1 你的公司可能需要一個AI水龍頭

還記得多年之前，我在某大廠工作的時候，從錯綜復(fù)雜盤根錯節(jié)的文檔里，壓根梳理不出一個產(chǎn)品的迭代歷史，過去的項目資料也都分散各處，更不用說記錄不完整了。到處打聽，找到一個工作了 13 年的老員工，請喝了一杯咖啡，才淘到真的寶。

這件事兒給我留下的印象很深刻：對于這種有年頭的企業(yè)來說，人才最重要的價值，除了在項目中的產(chǎn)出，還有一個重要的方面：他們腦子里儲存的那些包含了大量項目經(jīng)歷、用戶場景和行業(yè)經(jīng)驗的知識信息。

人走了，但是他們曾經(jīng)腦海中的所有信息，無論是文檔、會議記錄，哪怕是項目流程里的一句話，這些都是有價值的痕跡。

雖說提到數(shù)字化時代，要做好的知識管理，但許多企業(yè)依舊停留在把文檔堆成山的階段：本地 Word 和 Excel、群文件、項目摘要、會議記錄，等等，沉淀混亂，調(diào)用困難。這也不是企業(yè)意愿的問題，而是做起來的確很難。

這兩年的 AI 新浪潮到來，終于能看到優(yōu)質(zhì)解法的可能性，不再依賴大量的人力整理和繁瑣的步驟，用更簡便的方法，就能管理好知識了。

今天飛書推出了一個產(chǎn)品，飛書知識問答。

這個產(chǎn)品是我第一次看見企業(yè)場景的 AI 問答落地。

如果企業(yè)里面的信息能夠「活」起來，你想要找的時候，都能找到，那「儲水」才變得有意義。

如果一家公司使用上了 AI ，最好的結(jié)局并不是讓人變懶，而是讓組織變得更聰明。

從意向上來說，就如同在復(fù)雜的供水系統(tǒng)中，接入了一個個水龍頭，打開即用。更重要的是，不同人取用的方式，也可以做出區(qū)分。能真的用我們飛書里的有權(quán)限的信息，在需要的時候，打開水龍頭，讓水自己流出來。

重點是，這個「儲水」的過程得自然。如果需要一個個 PDF 喂 、每天處心積慮地教，那也很累，無法長久堅持。反而如果每天處理信息就在飛書上，這件事就會變得簡單。

在此之前，大家通常認(rèn)為團(tuán)隊堅持文檔優(yōu)先的協(xié)作方式是最正確的選擇。包括我自己的播客，也會用妙記，用文檔的形式進(jìn)行寫作。因為有了 AI 的加持后，過去散落在文檔、群聊、日歷、會議等場景中的信息，就可以從沉睡的數(shù)據(jù)變成每個人都可以隨取即用的企業(yè)資產(chǎn)。

在工作中遇到問題時，可隨時向它提問，能根據(jù)我們在飛書上有權(quán)限訪問的所有消息、文檔、知識庫、文件等信息，直接給出精準(zhǔn)答案。同時，我們還能借助它，基于企業(yè)知識進(jìn)行內(nèi)容創(chuàng)作，獲取深入的業(yè)務(wù)洞察。

2 水龍頭光裝是不行的，得能流出水：場景落地才是關(guān)鍵

飛書問答的場景是落地的。能用才是關(guān)鍵，行不行先看效果。

無論對于管理者還是對于員工，乃至對于個人，都可以體驗到這些：

• 項目進(jìn)展：不用再有大量的無意義的周報整合工作，而是依據(jù)群聊、周報、會議紀(jì)要，自動生成一覽報告，并把關(guān)鍵風(fēng)險高亮。同時還可以追溯來源。而不是反復(fù)跟下屬確認(rèn)，下屬再跟下屬確認(rèn)，層層套娃。

• 業(yè)務(wù)指標(biāo)隨手查：從不同的維度，隨口一講，就可以自動摘取，比如，某某業(yè)務(wù) 12 月的銷量，繼而同比環(huán)比詳解一次性呈現(xiàn)。

• 模糊記憶精準(zhǔn)匹配：不用準(zhǔn)確的關(guān)鍵詞，模糊說出問題，知識問答就可幫我們匹配到工作中收到的信息。中間會檢索所有會議的智能會議紀(jì)要、會議紀(jì)要逐字稿，我們每個人經(jīng)歷的會議上的每句話都可以被回顧到。這相當(dāng)于是一個私人工作助理。

• 助寫工作文檔、獲取業(yè)務(wù)建議：知識問答可結(jié)合海量企業(yè)知識、通過深度推理，為我們的業(yè)務(wù)相關(guān)問題提供建議，甚至直接幫助我們起草一份文檔。

之所以飛書能夠成為這個水龍頭的取水之處，自然因為飛書有著充分的水源——我們不用不斷給知識庫輸入信息和知識，而是自然工作、正常生活，就能在飛書中積累下足夠多的數(shù)據(jù)資料。消息、文檔、會議紀(jì)要、日歷、服務(wù)臺等等，是一個自然沉淀的過程。

3 toB 的技術(shù)底座

toC 和 toB 在技術(shù)應(yīng)用層面，實際上有不同的技術(shù)底座。

飛書知識問答采用的是經(jīng)典的 RAG（Retrieval-Augmented Generation）路線：先在有權(quán)讀取的內(nèi)容里檢索，再讓大模型生成答案，所有出處可追溯。內(nèi)部知識是主菜，外網(wǎng)信息是輔料，兩套通路融合，也可以自行選擇，更加靈活有效。

就像我們熟悉的 AI Chat 工具里常見的額外選項一樣，飛書問答里多了一個「使用知識」。這指的就是內(nèi)部的知識。

技術(shù)層面，基于「同事」和「人」的反饋，可定位到精準(zhǔn)同事和負(fù)責(zé)人，相關(guān)對話、文檔、文件，模糊搜索即可準(zhǔn)確定位。

對于不同文檔格式的整理和融合，也有不同的技術(shù)要求，包括需要改寫碎片化信息、解析傳統(tǒng)文檔、處理云文檔中的不同格式和權(quán)限問題等。

要實現(xiàn)這些技術(shù)，并非易事。拿權(quán)限舉例。飛書問答需要嚴(yán)格按照權(quán)限管理和生成內(nèi)容，每個用戶可生成的內(nèi)容都依據(jù)其權(quán)限處理，根據(jù)自己掌握的權(quán)限范圍生成內(nèi)容，即一名普通員工、一名業(yè)務(wù)總監(jiān)，CEO 提出同一個問題，所生成的答案需要完全不同。

看似簡單，由于本身存在基于知識庫權(quán)限、群權(quán)限、服務(wù)臺詞典權(quán)限，在整合這些知識的過程中數(shù)據(jù)有著錯綜復(fù)雜的關(guān)系。為了保護(hù)企業(yè)數(shù)據(jù)安全，企業(yè)數(shù)據(jù)不會用于訓(xùn)練模型，因此要做全量信息的檢索，防止錯漏，這其實是一種考驗。

AI 現(xiàn)在最大的問題不是模型本身有多強(qiáng)，而是很難獲取到足夠多、足夠相關(guān)的上下文信息，也就是數(shù)據(jù)的沉淀和系統(tǒng)的整合。

在 AI 應(yīng)用場景的時代，垂直領(lǐng)域都會有全新的技術(shù)中間層，滿足通用型 AI 無法滿足的場景。這是垂直領(lǐng)域的壁壘成立的關(guān)鍵。

4 為 AI 做好準(zhǔn)備

雖說 AI 來了，分散的知識可以整合，但前提依然是需要企業(yè)能夠為 AI 做好準(zhǔn)備。重點是四個方向：

• 第一，大模型的準(zhǔn)備。底層的技術(shù)支持。

• 第二，數(shù)據(jù)的沉淀。飛書本身就能夠支持企業(yè)做好絕大部分場景下的沉淀。

• 第三，系統(tǒng)的整合。飛書也可以幫助企業(yè)更有效地整合企業(yè)內(nèi)那些孤立的、分散的系統(tǒng)（ERP、CRM、財務(wù)等等）。

• 第四，人和 AI 意識的儲備。要沉淀出知識庫，企業(yè)中的人也需要有意識。飛書的經(jīng)驗也能成為「知識庫的知識」。

知識庫的質(zhì)量，有這樣一個公式：

知識庫質(zhì)量 = （知識質(zhì)量 × 員工提問能力）^ 技術(shù)能力

把知識放到池子里，同時讓員工有對知識使用的意識，才能讓 AI 的發(fā)揮事半功倍。

在我看來，未來的 AI 知識管理，顯然不是給員工配一個 ChatGPT 或者 DeepSeek 的賬號，讓大家投喂資料，然后就能直接用了。

未來的知識管理，應(yīng)該是高效的企業(yè)工具 + AI，需要把組織的工作流沉淀的數(shù)據(jù)自然外化——AI 應(yīng)該會自學(xué)、會旁聽會議、會寫周報。員工扮演的角色，更多會從「信息搬運工」變?yōu)椤感畔⒑Y選與決策者」。

使用像飛書問答這樣的產(chǎn)品，理想的未來應(yīng)該是：

• 新人可以沒有擔(dān)憂地第一天就展開工作——所有概念定義和相關(guān)歷史追溯，都能一句話問到，當(dāng)下就能上手進(jìn)行下一步。

• 銷售在與客戶溝通時，對于產(chǎn)品參數(shù)的疑問，幾分鐘內(nèi)就能根據(jù)銷售的權(quán)限以及歷史材料，得到建議的回復(fù)話術(shù)。

• 一次項目的復(fù)盤，不用在搜集資料上就先耗費很多人很多天的精力，而是實時都能通過提問，得到不同維度的呈現(xiàn)，還能生成相關(guān)的表格和參考資料。

而對于企業(yè)來說，這才是真正擁有了自己的核心資產(chǎn)，有了不會輕易流失的經(jīng)驗知識。

想試用的朋友，在飛書中搜索「知識問答」即可。也可訪問ask.feishu.cn進(jìn)行申請。

題圖由 Midjourney 繪制。