xAI 資料科學團隊的 Sally Xu 於 11 月 2 日在官網發文，介紹團隊在 Grok Bot 裡打造的共用機器人 Data Bot。它能查詢資料倉儲、進行分析，並依提問者習慣的形式回傳結果，也能加入 Slack 頻道。文章估計，上週它處理了約 70 小時原本會落到資料科學團隊頭上的工作。
這個數字是內部估算，沒有說明統計方法。官網頁面的署名是 SpaceXSI，xAI 今年已與 SpaceX 合併。團隊規模文章只說「小」，沒有給出人數，因此 70 小時佔了多大比重，外界無從推算。
教給它的是四類規矩
Data Bot 跑在 Grok Bot 的團隊機器人功能上，能力來自資料團隊維護的共用技能，分為四類：
- 指標與分析：統一活躍使用者、營收等核心指標的定義，寫明來源資料表與查詢邏輯；指標出現波動時，先依細分市場、地區拆解，再核對節假日與產品異動紀錄，之後才下結論。
- 實驗：A/B 測試的設定、檢定力分析、曝光平衡與樣本偏差檢查、放量規劃，檢定力足夠後才撰寫結論報告。
- 圖表與儀表板：趨勢用折線圖、類別比較用橫條圖，並套用團隊的主題與風格指南；對話中的圖表可以轉成 Databricks 或 Hex 儀表板。
- 資料工程：dbt 模型的撰寫與審查規範、資料管線告警慣例，以及新功能上線時如何加入埋點。
另一塊是共用記憶。它會記下某條資料管線由誰負責，或某次指標下滑其實是地區節假日造成的。這類新記憶需要管理員核准，通過後才對所有使用者生效。一個人教過的東西，其他人下次不必再教，錯誤的記憶也有一道攔截關卡。
誰在用
文章舉了三位非資料職位同事的用法。
產品經理 Kevin Niparko 把它當同事來問，幾分鐘就拿到答案，追問時也不必重跑一遍分析。他偏好簡短結論搭配圖表，Data Bot 就照這個習慣輸出。他的形容是：
「having a data scientist in his pocket」（口袋裡裝了個資料科學家。）
生命週期行銷的 Jon Brenner 給它一個 Braze 活動 ID，詢問開啟郵件的人後來做了什麼。在 X Subscription 那次推廣中，他用這個辦法統計出有多少收件者真的更換了方案，這個問題 Braze 內建的指標無法回答。
營收成長總監 Katy Abbaszadeh 用它衡量活動對銷售管道與既有交易的推動，追蹤每週目標，查出進度卡在哪裡，再把結果做成簡報用的圖表。
進了 Slack 之後，它還能依排程執行任務，例如按資料團隊的規範追蹤某項指標、發送週報。同事可以直接對週報追問，或請它去查異常波動。需要更多判斷的複雜分析，文章表示仍歸資料團隊；團隊也承認還在摸索它需要哪些額外指導。
內部工具與產品兩條路
橫向比較，這件事最近一年有幾個可供對照的樣本。
Anthropic 6 月公開過內部做法：把業務資料直接接給 Claude，準確率只有 21%，先把口徑與規則餵進去之後，約 95% 的資料分析問題 Claude 能自己回答。OpenAI 9 月在 ChatGPT Work 裡加入 Data agent，走的是產品路線，連接 Snowflake、BigQuery 等資料來源，並在 Tableau、Power BI 等六款工具裡直接建立儀表板。
xAI 這篇更接近 Anthropic 那一路：內部團隊把隱性知識寫成技能，模型只是執行者。與 Anthropic 不同的是，xAI 沒有公布準確率，既沒有前後對照，也沒有說明錯誤答案如何被發現。對提問的產品經理與行銷人員來說，他們往往沒有能力自己複核一段 SQL，這個空白比 70 小時更影響其他公司能否照著做。
權限也是一樣。文章提到記憶更新需要審核，卻沒提誰能查哪張資料表。對一個開放給全公司、連著資料倉儲的機器人，營收與使用者資料的存取範圍如何劃分，文中沒有說明。
Data Bot 本身是否有對外銷售的計畫，文章也沒寫。頁面上的 Grok Bot 可以下載、也可以聯絡業務，今年 10 月它還開始為使用者分配專屬電子郵件信箱；團隊機器人這項功能，外部客戶能否用到同樣的程度，還要看 xAI 後續的產品說明。
參考來源：xAI 官方部落格、CocoLoop、Grok Bot 官方帳號；70 小時為團隊內部估算口徑，Anthropic 與 OpenAI 的對照數據取自兩家公司先前公開的說明。