飛書 “打破” AI 與協(xié)同辦公的「黑箱」互聯(lián)網(wǎng)+
協(xié)同辦公場景的AI應用重點依舊不在于場景的多少,AI在協(xié)同辦公領域的應用場景并不多,聚焦企業(yè)的辦公場景做好數(shù)據(jù)閉環(huán)。

文 | 智能相對論
作者 | 陳泊丞
在協(xié)同辦公領域,自從有了AI,微軟、釘釘、Google Workspace、Salesforce、企業(yè)微信、飛書等廠商都試圖通過深度整合AI技術,從智能會議、內(nèi)容創(chuàng)作、數(shù)據(jù)管理等場景重構辦公范式。
微軟通過Microsoft 365 Copilot將AI嵌入日常辦公全流程,重點覆蓋智能會議與協(xié)作、內(nèi)容創(chuàng)作與優(yōu)化等場景。釘釘聚焦智能會議、文檔協(xié)作、數(shù)據(jù)分析、知識管理等辦公核心場景,并在日前發(fā)布了AI表格,首次將文檔融入數(shù)據(jù)表,進一步定義數(shù)據(jù)管理范式。
實際上,看一圈下來,AI在協(xié)同辦公領域的應用場景并不多,大多圍繞會議、數(shù)據(jù)、內(nèi)容、知識等做流程優(yōu)化、管理升級。飛書在今年“未來無限大會”上發(fā)布多款AI產(chǎn)品和功能升級,包括知識問答、AI會議以及升級版的多維表格等,核心場景依舊不變,真的有意義嗎?

答案是必然的。在 AI 技術與協(xié)同辦公深度融合的今天,如何讓AI工具真正服務于業(yè)務需求,恰恰是行業(yè)發(fā)展的焦點,而非場景拓展的多少。這同時也是重構協(xié)同辦公范式最難的一點,即系統(tǒng)性地打破AI應用中的不確定性與模糊性,讓AI真正成為可解釋、可控制、可落地的生產(chǎn)力工具。
協(xié)同辦公的AI,依舊是個「黑箱」
在協(xié)同辦公場景中,AI的「黑箱」特性并非指功能不可用,而是指其核心決策邏輯、數(shù)據(jù)處理過程、結果生成路徑對用戶(包括企業(yè)員工、管理者甚至IT部門)而言,透明度不高——用戶只能看到輸入和輸出,卻無法解釋“AI 為何做出這個判斷”“這個結果是基于哪些數(shù)據(jù)得出的”等等一系列過程中的推理思路。
為什么很多企業(yè)的知識管理做不好?根本原因不是AI技術不給力,而是傳統(tǒng)的AI應用是基于外部知識庫所打造的,往往存在諸多不準確、不嚴謹?shù)男畔⒈籄I所識別,并用于結果生成,從而造就了「黑箱」。
當然,企業(yè)也可以專門搭建結構化的知識庫,用于AI訓練和推理,從根本上解決「黑箱」問題。但,這不是一件簡單的工程,大企業(yè)有能力,卻面臨著組織體系龐大和業(yè)務布局廣而知識堆積嚴重;中小企業(yè)則缺乏系統(tǒng)性的整理以及知識分布碎片化等問題。
總的來說,各有各的難處,這就直接限制了AI的價值發(fā)揮。飛書知識問答的上線,正是為了解決這一問題,不需要提前搭知識庫,AI直接就能聊天記錄、會議紀要、企業(yè)文檔等日常沉淀的信息中抓取知識、理解權限并結構化輸出答案。
這一功能的本質(zhì)是通過企業(yè)級數(shù)據(jù)閉環(huán)徹底改變了傳統(tǒng)AI工具依賴外部知識庫的模式。在飛書的演示視頻中,當飛書CEO謝欣提問“飛書鴻蒙項目進展如何”,系統(tǒng)自動關聯(lián)相關文檔、群聊記錄和會議紀要,生成結構化答案并標注每一條信息的來源鏈接。
這種“所見即所得”的設計不僅解決了企業(yè)需要專門搭建結構化知識庫的痛點,將企業(yè)日常信息完全盤活,更關鍵的是成功打破了AI的「黑箱」,讓用戶能夠清晰追溯AI的推理過程,不再難以想象,并基于內(nèi)部知識減少AI幻覺。
回過頭來看,協(xié)同辦公場景的AI應用重點依舊不在于場景的多少,而在于如何解決AI「黑箱」的問題。以飛書為代表的廠商通過讓AI的知識來源、推理過程、數(shù)據(jù)依據(jù)更透明,試圖在效率與可靠性之間找到平衡。
在“技術-功能-場景”三重閉環(huán)下,走完“最后一公里”
協(xié)同辦公的AI應用基本遵循“技術-功能-場景”三重閉環(huán),技術創(chuàng)造功能,功能放置場景,最終閉環(huán)落地。即便是后期的升級,也大多是圍繞技術、功能與場景三大模塊開展。
這一次,飛書升級的AI會議同樣是圍繞這三重閉環(huán)而展開。在技術上,聲紋識別等技術的加入,帶來一系列功能升級,如會議中實時生成逐字稿、一鍵生成結構化會議紀要、提取行動項等。緊接著,針對協(xié)同辦公場景,通過飛書AI會議,企業(yè)可以實時保存日常開會所沉淀下來的數(shù)據(jù)、信息和知識,并轉化成為企業(yè)資產(chǎn),再通過AI功能進行匯總,并反饋給用戶(包括員工、管理層等),最終在三重閉環(huán)下完成升級。

事實上,協(xié)同辦公領域涌現(xiàn)了諸多AI應用,但是部分體驗并不好。究其原因,在“技術-功能-場景”的三重閉環(huán)邏輯下,有的只是走完了前面兩重閉環(huán),在最后的“場景”閉環(huán)中始終抓不住重點,落地不了。
比如,很多辦公平臺都在嘗試“知識問答”,但傳統(tǒng)的AI應用中往往需要手動構建結構化知識庫。這在實際的辦公場景是很難落地的,背后增加的人力成本(專門雇一個人來做知識庫構建,不專業(yè)也夠懂業(yè)務)和時間成本(業(yè)務人員自己多花時間構建知識庫)等都極大地限制了使用。
正是因為沒有考慮到實際場景中的落地問題和實用性,也就導致了知識問答在協(xié)同辦公場景中一直得不到普及。飛書知識管理試圖回歸場景,聚焦企業(yè)的辦公場景做好數(shù)據(jù)閉環(huán),從而走完三重閉環(huán)的“最后一公里”,推動知識管理落地。
這一路徑同樣在被釘釘所使用,其最新發(fā)布的AI表格的本質(zhì)是將企業(yè)的業(yè)務邏輯、業(yè)務數(shù)據(jù)轉化為AI可執(zhí)行的數(shù)字模型——通過大模型與RPA的結合,技術能力被轉化為智能化的功能,如自動抓取平臺數(shù)據(jù)、店鋪數(shù)據(jù)等;再通過表格與業(yè)務流程的融合,功能模塊用于輔助業(yè)務場景分析和決策,如評估店鋪運營、對接工單保修等。
在這個過程中,“AI表格”成了企業(yè)業(yè)務開展的重要支撐。如果沒有最后一環(huán)“場景”的融合,那么“AI表格”就只是更聰明的表格,無法發(fā)揮應有的應用價值。由此可見,頭部辦公平臺對AI的應用已經(jīng)更多聚焦在場景上做技術與功能的升級和適配。
在這一趨勢下,協(xié)同辦公的AI正在加速“淘金”,而場景就是最好的篩子,誰能更好地圍繞著場景作應用,打破「黑箱」,誰家的AI就能在當下激烈的競爭脫穎而出。決定這一切的并非AI技術的先進或應用場景的多寡,而是實際落地的邏輯和效果。
正如飛書 CEO 謝欣所言:“AI時代,企業(yè)需要的不是更多功能,而是真正能解決問題的成熟工具。”當AI的每一步?jīng)Q策都可追溯、每一項功能都可驗證、每一個場景都能創(chuàng)造價值,協(xié)同辦公的「黑箱」才真正被敲碎,而這正是飛書為行業(yè)帶來的范式革命。
*本文圖片均來源于網(wǎng)絡
此內(nèi)容為【智能相對論】原創(chuàng),
僅代表個人觀點,未經(jīng)授權,任何人不得以任何方式使用,包括轉載、摘編、復制或建立鏡像。
部分圖片來自網(wǎng)絡,且未核實版權歸屬,不作為商業(yè)用途,如有侵犯,請作者與我們聯(lián)系。
?AI產(chǎn)業(yè)新媒體;
?澎湃新聞科技榜單月度top5;
?文章長期“霸占”鈦媒體熱門文章排行榜TOP10;
?著有《人工智能 十萬個為什么》
?【重點關注領域】智能家電(含白電、黑電、智能手機、無人機等AIoT設備)、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范,任何轉載的稿件都會明確標注作者和來源;
2.TMT觀察網(wǎng)的原創(chuàng)文章,請轉載時務必注明文章作者和"來源:TMT觀察網(wǎng)",不尊重原創(chuàng)的行為TMT觀察網(wǎng)或?qū)⒆肪控熑危?br>
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。
