飞书怎么解“AI Ready”这道难题？
斯坦福 " 以人为本 " 人工智能研究所（Stanford HAI）的负责人埃里克 · 布林约尔松，和麻省理工的科学家安德鲁 · 麦卡菲，曾在 2011 年向这个世界提出过一句忠告：
" 让人类能够与机器一起奔跑，而不是与机器赛跑。"
2011 年前后发生了这样几件事。那一年经典的 iPhone 4s 问世，史蒂夫乔布斯去世；同年的微软开始从 Windows 7 迈向 Windows 8，前者在 2020 年仍然是全球第二受欢迎的操作系统；就在 2011 年到来之前，由谷歌自动驾驶技术灌入的一队丰田普锐斯，在美国道路上硬生生跑了 1000 英里。也是在 2012 年，Glitch 的开发项目被取消，不久后 Tiny Speck 开始了 Slack 的开发。后者在 10 年之后成为了一个日活跃用户数量超过 1200 万，超过 65% 的财富 100 强公司都在使用的信息化工具。
人类的文明发展从来都是一场伴随着机器的长跑。
最初意义上的 " 机器 " 由工业革命带入，将世界上大量的农业人口转换成工业人口。互联网带来的信息革命又进一步将大量工人的岗位移交给白领。
这种变革的开始往往是不可预料的。
自动驾驶第一次落地的仅仅 6 年前，经济学家弗兰克 · 利维和理查德 · 默南恩仍然自信的认为人类对汽车的控制是永远无法自动化的任务。那句 " 忠告 " 提出未到一年，Hinton 及其弟子带着卷积神经网络 AlexNet 的高表现，砸烂已经沉闷许久的人工智能高墙，然后在计算机视觉领域（CV）拉开了全新的一场大幕。
眼下，白领与程序员们又开始担心被替代。
自动驾驶、计算机视觉领域的技术跃进现在，又突然降临到从 ChatGPT 引领的 AI 新变革上。而相比之前，这场眼下的变革无比接近——并且无差别的接近——身处这个时代的所有企业。
" 让人类能够与机器一起奔跑，而不是与机器赛跑。" 这要求人类需要提前思考自己与机器的关系。这句话放到现在仍有意义，只是 " 机器 " 眼下要让位给 "AI"。吴晓波在刚过去的年度演讲上有过类似的表达：
" 对于每一个企业来讲，每个人来讲，AI Ready 是什么呢？"
在 AI 降临之前 "Ready"
AI Ready 这句话来自飞书。
AI 能力加持下的飞书 7 在去年 11 月末亮相时，会场拥挤的不得不在隔壁的另一个厅里开设第二现场来接纳已经过载的企业客户代表。这足以说明当下嗅觉敏锐的企业对 AI 能力的迫切需求。
但飞书 CEO 谢欣却退了一步。在 AI 充满想象力的能力面前，他认为企业需要先做到 "AI Ready"。
企业从工业时代走向信息化，现在又在从信息化进一步跳向 AI 化的关键一跃面前。企业主希望借着一个足够完美的工具来一劳永逸的引入大模型能力，翘起整个企业的 AI 化转身。但现实情况是，很多企业引入了大模型之后发现 AI 能力只是 " 看起来很美 "，像油浮于水，无法真的渗透进企业内部的生产和组织。
大模型有常识，但在进一步学习前它并不懂企业。" 大模型 + 企业 Knowhow" 的逻辑足够浅显易懂，但当企业本身数字化程度不够成熟，这些 "Knowhow" 只是无数的纸质文档，没有办法接入到大模型底座去。同时，一个企业内部往往引入了大量不同且相互封闭的系统，这些系统承载了企业所有的数据但割裂在不同的系统里，无法为 AI 所用。
这也是谢欣为什么会说，" 作为中国的大模型元年，目前 AI 能力还很有限， 它不一定能让我们的每一项任务都如期所愿。我们当下更重要的是先让自己做到 AI Ready。"
这是一个极其复杂的工程。
图源：来自网络
知识的沉淀是最基础性的问题。
AI 化的前提是企业本身数字化水平的成熟，数字化的基本前提是企业内部大量知识的系统性沉淀。这一过程涉及大量的数据积累，包括企业的运营数据、市场信息、客户行为洞察以及内部管理经验等。这些数据和知识需要通过科学的方法和技术手段进行系统化管理，以形成企业的知识资产。
" 只需要有销售规模和价格，我们就能把价格弹性估算出来，这样就能明晰降价 10% 能够带来什么。如果没有最基本使用数据的意识，数据就是 0 和 1 代码而已。" 中欧国际工商学院市场营销学教授王高曾以 " 价格弹性 " 为例说明数据的价值。
《2022 年中国首席营销官（CMO）调查报告》中的数据显示，在营销手段上，54% 的企业未使用新技术，在已使用新技术的企业中，17% 使用人工智能技术。以此推算，仅 7.8% 的企业采用人工智能技术营销。在应用层面，数据沉淀不够和数据管理意识不足是中国在大数据营销应用中最大的挑战。
这意味着一个数字化程度高的企业首先要建立起一个一个高效的数据收集和存储机制，确保从各个业务环节流入的数据都能被有效捕获和安全存储。其次，这些数据需要通过先进的分析工具和方法进行加工处理，转化为可用的知识和洞察。这一过程不仅包括数据的清洗和分类，还包括对数据的深入分析，以提炼出对业务发展具有指导意义的信息。
此外，知识的有效管理和共享同样重要。企业需要建立一套完善的知识管理系统，确保知识的有序沉淀、高效传递和应用。而这又非常依赖数据的全面性，后者决定着数据挖掘和沉淀最终能带来多高的价值。
也就是说，数据的流通又进一步依赖于企业内各系统之间的整合。
因为信息化渐进性发展的历程和企业发展的阶段性，很多系统都是为了某个独立的业务部门或业务需求而设计研发的，例如 ERP、CRM，WMS，OA、TMS。而在这些系统被引入后，就成了一根根 " 系统烟囱 "。因为 " 系统烟囱 " 的存在，企业各环节的数据被困在一个个孤岛里。
CIO/IDG 研究服务公司曾在 2018 年对欧美大企业 ( 员工超 1000 人 ) 做过一次调查，这份针对多个行业跨国公司数据科学和工程团队领导人的调查发现，将近 90% 的人在大力投入于 AI，但全面获得投入回报的寥寥无几。而其中最大的困境就是企业数据在包括数据仓库、数据湖、数据库和文件系统内的数百个系统中的分散。
现在这也成为国内大量企业在数字化过程中面临的棘手问题。
对 AI 的认知与大模型和大模型人才的引入，是 "AI Ready" 的最后一步。而在那之前，数据的沉淀和系统整合的程度决定了 AI 能力能在多大程度上进入企业的内核。因此 "AI Ready" 的第一步，也是从企业找到一个合适的方式，让数据能够周全的被沉淀成知识，并且能跳出各自系统自由流动开始。
不要把 AI 能力想象成一场 " 空降 "
对于安克创新的创始人阳萌来说，这场为迎接 AI 所做的准备，从 2021 年就开始了。
2011 年阳萌告别 Google 的软件工程师生涯，在美国注册了 Anker 品牌，并回到国内成立海翼电商――安克创新前身。之后这家公司一路衔枚疾走，用了 10 年时间位列国内营收规模最大的消费电子品牌之一。2020 年 8 月，安克创新在深交所创业板挂牌上市。那时的安克创新，销售额过亿的产品线已经有 18 个，背后是 2000 名员工组成的庞大组织。并且可预见的，这个组织会进一步复杂化。
战略大师波特曾在产业经济学理论中提出过一个洞见，聚集在一起的，在一个小范围、小地域内的相近的团队那么快速的发展。相互的学习可以远超外界其他的团队的速度去进化，直至取胜。而安克创新的研发队伍正好有着多国市场、多品类的团队特性。
图源：搜狐
成立十周年之际，这家企业决定开始向学习型组织转型。他需要一个平台来聚合十几个不同品类的产品团队，以及几十个不同国家的营销团队。2021 年安克创新决定引进飞书。
一个学习型组织的核心，是人不要成为企业内部知识流通的阻碍，而沉淀下来的知识也不会随着人的流动而消失。阳萌回忆，2021 年安克创新在飞书上沉淀下来的文档有 100 多万篇，这个数字在 2023 年变成 200 万。当阳萌出现在几个月前飞书 7 的发布会上是，安克创新已经变成了一家研发人员超过 2000 人，总员工数量超过 4000 人的企业。
这些文档经过归档和提炼后进入企业的知识库，几百万篇的文档的积累和这些私域知识的存在，让阳萌能够有一些底气说，" 安克创新今天成为了一个相对 AI ready 的公司 "。
AI 能力在企业内的引入不会是一场 " 空降 "，反而更像一场数字化的继续走深。AI 能力与企业数字化的微妙关系也在这里，AI 能力需要基于企业本身数字化的成熟来发挥效用，前者最大的价值，又是在解决企业高度数字化之后所遇到新的问题。
安克创新在飞书上每年新增 200 万份文档，这些文档沉淀在知识库的各层的目录里边，虽然结构完整，但随着文档越来越多，目录树的层级越来越深，这让文档的可触达性越来越低。
" 试想一下，在一个 10 层的知识库目录树里去一个文档，这就好像当年在 C 盘里找一个文件一样，这其实是很痛苦甚至绝望的。"
这也是为什么当飞书产品副总裁齐俊元带着一个叫做 " 飞书智能伙伴 " 的 AI 产品来了安克创新，阳萌会非常激动。
" 飞书智能伙伴 " 有知识、有记忆，有主动性，也能深入到业务中。在内容创作、内容总结、数据分析、场景构建、系统搭建等业务场景，用户均可与智能伙伴一起共事。" 飞书智能伙伴 " 作为一个开放的 AI 服务框架，企业可根据业务场景自主选择适合的底层大模型。
在飞书智能伙伴的支持下，安克创新的产品经理们只需要在加载相应的数据，就能快速地了解一个产品的全盘信息。比如说客户在这个产品里最不满意的三个问题是什么，以及针对相应问题，具体的用户反馈都是怎样的。这能够帮助产品经理精确的完成产品反馈信息的收集。
安克创新针对每个业务品类配置了个性化的产品助手，只要把知识库里的产品相关的文档加载进去，产品助手就能用 10 种语言，随时随刻的及时回复销售同事的产品问题，这为销售团队实现了非常高效的产品答疑。并且这种产品助手在回答时会一并提供这个回答出处的文档。这种白盒化的机制让企业能够反向的去对知识库进行调试和纠偏。
" 这就有点像，后来人在享受沉淀下来的知识时，同时也在修剪这棵树木，让这棵树长得更好。阳萌说，" 所以我们的同事们也就从简单的知识使用者，转变成了与知识对话并且在改进知识的创造者。"
一个工作平台在 AI 时代的角色
1972 年，五名 IBM 员工离开了老东家，在德国曼海母创建了他们自己的新公司 SAP。迪特马尔 · 霍普当时观察到的迹象是，自己在 IBM 时期的客户已经开始自行开发类似的程序来处理业务流程。但大多数企业并没有自行开发软件的能力，这意味着设计一套可复用的标准化系统来集成和实现用户的业务流程，这个想法大概是可行的。
如果说那时候 SAP 的创始团队还下了一场赌注，那就是 " 计算机 " 这个新物种将会很快成为企业运转中的核心角色。当时没有微机， 计算机最多仅有 500k 内存，而仅仅 3 年后，美国 MITS 公司拿出了人类历史上第一台个人计算机。巧合的是，苹果公司同样在 1972 年创立。
而世界现在对于大模型的兴奋，景象热烈如第二次经历半世纪前的那一台 Altair 8800。
50 年后，SAP 已经在 140 多个国家和地区拥有超过 10 万名员工。企业和企业软件的关系，也从最早主动寻求从手工作坊向标准化软件系统转变，到今天近乎困在大量臃肿而并不流通的软件体系里，寻求一次新的效率解放。
现在企业已经不缺少能够服务单一工作环节或场景的软件系统，但缺少一个 " 搭积木 " 的工具，让企业能把不同的软件系统以最适合自己的方式协同起来，并且数据可以穿越系统间的壁垒而自由流动。
飞书的变化也从企业现在最大的痛处开始。
飞书最初的发展是一个协同办公工具的平台化过程，企业用户多来自知识密集型产业。随后飞书逐渐进入业务场景更重、更复杂的产业。几年里飞书几经迭代，在纵向上打磨出了一条知识在企业内部沉淀和流通的管道，在横向上逐渐引入第三方系统，形成了一个飞书 =Slack+Zoom+Google Doc+Workday+Airtable+Teambition 的开放生态。
图源：飞书
齐俊元透露了一组内部数据，用户每天和智能伙伴的交互中，有超过 10 次的交互和飞书原有功能无关，而是在使用非飞书官方提供的系统。这个数字不算高，但在齐俊元看来张力很大。
" 长此以往会改变企业数字化软件的设计思路。以前我们更多是功能导向地去设计企业数字化软件，但其实只要我们做好信息分发，建立好协同关系，这些系统自然就活了。甚至很多时候，只有当信息分发管道和协同关系建立好之后，企业中这些数字化系统才会有意义。"
本质上，飞书的角色开始从协同办公平台走向一个工作平台。
在这个视角下，所有业务系统都是这个工作平台的组成部分。飞书需要把自己往后方，在知识密集型产业之外，很多人会用大量其他系统来完成工作，飞书需要成为那个协同各个系统的串联者。与此同时，成为一个工作平台的飞书，本身则需要变得足够抽象和开放，来适应不同行业赋予其上的具体需求。
" 随着我们的开放性越做越好，我们产品的关键能力也会越来越清晰，之后的产品会越做越少，化繁为简 "，齐俊元表示。
以退为进的是，在邮件、IM 沟通、文档乃至业务系统都可以在飞书上直接跑起来之后，第三方系统的引入使得飞书能够实现对企业全流程的承载。在这样 All in One 的基础上，只要工作流程在飞书上跑起来，企业内部的所有数据和知识都会在这同一个池子里。
把数据和知识的水蓄够了，是 AI Ready 的前提，这时候飞书作为工作平台的角色又变成了一个打开就能用的 "AI 水龙头 "，帮助企业进一步完成从 AI Ready 到 AI Native（AI 原生）的转变。
谢欣视飞书智能伙伴为一位具备智慧和能力的 " 人 "。如果从这个角度来理解这个新的 AI 产品，这位无限注意力和记忆力的 " 新同事 " 最重要的价值，就是用 AI 能力将企业数据和知识的沉淀及分发的阻力进一步降低，让这个池子的水变得更活。这个过程中所有被需要的系统——不管是飞书内部的文档或者第三方业务系统——都会遵循这个第一性原理出现在合适的位置。
世界即将走向一个更加智能、互联且高效的时代。在这个时代中占先的企业一定是 AI 驱动的，飞书正在见证并且促成着这场变革。
