Alteryx 正在發展成為 AI 的連接紐帶

Alteryx 的最新功能推動其從數據準備專家轉型為企業數據與 AI 工具之間的連接層。

新功能於 9 月 9 日發佈，包括 模型上下文協議 (MCP) 服務器 和用於將可信數據集轉化為代理的工作室。這些功能旨在將 AI 應用程序與信息連接起來，包括企業規則和先前的分析，從而為 AI 工具提供 上下文，使其能夠正常運行。

因此，隨着企業 越來越多地嘗試超越實驗 使用代理並將 AI 工具投入生產，Alteryx 的新功能對該供應商的用户來説非常有價值，Omdia 的分析師 Stephen Catanzano 表示。

“這些功能代表了強有力的補充，因為它們使 Alteryx … 轉變為 AI 代理與企業業務邏輯之間的連接基礎設施，” 他告訴 TechTarget。

特別重要的是，這些新功能不要求 Alteryx 客户在每次構建 AI 應用程序時都創建新的上下文層，從而 節省了成本和精力，Catanzano 繼續説道。

“它們 [解決了] 組織在多個 AI 實施中重新創建相同業務規則的實際挑戰，同時保持安全性、可審計性和成本效率，” 他説。

與時俱進

在 AI 時代之前，企業通常依賴專家來構建數據工作流，包括像 Alteryx 這樣的供應商用於 數據準備、Fivetran 和 Informatica 用於 數據集成，以及 Qlik 和 Tableau 用於數據分析。現在，AI 工具可以獨立執行許多數據和分析任務，減少了對專業平台的需求。

為了保持對現有客户的相關性並嘗試吸引潛在新客户，許多數據和分析提供商正在不斷發展。例如，長期以來專注於自助分析的 GoodData 和 Tableau 正在重新定位自己，成為 AI 的基礎層。此外，無論是數據庫提供商如 MongoDB、數據平台供應商如 Databricks 和 Snowflake，還是治理層如 Alation 和 Collibra，AI 已迫使數據技術供應商進行調整。

這些功能代表了強有力的補充，因為它們使 Alteryx … 轉變為 AI 代理與企業業務邏輯之間的連接基礎設施。Stephen Catanzano Omdia 分析師

Alteryx 也在通過其最新功能實現這一目標。

ISG 的分析師 David Menninger 指出，企業和軟件供應商正在努力找出在構建 AI 工具時，依賴固定規則的確定性處理與使用統計模式的概率處理之間的最佳組合。對於執行數據工程和分析等任務的代理，通常更傾向於使用確定性處理，因為在使用相同輸入時可以產生一致的輸出。

“這就是 Alteryx 賺取其生計的地方，” Menninger 告訴 TechTarget。“新的 Alteryx 功能提供了數據和分析過程之間的粘合劑，這些過程由企業部署的 AI 代理來幫助實現自動化和增強決策。”

具體而言，Alteryx 最新的新功能包括：

• 代理工作室，一個環境，業務用户可以在其中將現有的、受管控的數據集轉化為他們可以使用自然語言查詢的代理。
• Alteryx MCP 服務器，一個基於 MCP 開放標準 的受管控連接，使 AI 工具能夠與 Alteryx 交互，以發現和操作相關數據。
• 更新版的 Ask Alteryx，將這一對話工具從嵌入式助手轉變為 供應商的 Alteryx One 平台 的主要界面。
• Alteryx Insights for OpenAI，一個集成，使用户能夠基於其組織分析師之前批准的專有數據和業務邏輯在 ChatGPT 中獲得洞察。根據 Alteryx 的説法，類似的集成正在與 Claude、Gemini、Slack 和 Microsoft Teams 開發中。
• Alteryx Skills，一個 GitHub 集成，教導代理接口如 OpenAI Codex 和 Claude Code 開發 Alteryx 資產，類似於 Ask Alteryx 的構建方式。

除了在 GitHub 上進行本地預覽的 Alteryx Skills，其他功能現在均已正式發佈。

根據供應商的首席產品官 Ben Canning 的説法，用户反饋促使 Alteryx 開發了新功能。通過與客户的對話，Alteryx 瞭解到企業在使用不同開發工具（如 Microsoft Copilot、Salesforce Agentforce 和 Amazon Bedrock）構建的代理時，難以獲得一致的答案。

Canning 在接受 TechTarget 採訪時表示：“你最終會得到對同一問題的不同答案，而無法判斷哪個是正確的，每個代理都在支付代幣重新推導企業多年前確定的邏輯。這就是我們所解決的問題。”

他繼續説道，由於代理需要提供一致輸出的業務邏輯存在於現有的 Alteryx 工作流中，供應商開發了將代理與 Alteryx 環境連接的工具。

Canning 説：“問題在於沒有代理能夠調用它們，所以我們構建了讓它能夠調用的層。企業只需構建一次邏輯，治理一次，並將其暴露給任何詢問的 AI 系統。”

Menninger 指出，Agent Studio 可能是新功能中最有價值的，因為它使用户能夠將現有 Alteryx 工作流的價值擴展到代理。

此外，Alteryx 作為組織數據與分析團隊之間的連接者的長期地位，使其在所有數據和分析供應商調整以適應 AI 的過程中脱穎而出，Menninger 繼續説道。

他説：“這種獨特的地位為 Alteryx 提供了構建模塊，以將 AI 世界與數據和分析結合在一起，而其他供應商未必能如此輕鬆做到。”

Catanzano 強調了 MCP 服務器，因為它使代理能夠以受管控和安全的方式與 Alteryx 工作流進行交互。同時，像 Menninger 一樣，他指出，通過將其能力定位於代理和企業數據之間，Alteryx 正在 AI 工作流中開闢一個相對獨特的位置。

他説：“這些功能使其成為 AI 代理與企業數據之間的中間件或業務邏輯層，而不是直接作為另一個 AI 代理平台競爭，這是一種獨特的架構方法。”

Catanzano 繼續説道，其他供應商如 Databricks、Microsoft 和 Snowflake 提供 AI 驅動的分析，但它們在自己的環境中保持數據與 AI 功能之間的連接。

他説：“Alteryx 明確設計了跨平台治理和互操作性，這可能為已經承諾使用多個 AI 工具的企業提供競爭優勢。”

Alteryx 在持續演變中的下一步

根據 Canning 的説法，在 2026 年最後幾個月，Alteryx 專注於提高代理工作流的 透明度，以增強對 AI 輸出的信任。這包括向最終用户解釋輸出為何可靠，並使代理更好地理解它們所依據的信息。此外，Alteryx 計劃增加功能，使代理能夠了解其結果隨時間的表現如何。

Canning 説：“將代理連接到受管控的邏輯是我們已經解決的部分。瞭解它運行後的情況是沒有人解決的部分。”

Menninger 建議 Alteryx 可以通過更好的信息傳遞受益。他指出，新功能服務於現有客户，但供應商需要向潛在新客户展示它在 AI 發展範式 中的適應性。

他説：“Alteryx 吸引新客户的關鍵是幫助市場更好地理解它們的定位以及如何補充企業 AI 部署。現有客户已經知道這一點。”

與此同時，Catanzano 建議 Alteryx 構建 行業特定能力，使受管控的工作流能夠輕鬆與組織執行其業務流程的操作系統協同工作。

他説：“此外，開發更復雜的工作流模板或一個市場，讓組織能夠共享匿名的、受管控的工作流模式，以應對供應鏈對賬或合規報告等常見業務流程，可能有助於吸引新用户。”

Eric Avidon 是 Informa TechTarget 的高級新聞撰稿人，擁有超過三十年的新聞經驗。他專注於分析和數據管理。