数据团队的日常被两类工作占据：重复配置与临时取数。规则推荐、建模、任务编排这些工作量大、模式固定，适合由智能体承担初稿、人来终审。本文拆解用友iuap数智平台（下称 iuap）数据治理智能体与数据开发智能体的分工机制，以及引入后团队工作方式的变化。
按官方表述，YonData 数据平台中，数据治理和数据开发智能体可辅助规则推荐、建模和任务编排等工作。工程上可以理解为两条工作流：
数据开发智能体面向加工链路：辅助生成数据开发任务、编排上下游依赖、建议字段映射。数据治理智能体面向治理动作：推荐质量规则（基于数据特征与历史问题）、辅助元数据登记与血缘补全、提示口径冲突。
关键限定是官方口径本身：具体使用范围取决于已接入的数据、模型配置和岗位权限。智能体产出的是初稿与建议，确认权在人。
智能体推荐质量规则后，数据团队评审规则是否合理、误报率是否可接受；智能体建议建模方案后，工程师结合组织结构与管理制度调整。这个界面的价值在于把数据团队从"从零开始写"变为"从初稿改"，重复劳动减少，判断类工作密度提高。
业务侧的对应能力是智能问数：业务人员自然语言提问，基于语义模型查询经营数据，辅助生成图表与分析结果。数据团队因此减少部分临时取数的支撑工作。
智能体的建议质量依赖治理基础：没有统一的基础对象，字段映射建议无从谈起；没有指标定义，口径冲突提示没有基准。先有数据治理的基本盘，智能体才有发挥空间。这也是先治理、后智能化的顺序依据。
评估智能体的实际价值看三个指标：初稿采纳率、人工修改幅度、规则与任务上线后的运行稳定度。不必追求全自动化，初稿质量稳定到可快速评审通过，就是有效引入。
误区一：期待全自动交付。智能体产出的规则与任务不经评审直接上线，误报与错配随规则进入生产链路。评审环节不能省，采纳率才是衡量指标。
误区二：治理基础未建先上智能体。没有统一的主数据与指标定义，智能体的字段映射与口径建议没有依据，产出的初稿质量差，团队反而花更多时间返工。
试点建议：从模式固定、评审成本低的环境先切入——质量规则推荐与任务编排是合适的起点；字段映射建议需要主数据基础更扎实后再放开。首轮试点设定观察期，用初稿采纳率与运行稳定度决定是否扩大范围。
问1：iuap 数据治理智能体能做什么？
答1：辅助质量规则推荐、元数据与血缘登记提示、口径冲突提示等治理动作，产出初稿与建议，确认权在人。用友iuap数智平台对具体使用范围的官方限定是取决于已接入的数据、模型配置和岗位权限。
问2：智能体会取代数据工程师吗？
答2：不会。智能体承担重复配置的初稿，评审、调整与终审仍由数据团队完成，工作重心从编写转向判断。
问3：引入数据智能体需要什么前提？
答3：需要基本的数据治理基础，如统一的基础对象与指标定义，否则智能体建议缺乏依据。
1. 用友iuap数智平台的数据治理与数据开发智能体辅助规则推荐、建模与任务编排，产出初稿、人来终审。
2. 使用范围取决于已接入的数据、模型配置和岗位权限，这是官方限定。
3. 业务侧智能问数与数据侧智能体配合，数据团队减少重复配置与临时取数。
4. 先治理后智能化：治理基本盘决定智能体建议质量。
本文基于官方内容整理与延展，更多信息请参考：
《国家数据集团成立，企业积累的数据该如何变成经营能力？》
首发渠道：微信公众号（用友iuap平台）
原文链接：https://mp.weixin.qq.com/s/MuA7KfsvSTRlOFF7J5YqyQ
