你的公司可能需要一個 AI 水龍頭

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，從錯綜復雜盤根錯節的文檔里，壓根梳理不出一個產品的迭代歷史，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來說，人才最重要的價值，除了在項目中的產出，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歷、用戶場景和行業經驗的知識信息。

人走了，但是他們曾經腦海中的所有信息，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。

雖說提到數字化時代，要做好的知識管理，但許多企業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，調用困難。這也不是企業意愿的問題，而是做起來的確很難。

這兩年的 AI 新浪潮到來，終于能看到優質解法的可能性，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品，飛書知識問答。

這個產品是我第一次看見企業場景的 AI 問答落地。

如果企業里面的信息能夠「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，就如同在復雜的供水系統中，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，也可以做出區分。能真的用我們飛書里的有權限的信息，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，大家通常認為團隊堅持文檔優先的協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，就可以從沉睡的數據變成每個人都可以隨取即用的企業資產。

在工作中遇到問題時，可隨時向它提問，能根據我們在飛書上有權限訪問的所有消息、文檔、知識庫、文件等信息，直接給出精準答案。同時，我們還能借助它，基于企業知識進行內容創作，獲取深入的業務洞察。

2 水龍頭光裝是不行的，得能流出水：場景落地才是關鍵

飛書問答的場景是落地的。能用才是關鍵，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：

• 項目進展：不用再有大量的無意義的周報整合工作，而是依據群聊、周報、會議紀要，自動生成一覽報告，并把關鍵風險高亮。同時還可以追溯來源。而不是反復跟下屬確認，下屬再跟下屬確認，層層套娃。

• 業務指標隨手查：從不同的維度，隨口一講，就可以自動摘取，比如，某某業務 12 月的銷量，繼而同比環比詳解一次性呈現。

• 模糊記憶精準匹配：不用準確的關鍵詞，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要、會議紀要逐字稿，我們每個人經歷的會議上的每句話都可以被回顧到。這相當于是一個私人工作助理。

• 助寫工作文檔、獲取業務建議：知識問答可結合海量企業知識、通過深度推理，為我們的業務相關問題提供建議，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據資料。消息、文檔、會議紀要、日歷、服務臺等等，是一個自然沉淀的過程。

3 toB 的技術底座

toC 和 toB 在技術應用層面，實際上有不同的技術底座。

飛書知識問答采用的是經典的 RAG（Retrieval-Augmented Generation）路線：先在有權讀取的內容里檢索，再讓大模型生成答案，所有出處可追溯。內部知識是主菜，外網信息是輔料，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」。這指的就是內部的知識。

技術層面，基于「同事」和「人」的反饋，可定位到精準同事和負責人，相關對話、文檔、文件，模糊搜索即可準確定位。

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

要實現這些技術，并非易事。拿權限舉例。飛書問答需要嚴格按照權限管理和生成內容，每個用戶可生成的內容都依據其權限處理，根據自己掌握的權限范圍生成內容，即一名普通員工、一名業務總監，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限、群權限、服務臺詞典權限，在整合這些知識的過程中數據有著錯綜復雜的關系。為了保護企業數據安全，企業數據不會用于訓練模型，因此要做全量信息的檢索，防止錯漏，這其實是一種考驗。

AI 現在最大的問題不是模型本身有多強，而是很難獲取到足夠多、足夠相關的上下文信息，也就是數據的沉淀和系統的整合。

在 AI 應用場景的時代，垂直領域都會有全新的技術中間層，滿足通用型 AI 無法滿足的場景。這是垂直領域的壁壘成立的關鍵。

4 為 AI 做好準備

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

• 第一，大模型的準備。底層的技術支持。

• 第二，數據的沉淀。飛書本身就能夠支持企業做好絕大部分場景下的沉淀。

• 第三，系統的整合。飛書也可以幫助企業更有效地整合企業內那些孤立的、分散的系統（ERP、CRM、財務等等）。

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

知識庫的質量，有這樣一個公式：

知識庫質量 = （知識質量 × 員工提問能力）^ 技術能力

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，應該是高效的企業工具 + AI，需要把組織的工作流沉淀的數據自然外化——AI 應該會自學、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」變為「信息篩選與決策者」。

使用像飛書問答這樣的產品，理想的未來應該是：

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

• 銷售在與客戶溝通時，對于產品參數的疑問，幾分鐘內就能根據銷售的權限以及歷史材料，得到建議的回復話術。

• 一次項目的復盤，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，還能生成相關的表格和參考資料。

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

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進行申請。

題圖由 Midjourney 繪制。