斯坦福 " 以人爲本 " 人工智能研究所（Stanford HAI）的負責人埃裏克 · 布林約爾松，和麻省理工的科學家安德魯 · 麥卡菲，曾在 2011 年向這個世界提出過一句忠告：
" 讓人類能夠與機器一起奔跑，而不是與機器賽跑。"
2011 年前後發生了這樣幾件事。那一年經典的 iPhone 4s 問世，史蒂夫喬布斯去世；同年的微軟開始從 Windows 7 邁向 Windows 8，前者在 2020 年仍然是全球第二受歡迎的操作系統；就在 2011 年到來之前，由谷歌自動駕駛技術灌入的一隊豐田普銳斯，在美國道路上硬生生跑了 1000 英裏。也是在 2012 年，Glitch 的開發項目被取消，不久後 Tiny Speck 開始了 Slack 的開發。後者在 10 年之後成爲了一個日活躍用戶數量超過 1200 萬，超過 65% 的财富 100 強公司都在使用的信息化工具。
人類的文明發展從來都是一場伴随着機器的長跑。
最初意義上的 " 機器 " 由工業革命帶入，将世界上大量的農業人口轉換成工業人口。互聯網帶來的信息革命又進一步将大量工人的崗位移交給白領。
這種變革的開始往往是不可預料的。
自動駕駛第一次落地的僅僅 6 年前，經濟學家弗蘭克 · 利維和理查德 · 默南恩仍然自信的認爲人類對汽車的控制是永遠無法自動化的任務。那句 " 忠告 " 提出未到一年，Hinton 及其弟子帶着卷積神經網絡 AlexNet 的高表現，砸爛已經沉悶許久的人工智能高牆，然後在計算機視覺領域（CV）拉開了全新的一場大幕。
眼下，白領與程序員們又開始擔心被替代。
自動駕駛、計算機視覺領域的技術躍進現在，又突然降臨到從 ChatGPT 引領的 AI 新變革上。而相比之前，這場眼下的變革無比接近——并且無差别的接近——身處這個時代的所有企業。
" 讓人類能夠與機器一起奔跑，而不是與機器賽跑。" 這要求人類需要提前思考自己與機器的關系。這句話放到現在仍有意義，隻是 " 機器 " 眼下要讓位給 "AI"。吳曉波在剛過去的年度演講上有過類似的表達：
" 對于每一個企業來講，每個人來講，AI Ready 是什麽呢？"
在 AI 降臨之前 "Ready"
AI Ready 這句話來自飛書。
AI 能力加持下的飛書 7 在去年 11 月末亮相時，會場擁擠的不得不在隔壁的另一個廳裏開設第二現場來接納已經過載的企業客戶代表。這足以說明當下嗅覺敏銳的企業對 AI 能力的迫切需求。
但飛書 CEO 謝欣卻退了一步。在 AI 充滿想象力的能力面前，他認爲企業需要先做到 "AI Ready"。
企業從工業時代走向信息化，現在又在從信息化進一步跳向 AI 化的關鍵一躍面前。企業主希望借着一個足夠完美的工具來一勞永逸的引入大模型能力，翹起整個企業的 AI 化轉身。但現實情況是，很多企業引入了大模型之後發現 AI 能力隻是 " 看起來很美 "，像油浮于水，無法真的滲透進企業内部的生産和組織。
大模型有常識，但在進一步學習前它并不懂企業。" 大模型 + 企業 Knowhow" 的邏輯足夠淺顯易懂，但當企業本身數字化程度不夠成熟，這些 "Knowhow" 隻是無數的紙質文檔，沒有辦法接入到大模型底座去。同時，一個企業内部往往引入了大量不同且相互封閉的系統，這些系統承載了企業所有的數據但割裂在不同的系統裏，無法爲 AI 所用。
這也是謝欣爲什麽會說，" 作爲中國的大模型元年，目前 AI 能力還很有限， 它不一定能讓我們的每一項任務都如期所願。我們當下更重要的是先讓自己做到 AI Ready。"
這是一個極其複雜的工程。
圖源：來自網絡
知識的沉澱是最基礎性的問題。
AI 化的前提是企業本身數字化水平的成熟，數字化的基本前提是企業内部大量知識的系統性沉澱。這一過程涉及大量的數據積累，包括企業的運營數據、市場信息、客戶行爲洞察以及内部管理經驗等。這些數據和知識需要通過科學的方法和技術手段進行系統化管理，以形成企業的知識資産。
" 隻需要有銷售規模和價格，我們就能把價格彈性估算出來，這樣就能明晰降價 10% 能夠帶來什麽。如果沒有最基本使用數據的意識，數據就是 0 和 1 代碼而已。" 中歐國際工商學院市場營銷學教授王高曾以 " 價格彈性 " 爲例說明數據的價值。
《2022 年中國首席營銷官（CMO）調查報告》中的數據顯示，在營銷手段上，54% 的企業未使用新技術，在已使用新技術的企業中，17% 使用人工智能技術。以此推算，僅 7.8% 的企業采用人工智能技術營銷。在應用層面，數據沉澱不夠和數據管理意識不足是中國在大數據營銷應用中最大的挑戰。
這意味着一個數字化程度高的企業首先要建立起一個一個高效的數據收集和存儲機制，确保從各個業務環節流入的數據都能被有效捕獲和安全存儲。其次，這些數據需要通過先進的分析工具和方法進行加工處理，轉化爲可用的知識和洞察。這一過程不僅包括數據的清洗和分類，還包括對數據的深入分析，以提煉出對業務發展具有指導意義的信息。
此外，知識的有效管理和共享同樣重要。企業需要建立一套完善的知識管理系統，确保知識的有序沉澱、高效傳遞和應用。而這又非常依賴數據的全面性，後者決定着數據挖掘和沉澱最終能帶來多高的價值。
也就是說，數據的流通又進一步依賴于企業内各系統之間的整合。
因爲信息化漸進性發展的曆程和企業發展的階段性，很多系統都是爲了某個獨立的業務部門或業務需求而設計研發的，例如 ERP、CRM，WMS，OA、TMS。而在這些系統被引入後，就成了一根根 " 系統煙囪 "。因爲 " 系統煙囪 " 的存在，企業各環節的數據被困在一個個孤島裏。
CIO/IDG 研究服務公司曾在 2018 年對歐美大企業 ( 員工超 1000 人 ) 做過一次調查，這份針對多個行業跨國公司數據科學和工程團隊領導人的調查發現，将近 90% 的人在大力投入于 AI，但全面獲得投入回報的寥寥無幾。而其中最大的困境就是企業數據在包括數據倉庫、數據湖、數據庫和文件系統内的數百個系統中的分散。
現在這也成爲國内大量企業在數字化過程中面臨的棘手問題。
對 AI 的認知與大模型和大模型人才的引入，是 "AI Ready" 的最後一步。而在那之前，數據的沉澱和系統整合的程度決定了 AI 能力能在多大程度上進入企業的内核。因此 "AI Ready" 的第一步，也是從企業找到一個合适的方式，讓數據能夠周全的被沉澱成知識，并且能跳出各自系統自由流動開始。
不要把 AI 能力想象成一場 " 空降 "
對于安克創新的創始人陽萌來說，這場爲迎接 AI 所做的準備，從 2021 年就開始了。
2011 年陽萌告别 Google 的軟件工程師生涯，在美國注冊了 Anker 品牌，并回到國内成立海翼電商――安克創新前身。之後這家公司一路銜枚疾走，用了 10 年時間位列國内營收規模最大的消費電子品牌之一。2020 年 8 月，安克創新在深交所創業闆挂牌上市。那時的安克創新，銷售額過億的産品線已經有 18 個，背後是 2000 名員工組成的龐大組織。并且可預見的，這個組織會進一步複雜化。
戰略大師波特曾在産業經濟學理論中提出過一個洞見，聚集在一起的，在一個小範圍、小地域内的相近的團隊那麽快速的發展。相互的學習可以遠超外界其他的團隊的速度去進化，直至取勝。而安克創新的研發隊伍正好有着多國市場、多品類的團隊特性。
圖源：搜狐
成立十周年之際，這家企業決定開始向學習型組織轉型。他需要一個平台來聚合十幾個不同品類的産品團隊，以及幾十個不同國家的營銷團隊。2021 年安克創新決定引進飛書。
一個學習型組織的核心，是人不要成爲企業内部知識流通的阻礙，而沉澱下來的知識也不會随着人的流動而消失。陽萌回憶，2021 年安克創新在飛書上沉澱下來的文檔有 100 多萬篇，這個數字在 2023 年變成 200 萬。當陽萌出現在幾個月前飛書 7 的發布會上是，安克創新已經變成了一家研發人員超過 2000 人，總員工數量超過 4000 人的企業。
這些文檔經過歸檔和提煉後進入企業的知識庫，幾百萬篇的文檔的積累和這些私域知識的存在，讓陽萌能夠有一些底氣說，" 安克創新今天成爲了一個相對 AI ready 的公司 "。
AI 能力在企業内的引入不會是一場 " 空降 "，反而更像一場數字化的繼續走深。AI 能力與企業數字化的微妙關系也在這裏，AI 能力需要基于企業本身數字化的成熟來發揮效用，前者最大的價值，又是在解決企業高度數字化之後所遇到新的問題。
安克創新在飛書上每年新增 200 萬份文檔，這些文檔沉澱在知識庫的各層的目錄裏邊，雖然結構完整，但随着文檔越來越多，目錄樹的層級越來越深，這讓文檔的可觸達性越來越低。
" 試想一下，在一個 10 層的知識庫目錄樹裏去一個文檔，這就好像當年在 C 盤裏找一個文件一樣，這其實是很痛苦甚至絕望的。"
這也是爲什麽當飛書産品副總裁齊俊元帶着一個叫做 " 飛書智能夥伴 " 的 AI 産品來了安克創新，陽萌會非常激動。
" 飛書智能夥伴 " 有知識、有記憶，有主動性，也能深入到業務中。在内容創作、内容總結、數據分析、場景構建、系統搭建等業務場景，用戶均可與智能夥伴一起共事。" 飛書智能夥伴 " 作爲一個開放的 AI 服務框架，企業可根據業務場景自主選擇适合的底層大模型。
在飛書智能夥伴的支持下，安克創新的産品經理們隻需要在加載相應的數據，就能快速地了解一個産品的全盤信息。比如說客戶在這個産品裏最不滿意的三個問題是什麽，以及針對相應問題，具體的用戶反饋都是怎樣的。這能夠幫助産品經理精确的完成産品反饋信息的收集。
安克創新針對每個業務品類配置了個性化的産品助手，隻要把知識庫裏的産品相關的文檔加載進去，産品助手就能用 10 種語言，随時随刻的及時回複銷售同事的産品問題，這爲銷售團隊實現了非常高效的産品答疑。并且這種産品助手在回答時會一并提供這個回答出處的文檔。這種白盒化的機制讓企業能夠反向的去對知識庫進行調試和糾偏。
" 這就有點像，後來人在享受沉澱下來的知識時，同時也在修剪這棵樹木，讓這棵樹長得更好。陽萌說，" 所以我們的同事們也就從簡單的知識使用者，轉變成了與知識對話并且在改進知識的創造者。"
一個工作平台在 AI 時代的角色
1972 年，五名 IBM 員工離開了老東家，在德國曼海母創建了他們自己的新公司 SAP。迪特馬爾 · 霍普當時觀察到的迹象是，自己在 IBM 時期的客戶已經開始自行開發類似的程序來處理業務流程。但大多數企業并沒有自行開發軟件的能力，這意味着設計一套可複用的标準化系統來集成和實現用戶的業務流程，這個想法大概是可行的。
如果說那時候 SAP 的創始團隊還下了一場賭注，那就是 " 計算機 " 這個新物種将會很快成爲企業運轉中的核心角色。當時沒有微機， 計算機最多僅有 500k 内存，而僅僅 3 年後，美國 MITS 公司拿出了人類曆史上第一台個人計算機。巧合的是，蘋果公司同樣在 1972 年創立。
而世界現在對于大模型的興奮，景象熱烈如第二次經曆半世紀前的那一台 Altair 8800。
50 年後，SAP 已經在 140 多個國家和地區擁有超過 10 萬名員工。企業和企業軟件的關系，也從最早主動尋求從手工作坊向标準化軟件系統轉變，到今天近乎困在大量臃腫而并不流通的軟件體系裏，尋求一次新的效率解放。
現在企業已經不缺少能夠服務單一工作環節或場景的軟件系統，但缺少一個 " 搭積木 " 的工具，讓企業能把不同的軟件系統以最适合自己的方式協同起來，并且數據可以穿越系統間的壁壘而自由流動。
飛書的變化也從企業現在最大的痛處開始。
飛書最初的發展是一個協同辦公工具的平台化過程，企業用戶多來自知識密集型産業。随後飛書逐漸進入業務場景更重、更複雜的産業。幾年裏飛書幾經叠代，在縱向上打磨出了一條知識在企業内部沉澱和流通的管道，在橫向上逐漸引入第三方系統，形成了一個飛書 =Slack+Zoom+Google Doc+Workday+Airtable+Teambition 的開放生态。
圖源：飛書
齊俊元透露了一組内部數據，用戶每天和智能夥伴的交互中，有超過 10 次的交互和飛書原有功能無關，而是在使用非飛書官方提供的系統。這個數字不算高，但在齊俊元看來張力很大。
" 長此以往會改變企業數字化軟件的設計思路。以前我們更多是功能導向地去設計企業數字化軟件，但其實隻要我們做好信息分發，建立好協同關系，這些系統自然就活了。甚至很多時候，隻有當信息分發管道和協同關系建立好之後，企業中這些數字化系統才會有意義。"
本質上，飛書的角色開始從協同辦公平台走向一個工作平台。
在這個視角下，所有業務系統都是這個工作平台的組成部分。飛書需要把自己往後方，在知識密集型産業之外，很多人會用大量其他系統來完成工作，飛書需要成爲那個協同各個系統的串聯者。與此同時，成爲一個工作平台的飛書，本身則需要變得足夠抽象和開放，來适應不同行業賦予其上的具體需求。
" 随着我們的開放性越做越好，我們産品的關鍵能力也會越來越清晰，之後的産品會越做越少，化繁爲簡 "，齊俊元表示。
以退爲進的是，在郵件、IM 溝通、文檔乃至業務系統都可以在飛書上直接跑起來之後，第三方系統的引入使得飛書能夠實現對企業全流程的承載。在這樣 All in One 的基礎上，隻要工作流程在飛書上跑起來，企業内部的所有數據和知識都會在這同一個池子裏。
把數據和知識的水蓄夠了，是 AI Ready 的前提，這時候飛書作爲工作平台的角色又變成了一個打開就能用的 "AI 水龍頭 "，幫助企業進一步完成從 AI Ready 到 AI Native（AI 原生）的轉變。
謝欣視飛書智能夥伴爲一位具備智慧和能力的 " 人 "。如果從這個角度來理解這個新的 AI 産品，這位無限注意力和記憶力的 " 新同事 " 最重要的價值，就是用 AI 能力将企業數據和知識的沉澱及分發的阻力進一步降低，讓這個池子的水變得更活。這個過程中所有被需要的系統——不管是飛書内部的文檔或者第三方業務系統——都會遵循這個第一性原理出現在合适的位置。
世界即将走向一個更加智能、互聯且高效的時代。在這個時代中占先的企業一定是 AI 驅動的，飛書正在見證并且促成着這場變革。
