab zbudował kilku agentów AI do analiz. Spartan odpowiada zwykłym językiem biznesowym w Slacku, od pytań o przyczynę źródłową, takich jak dlaczego spadły przychody na danym rynku, po podsumowania eksperymentów. Scarlet reaguje, gdy zawodzi potok danych: znajduje przyczynę, a potem ją naprawia lub przekazuje odpowiedzialnemu zespołowi. BriX to wewnętrzny portal, w którym analitycy jednorazowo konfigurują dedykowane narzędzie analityczne dla zespołu i uruchamiają je w Slacku, w narzędziu do kodowania lub według harmonogramu.
Jak to zrobiono
Agenci odpowiadają na podstawie certyfikowanych wskaźników, czyli definicji zatwierdzonych przez Grab, a nie z pamięci modelu. Spartan kieruje każde pytanie do jednej z ponad 50 umiejętności i 120 schematów analizy. System o nazwie ContextIQ aktualizuje opisany kontekst każdego wskaźnika, a za każdym razem, gdy agent zawodzi w produkcji, Grab poprawia kontekst, który za nim stoi. Inżynierowie danych odpowiadają za BriX, platformę i kolejkę wsparcia, bez menedżera produktu i projektanta.
Wyniki
W jednym kanale Slack z włączonymi agentami samoobsługowymi odsetek pytań o wskaźniki obsłużonych bez udziału człowieka wzrósł z 53 % do 67 % między marcem a majem 2026 roku. Pobrania danych wzrosły z 63 % do 90 %, a zapytania SQL z 50 % do 81 %. Grab podaje też, że mechaniczny udział zamkniętych zgłoszeń analityków spadł z 44 % w lutym do 30 % w czerwcu, a czas realizacji skrócił się o około jedną trzecią.
Co warto powtórzyć
Warto mierzyć automatyzację według typu zapytania, a nie jako jedną średnią. Warto najpierw zainwestować w definicje i kontekst. Warto zaplanować, co analitycy zrobią z odzyskanym czasem.
Wszystkie zgłoszone liczby
| Miara | Liczba | Przypis |
|---|---|---|
| Odsetek pytań o wskaźniki w kanale samoobsługowym na Slacku obsłużonych bez udziału człowieka (od marca do maja 2026) | od 53 % do 67 %1 | |
| Odsetek pobrań danych w tym samym kanale obsłużonych bez udziału człowieka (od marca do maja 2026) | od 63 % do 90 %1 | |
| Odsetek zapytań SQL w tym samym kanale obsłużonych bez udziału człowieka (od marca do maja 2026) | od 50 % do 81 %1 | |
| Odsetek zamkniętych zgłoszeń analityków, które były pracą mechaniczną, taką jak przygotowanie danych, alerty i raportowanie (od lutego do czerwca 2026) | od 44 % do 30 %1 | |
| Skrócenie czasu realizacji zgłoszeń (Q1 wobec Q2, według wykresu Grab) | ~33 %1 | |
| Wzrost korzystania z portalu BriX od września 2025 roku | ponad 10-krotny1 |
Wnioski dla Twojego projektu
Warto śledzić odsetek zapytań zamkniętych bez udziału człowieka według typu zapytania. Grab osobno podaje pytania o wskaźniki, pobrania danych i SQL, co pokazuje, w czym agenci są najmocniejsi.
Warto certyfikować definicje wskaźników, zanim doda się agentów. Grab twierdzi, że niejasne definicje powodują większość słabych wyników analiz, i poprawia dokumenty kontekstowe za każdym razem, gdy agent zawodzi.
Warto umieszczać agentów tam, gdzie ludzie już proszą o pomoc. Z kanału Slack Grab korzystają głównie osoby spoza zespołu analitycznego.
Warto świadomie przekierować czas zaoszczędzony przez analityków. Grab przesunął go na procesy samoobsługowe i głębsze analizy oraz mierzy mechaniczny udział zgłoszeń.
Zastrzeżenia
- Wszystkie liczby pochodzą od Grab, z jednego wpisu na blogu inżynieryjnym. Żadna niezależna strona ich nie potwierdza.
- Wpis nie podaje modeli AI stojących za Spartanem, Scarlet i BriX. Wspomina o narzędziu projektowym Claude Design, wyłącznie do interfejsu portalu, co nie wskazuje, jaki model napędza agentów.
- Wpis mówi, że część eksploracji działa w produkcji, a część to wciąż eksperymenty. Nie mówi, które, i nie podaje daty uruchomienia. Pokazana data wdrożenia to data wpisu.
- Skrócenie czasu realizacji podano jako ~33 % i opiera się na wykresie Q1 wobec Q2, którego nie dało się odczytać z tekstu. Liczby dla kanału dotyczą jednego kanału Slack, nie całej pracy analitycznej.
- Grab podaje też szacunek 230 do 470 dni roboczych unikniętego zaległego nakładu pracy. To założenie 1 do 2 dni na zgłoszenie, więc nie jest tu używane.
- Nie podano kosztu, wielkości zespołu ani czasu budowy samych agentów.
Źródła
- How AI is transforming analytics at Grab
Grab Engineering Blog · 2026-08-01 · Blog firmowy · engineering.grab.com
Streszczone własnymi słowami na podstawie powyższych źródeł. Zauważyłeś błąd? Zobacz sprostowania.