11 月 22 日，飛書發布了大模型能力加持的新功能——「飛書智能夥伴」，相比市面上大多數類 Copilot 的産品而言，飛書選擇了完全不同的路徑。
爲了智能夥伴能夠成功「landing」，新版本飛書 7 做了很多準備，用飛書 CEO 謝欣的話說，「打好了基礎」，讓 AI 能夠接觸到更多的用戶行爲和數據——在用戶授權的前提下。
針對産品本身，飛書是如何思考的？
在 AGI 初見曙光的時候，面對 AI 帶來的生産力和協作範式的升級，企業組織應該怎樣做好準備？
參與組織裏的每一個人，未來與 AI 智能體的關系會是怎樣的？
我們跟謝欣聊了聊，他對這些問題的思考。
以下是極客公園創始人 & 總裁張鵬與飛書 CEO 謝欣的對話，經 Founder Park 編輯整理。
01
最初沒有規劃的功能
張鵬：飛書剛發布了一系列智能原生的應用，我先問你一個問題，你印象比較深的功能有哪些？
謝欣：我想一下我自己用的（經驗）。首先，每次開完會，生成智能會議紀要。熟悉飛書的朋友可能知道，飛書會議可以錄制，形成妙計，妙計就是把大家每一句話都原封不動展示出來，好處是很全，壞處就是太全了，看起來很辛苦。
所以首先我們在妙計裏形成一個摘要，這是第一步。很多産品可能到這一步就結束了，但我們覺得還不夠。
還有一個産品，飛書文檔。很多人手工寫會議紀要，會直接去文檔寫，所以我們開完會後，可以進入飛書文檔自動生成會議紀要，這個紀要是長度适中、不長不滿的内容，還會根據會議内容生成一些可能需要的待辦，可以轉成真正的待辦。往下還有分段落的紀要，第一段、第二段會議進行了什麽，再往下就是完整的妙計。
所以妙計現在是飛書完整的會議紀要的一部分内容。
張鵬：它是底座，在它上面有更加精準的、更跟你相關的，更節約你時間的内容。
謝欣：對。它比較好的一點，利用了飛書文檔這個産品。有時候，不管 AI 生成得如何，人總會覺得，「不太滿意，我想修改一下」，現在它就是一個飛書文檔，你可以随便改，添加一段文字，手工加個 to-do，删減一個，都可以。
它就是一個文檔，大家可以協同、編輯、評論，所有功能都集成到一起，這是第一個我印象很深的用得蠻多的功能。
張鵬：對，你應該要參加很多會議，或者很多會議内容需要被知曉。還有什麽（功能）？
謝欣：還有一個小功能，我們是做的過程中發現的，其實（最初）沒有規劃這個産品功能。
一個群，如果有很多消息沒看，會生成一個群未讀消息的摘要，這是大家能夠想到的功能，但我們在這之外延伸了兩個功能。
不止一個群有未讀消息的時候，可以在早上，收到所有未讀消息的合集。這個工作方式以前是沒有的，以往要進入一個群再處理，現在我可以看到（所有未讀消息）的總結。
此外還有一個相呼應的功能，每日工作總結。它把各個群消息彙總到一起，（生成）一個長度适中的（内容），累計一天，完成了哪些事情，哪些需要生成待辦。它可以跨群去總結，我自己感覺這個是非常實用的。
它産生了一個新的（處理）方式，以往 IM 解構的産品，都需要先進入一個群再做事，再進入另一個群。現在你可以直接看到一個完整的東西，每日工作總結，不就是一個簡版的日報嗎？相當于每天自動就有一個日報，也能滿足一些公司要寫日報的要求，把它作爲基礎再調整。
02
爲什麽是「夥伴」？
張鵬：飛書本來大家很欣賞的，因爲它促成了組織裏信息的流動，溝通很容易「艾特」，不會錯過協同的東西。但你現在說的這個進階（功能），實際上是信息化之後的智能化。
一個個體，在組織裏，工作流的信息化，是第一步。現在你們要把它智能化。
這個感覺很有意思，你們今年提到了一個非常重要的概念，「智能夥伴」。現在大家都流行叫 Copilot，爲什麽你們叫智能夥伴？「夥伴」這個視角該怎麽理解？
謝欣：我們的确花了很多精力去思考。今年四月，微軟發布 Copilot，大家都開始關注，我們就在想，爲什麽微軟叫它 Copilot？這個詞的含義是什麽？我們也在學習，看别的公司各種做法，AI 産品怎麽做，形态是什麽？
當時我們有一個很基礎的問題，整個産品，最主要的形态應該是什麽？
不同産品做法的确不一樣，主流最常見的，是原來的主産品，右邊加個小框，可以點出來對話。微軟的 Copilot，很多産品的基本形态都是這樣。然後我們思考，這個形态還是挺有價值的，但它是不是就是最根本、最應該出現的一個形态？（Copilot）這個形态像一個功能。比如 Excel 功能特别多，就（呼出 Copilot）讓它幫忙，是一個加強的功能。
後來我們看了很多，也學習了很多大模型本身的技術，就總覺得有點不對。大模型和以往的技術浪潮相比，有一點不太一樣，以往比如手機、移動互聯網，它是個手機，大家一看就懂。但這次是人工智能，核心，它是智能。什麽擁有智能？人有智能。所以（好的 AI 産品）不應該太像工具，更應該像一個「人」。很多 AI 産品、功能，都是一個浮窗，一個功能模塊。（像）人的話很不一樣，它得是 ID，是「一個人」。
其次，這個「人」是誰？
大家第一反應都是助手，assistant。現階段大模型的能力，的确像個助手，有用，但不是特别有用。我們實際使用時，也會發現自己的功能，有時候也不穩定，因爲大模型的能力大家也都知道，現狀的确是這樣。但我們預期以後一定會慢慢變強，技術在逐漸漲潮的過程中，移動互聯網十年，大模型今年可能算是元年，像 iPhone 一代，它的能力是有限的。
但是，iPhone 一代到 iPhone 15，基本形态都沒有發生太大的變化。
張鵬：理論上，在第一瞬間，至少演進的大目标應該是一樣的。
謝欣：對，我們在想，如果它（AI）以後越來越強了，它還會是個「助理」嗎？
「助理」這個定義可能不夠好。你想，你招了一個特别強的「助理」，它的能力、邊界都被「助理」限制。所以我們覺得，他應該是你的「夥伴」。它現在可能是個「小夥伴」，但會慢慢變強，逐漸可以把任務完全委托給它。
我覺得這是一個可能長期而言，更适用的概念。不論是當前能力還不是那麽強，還是未來能力很強的情況，它都是能夠基本保持穩定的概念。
再比如，（「夥伴」）和功能有什麽區别？功能之間是孤立的，每個功能操作完之後，功能本身不會記得你操作過。比如在 Word 裏把字調成紅色，但是沒有「人」幫你記住（這些操作）。
但是一個夥伴，隻要功能夠強，它記住了你所有的操作，知道你編寫了這個文檔，你在這件事上工作過，它擁有「記憶」。随着它未來越來越強大，它會慢慢掌握你工作需要的東西，了解你的工作風格習慣，我們認爲它的潛力是非常巨大的。
所以，（在授權的前提下）AI 能夠知道你工作中所有事情，我們覺得，這個 AI 的基本形态，應該是個夥伴。
張鵬：這個思維蠻第一性的。今年很多人都說大模型讓我們看到了所謂的「AGI 的曙光」，通向未來十年，很多人都有共識，AI 一定會深刻改變所有的環境。但我們最沒共識的，是未來三年怎麽走，下一個産品要怎麽做。
你剛才說的啓發了我，AGI 本質上要通用，也要真正的智能，所以把它當成一堆 feature 功能可能不夠，它應該有一個智能的「身份」。你定義了兩個核心的問題，一個是要有記憶，第二個是它在你（用戶）身邊和你的關系。
謝欣：對，我再展開。對于這個「夥伴」，我們額外再強調一點，它是每個人自己的夥伴。我們看了很多市面上的産品，有些産品是公共的 bot、機器人，每個人用它都是一樣的。
我們認爲這個「夥伴」是每個人未來都會有的（獨特的），它會非常了解我在工作中的權限，它隻能擁有我的權限，沒辦法擁有别人的權限。
張鵬：所以它應該是「我的智能夥伴」，不是全公司通用的。
謝欣：是的，更準确地說，首先有一個個人的夥伴，此外我們還可以做一些公共的夥伴，承擔一些專業職責。
我們可以說遠一點，今天（AI）還沒有這麽厲害，稍微展望一點。一個組織結構，每個部門裏都是人，但未來，随着智能夥伴越來越強大，能力越來越多，組織結構可能會有一些變化。
一方面，它擅長很多我們不擅長的能力，比如财務是一個專業學科，所以有一個人專門負責财務，編程是專業的，有人專門負責編程，這兩者是沒有關系的。但從智能夥伴來說，它的能力可能不是這樣劃分的。
大家知道現在大模型的能力，比如，它非常擅長總結，但是我們現在的組織裏 ...
張鵬：從來不存在一個總結崗。
謝欣：對，從來不存在。所以可能以後的公司結構，會因爲模型擅長的東西而産生影響，發生變化。
03
大模型産品化的認知在改變
張鵬：上半年 Copilot 的概念已經深入人心，我很好奇，飛書在這件事上，爲什麽不早點做一個 Copilot？最終爲什麽沒有直接做 Copilot，而是比較第一性地創造了「智能夥伴」的産品定義，内部發生了什麽？
謝欣：說實話，整個過程中我們也在學習。（大模型）對我們也是一個新的技術，最開始感覺市場有點着急，大家趕快地推出了很多功能，但後來感覺很多東西好像都變了。比如說 OpenAI，最初産品的一些結構，後來都改了。
我們發現，大家（對大模型産品）的很多認知在變化，我們在過程中也在學習。最開始看到微軟推出 Copilot，我們當時琢磨，「這可能是最好的形态」。
張鵬：哈哈哈，也曾經這麽想過，客觀地講。
謝欣：（笑）對，畢竟微軟很「大牌」嘛，哈哈哈。
然後我們找各種能找到的資料，去看、去學習、找人去問。最終，我覺得這不是一個很好的形态，它還是一個功能化的東西，在每個已有産品邊上添加功能，這個功能可以讓已有産品用得很好，但我覺得這不是很理想的。還是要往未來看，三年、五年後的大模型能力，應該有一個怎樣的産品形态。
張鵬：那其實是一個工具裏的助手，但我們可能真正想要的是一個智能夥伴。
04
業務場景裏的 AI 功能
張鵬：聽說飛書内部日常工作中已經用了很多 AI 的能力了，我們都是剛看發布會，剛開始學習了解，能不能先給我們分享一下，智能夥伴對組織、個體和具體業務，有怎樣的作用？
謝欣：我先說一個小的場景，但是用的人很多。我們商業化團隊，去獲客，介紹飛書，針對客戶的具體情況，我們要準備相應的材料。比如一個電商客戶，我們要準備材料，哪個方向，有什麽特點，規模大小 ...... 需要準備很久的時間。
張鵬：每個客戶單獨準備一套。
謝欣：對。要針對性地準備，pitch 的成功率才高。但每次的企業都不一樣，上一次集的材料下一次不一定能起作用，所以這個工作量其實很煩。現在，有一個 AI 的功能，你隻要在群裏把需求說出來，比如，一個中等規模家具廠，他們有什麽特點，然後（AI）很快，一兩分鍾就把相關材料準備好，可以生成一個很長的文檔。
以往大家去打單，你要花很多時間準備，然後才去見面，去聊。現在你可以花更多的時間去見面，去聊，這才是更有價值的時間。
張鵬：AI 在這裏開始明确地起到作用，輔助你（員工）節約了時間。
謝欣：它是一個業務場景。現在很多 AI 功能，開箱即用的功能，每家都差不多。但我覺得，進入一家企業中，除了那部分開箱即用的功能，還應該有一些根據業務特點定制的，随着業務發展開發出的深度功能。我們的商業化團隊，他們的工作效率就提升了很多倍。
張鵬：因爲它精準地對齊了特定團隊在特定環節裏效率提升的需求。
謝欣：是的，非常精準。還有一些其他的，比如說，銷售總監要 review 下面銷售的拜訪記錄，查看他們下一次的安排等等，這些也都被自動化了。現在實際上有一個智能夥伴在 review 這些東西，督促你下一次的動作，詢問你進展如何。相當于你和你的上級，這個工作流程，變成了你和你的智能夥伴之間的工作流程，然後上級可以直接查看彙總情況。
張鵬：所以未來，我們組織内很多的「對齊」，是不需要在對齊的動作中完成的。我們本身把「對齊」當成一個動作，可能這就是最大的問題。
謝欣：我特别同意。人們花了很多時間彼此同步信息、對齊信息，尤其在工作中，爲了防止信息差，需要花很多時間跟别人講清楚。我認爲這件事，未來随着 AI 能力逐漸增強，智能夥伴就可以幫助你基本完成，隻要你授權給它，它負責信息拉齊。
我覺得現在的工作場景中人和人之間的溝通，一種僅僅爲了信息對齊互通，另一種，我們希望讨論碰撞出新的火花，未來這（第二）種應該成爲主流，對齊的東西就交給智能夥伴。
張鵬：這激發了我對智能夥伴未來最大的願望。比如我們倆有很多要對齊的東西，我們的兩個智能夥伴之間，以光速就可以迅速完成，我們則要聊一下，那真是花兩個小時的人生啊。
05
要看到可能性
張鵬：我很好奇，未來你身邊會有智能夥伴，再結合到各個業務體系，更垂直的領域，還有更多的功能。現在我們所說 agent，要自己運用工具，甚至自己去組織（其他 agent）。未來這些夥伴，會不會有更多的，比如工具的能力？
謝欣：會的，特别正确。拿飛書來說，今天之前，飛書也好，其他也好，都是爲人設計的。未來的協同能力，還要爲 AI 設計，爲 agents 設計，爲智能夥伴設計。
整個這套平台，不能隻考慮人的便利，還要考慮到智能夥伴，這樣它才能給你帶來更多的便利，讓它把逐漸強大的能力發揮出來。
這個是非常重要的，飛書本來解決的是人與人的協同，現在在考慮人和 AI 怎麽協同，未來可能要考慮 AI 與 AI 如何協同，智能體之間如何組隊等等。現在也許（大模型）能力還不太行，但我們要看到它具有這種可能性，才能在未來把它做出來。
張鵬：跟你聊有一個特别強烈的感覺。越是對未來感到興奮的時期，越要做最基礎的工作，這就是要做到 AI Ready。AI Ready 有不同的視角，我先說說，很多時候，你把一個好産品放到員工面前，大家不一定真的能用好，這其實是很大的浪費。
飛書應該也面對這樣的問題，「智能夥伴」這個全新的概念，怎麽才能讓每個個體接受這種全新的關系？大多數人也許并不會第一時間就能感受到，這個時候就特别考驗産品，你們怎麽解這個問題？
謝欣：一方面從産品層面上努力，但說實話，也不能隻通過産品，我們也做不到（笑）。
張鵬：這是真問題。
謝欣：沒錯，現在來說，AI Ready 這件事非常重要。
想讓 AI 發揮作用，首先得讓它能接觸到數據，第一，以飛書爲例，飛書本身的數據 AI 也能接觸，我擁有權限的數據，我的智能夥伴能夠接觸，這個概念在飛書智能夥伴上感覺很自然。
張鵬：所以飛書本身基于信息充分流動的思想和架構，是一個很好的基礎面。
謝欣：是的。然後飛書之外的系統，我們也讓它在飛書 7 裏打開，我們把别的系統的數據，對 AI 開放，這是第二。
第三，有些（數據）壓根沒有系統，我們有很多工具，可以幫助搭建系統，通過 AI 或者其他方式，把數據構造出來，讓智能夥伴能夠接觸到。
這一切就是幫助企業實現 AI Ready（的方式）。
06
爲 AI 設計的組織結構
張鵬：AGI 在下一個 10 年裏對整個社會、商業會産生巨大的影響，那今天任何一個組織，不可能脫離這個影響，所以至少要做到 AI Ready。
飛書最早是在工作流裏帶着對組織的一些思考，讓信息充分流動，我發現這個出發點好像又轉回來了。它必然要帶着對組織的未來形态的思考，去設置這個工具，才能讓工具一步步适配組織在下一個時代的需求。
我們是不是可以非常明确地預言，未來的組織不能隻是人的組織，必須是人和 AI 協同的組織？
謝欣：就是這樣。我們剛才談到，現在的組織，說的是人。公司的組成、公司組織結構，什麽矩陣式的組織結構？按部門劃分、 BU 制、職能制，談的都是是人。而且人是按照适合的角色分類，按學科分類。
未來的組織會很不一樣。因爲 AI 擅長的事情，假設認識縱向的，AI 擅長的是人的橫向拉伸。它擁有非常多的知識，但有些東西又不擅長。
所以我認爲，未來的組織結構是比較複雜綜合的結構，一家企業裏，可能會有很多 AI 智能體，它和人是一種複雜的配合關系。個體的智能夥伴、公共的智能夥伴，然後公司的老闆可能有一個從他的視角，非常強大的俯瞰公司各種信息的智能體。
人們的配合方式可能也會變。現在，我們都是一個人彙報給另一個人，未來可能一些人做的工作是彙報給一個 AI，我覺得這是有可能的。
張鵬：所以你看讓人興奮的不隻是産品、工具、工作流（在改變），組織管理，我們過去認爲都定性了，大師寫了很多年的東西，也要發生變化了，這是真的讓人覺得很興奮的點。
謝欣：我覺得會的。而且因爲 AI 有些事情非常擅長，那些事人就可以不做了。這樣的話，一個人在原本一個崗位上的一部分職責，就被 AI 幫忙拿掉了，所以說，有可能人的崗位職責也會重構。
這個到底會怎麽演化，現在還說不太清楚。
張鵬：（笑）現在我們都有人力資源部，以後可能還有一個 AI 資源部。
07
打基礎很重要
張鵬：飛書這次年底的發布會，你猜一猜大家用上産品後反饋會怎樣？
産品層面未來叠代的速率是怎樣的？是快速叠代，還是更加審慎一些？
謝欣：發布之後，大家的反饋，我其實不太敢裁。（笑）就像剛剛提到的，現在是 iPhone 一代剛發布的時候，但大家的預期其實已經在期待 iPhone 4 了。所以我不太敢确定大家的反饋。
但我想說的是，我們現在做了很多基礎的工作，包括飛書 7 的産品形态，這個「智能夥伴」的定義，它能夠發揮的作用，我們花了很大的精力去打這些基礎。在今天，它不一定馬上就能變得很厲害，很強大，但是因爲基礎比較牢，我覺得後面它應該是眼見着，多一個功能，變強大一些，再強大一些。我會眼看着它變強大。我覺得，現在的基礎非常重要。
張鵬：所以，會不會傳統意義的産品叠代的過程也會變化？它可能會像一個夥伴一樣，依托數據和模型能力，跟用戶一起成長？
謝欣：會有一些變化。一方面，我們在打造一些更好用的工具和方法，讓這個夥伴的技能提升得更快。另一方面，未來我們可能會有，一個用戶創建了某個專業能力的夥伴，更多人能夠去使用。
張鵬：所以也有可能，在飛書上，會存在這種「專業能力的 Store」？每個人創造的好的「夥伴」，可以通過飛書的平台分享給更多的人？
謝欣：沒錯。我們其實在飛書 7 上花了很多精力打造這個基礎，我們也是反複思考學習，看别人踩過的坑，花很多時間做基礎工作，我認爲後面，會有更好的成長。
08
未來的 CEO 更需要做成事的決心和意願
張鵬：我再問一個好奇的問題。謝欣你這些年，一直在針對組織、協同、工具這些，跟随着公司一起成長，你本人也有足夠的管理經驗，我很好奇，你會怎麽定義自己，作爲組織裏的 CEO，正在下一個時代，怎麽能夠成爲一個更優秀的老闆？CEO 未來要考慮的最重要的問題是什麽？
因爲你面對的，可能不隻是一個由人組成的組織，可能是一種我們現在很難想象的組織形式。
謝欣：這是一個蠻有意思的問題。我其實思考得不夠深，但有一些基礎的想法可以分享一下。
CEO，一般來說，都有着某些專業能力，一路爬升，專業技能作爲基礎。我覺得未來，其實不單純是 CEO，可能 CEO 在這一點上更加凸顯——因爲 AI 本身的通用能力、技能型的能力會越來越強，CEO 角色對于專業能力的要求會稍微弱一些。更重要的，是你對做成一件事情的決心、意願，你的認知判斷能力可能會更加重要。
AI 在專業知識和技能方面，會成長得比較快，它會幫你把這塊能力補充上。比如我們要接觸制造業的公司，AI 會有各種制造業的知識，它都懂，你問它就好了。
但是你要有非常強的決心，要組織一切資源，一定要把這件事做成。
張鵬：甚至，定義這件事究竟應該是什麽事，這是 AI 做不到的。
聽起來對年輕人更有利？以前做個 CEO 怎麽也得 35 歲以上？（笑）以後，（專業）能力的爬坡，AI 會幫你爬了，但你需要更多地去理解世界，思考你真正覺得值得解決的問題，定義好問題，然後有足夠的決心和意願去推進。
謝欣：提出問題這個能力，變得很重要。
09
員工應該跑赢老闆
張鵬：剛才我們說 CEO 要怎麽适應，本質上是通向組織會如何變化，AI 會成爲夥伴，人的價值到底該怎麽釋放。
這也涉及到職場，如果老闆都在用 AI，有了 AI 夥伴，員工該怎麽辦？
謝欣：我覺得如果老闆用了 AI，那你要用一個更強的 AI，要跑赢老闆。
老闆一般時間不多，你有更多的時間學習更多 AI 相關的工具，去了解、掌握。你會超越他 / 她。
張鵬：哈哈哈，有道理，你說的這個視角，解鎖了大家更多往前探索的可能性。
10
不要讓 AI 刷存在感
張鵬：聽說你今年也全球各地跑，學習 AI 相關的東西，有什麽可以跟我們分享的？
謝欣：先說一個好玩的，我看到很多人用 AI 的一個場景，很搞笑的，用戶用 AI，寫郵件，寫一句 Prompt，讓 AI 擴寫完整，發出去。然後收件的人，把它 summary 出來，再簡化回來，就，兩個 AI 不知道在忙什麽事情。（笑）
我覺得就是，AI 的使用，要把它用在真正有效率的地方，而不是爲了讓 AI 刷存在感，好像是爲了用 AI 而用 AI。
張鵬：（笑）說白了，AI 不應該是一個形式，它應該直通真正的結果，應該真正解決問題。
謝欣：我們還聊了一些比較遠的、純技術，甚至有一點科幻的問題。我問了一個問題，現在大模型看起來很有智力，像一個隻會生物，但是它跟人有一個區别，人生下來，先有智力，然後學習知識，而大模型是先灌輸了足夠的數據，才擁有了智力。我就很好奇，爲什麽不一樣？
有個有意思的答案。感覺上數字的生命體和生物的生命體可能很像，但生物已經進化了很久，人可能是「GPT-1w」了，從最原始的單細胞草履蟲，沒有智力，（進化）過程中不斷地重新 train，每一代 train 一次，相當于把生活中的履曆，一定程度上 train 到了下一版本的大腦中，最後構成了現在（人類的智力）。
所以，我們看上去，生而擁有的智力，其實是前面無數代 pre-train 進去的，這一點跟大模型很像。
張鵬：其實換另一個視角，人類每天視覺、聽覺、觸覺，每天都在接觸世界接觸數據和信息，它也是一種學習。隻是未必是一種結構化的、文字化的東西，它可能本身也是多模态的，不斷在給我們輸入。人的成長過程中，這個數據量其實非常大。
