首页 > 技术迭代 > 内容

飞书如何解决“AI Ready”问题？

发布于：2024-06-28 编辑：匿名来源：网络

斯坦福大学以人为中心的人工智能研究所（Stanford HAI）的负责人埃里克布林约尔松和麻省理工学院的科学家安德鲁麦卡菲曾在2018年给世界一个建议：“让人类能够与机器竞争。

一起跑，而不是对抗机器。

”那段时间发生了一些事情。

那一年，经典的iPhone 4s问世，史蒂夫·乔布斯去世；同年，微软开始从Windows 7转向Windows 8，而前者仍然是全球第二受欢迎的操作系统；就在这一年到来之前，谷歌推出了一支搭载自动驾驶技术的丰田普锐斯车队，已经在美国道路上行驶了数英里。

同样是在2008年，Glitch的开发项目被取消，很快Tiny Speck就开始了Slack的开发。

十年后，后者成为日活跃用户超过 10,000 人、超过 65% 的最富有企业使用的信息工具。

人类文明的发展始终是一场与机器相伴的长跑。

最初意义上的“机器”是工业革命带来的，它使世界上大量的农业人口转变为工业人口。

互联网带来的信息革命，进一步将大量工人的工作岗位转移到白领阶层。

这种变化的发生往往是不可预测的。

就在自动驾驶首次起飞的六年前，经济学家 Frank Levy 和 Richard Murnane 仍然坚信人类对汽车的控制是一项永远无法自动化的任务。

那个“建议”提出不到一年，Hinton 和他的弟子们就利用卷积神经网络 AlexNet 的高性能，砸碎了沉闷已久的人工智能之墙，进而开启了人工智能的新时代。

计算机视觉（CV）领域。

好大的场面。

现在，白领和程序员又开始担心被取代了。

自动驾驶和计算机视觉领域的技术飞跃突然伴随着以 ChatGPT 为首的人工智能新变革。

与过去相比，当前的这种变化对于这个时代的所有企业来说都是极其接近的——而且是无差别的接近。

“让人类与机器一起奔跑，而不是与机器赛跑。

”这就需要人类提前思考自己与机器的关系。

这句话在今天仍然有意义，但“机器”现在正在让位于“AI”。

吴晓波在去年的年度演讲中也有类似的表述：“对于每个公司、每个人来说，什么是AI Ready？”在AI出现之前，“Ready”这个词AI Ready就来自飞书。

去年11月底，搭载人工智能技术的飞书7亮相时，会场非常拥挤，以至于不得不在隔壁的另一个大厅开辟第二个会场，以容纳超负荷的企业客户代表。

这足以说明嗅觉敏锐的企业对AI能力的迫切需求。

但飞书CEO谢欣却退了一步。

面对人工智能的想象能力，他认为企业首先需要“AI Ready”。

企业从工业时代走向信息化，现在面临着从信息化到人工智能的关键跨越。

企业主希望用一个足够完善的工具，一劳永逸地引入大模型能力，把整个企业变成AI转型。

但现实是，很多企业在引入大模型后发现，AI能力只是“看起来很漂亮”，就像浮在水面上的石油，并不能真正渗透到企业内部的生产和组织中。

大模型具有常识，但在了解更多信息之前它无法理解业务。

“大模型+企业Knowhow”的逻辑足够简单易懂，但当企业本身的数字化还不够成熟时，这些“Knowhow”只是无数纸质文档，无法与大数据的基础对接。

模型。

同时，一个企业往往会引入大量不同且相互封闭的系统。

这些系统承载着企业的所有数据，但分散在不同的系统中，无法被AI使用。

这就是为什么谢欣说，“作为中国大模型元年，目前的人工智能能力还很有限，不一定能让我们的每一项任务都达到预期。

现在对我们来说更重要的是让自己首先做到 AI Ready。

“这是一个极其复杂的项目。

来源：网络知识的积累是最基本的问题。

人工智能的前提是企业本身数字化水平的成熟，而数字化的基本前提是企业内部大量知识的系统积累。

这个过程涉及大量数据的积累，包括公司的运营数据、市场信息、客户行为洞察、内部管理经验等。

这些数据和知识需要通过科学方法和技术手段进行系统管理，形成企业的知识资产。

“只要有销售规模和价格，我们就可以估算出价格弹性，这样我们就能清楚地了解降价10%能带来什么。

如果没有最基本的使用数据的意识，数据只是0和1代码”。

中欧国际工商学院市场营销学教授王高曾以“价格弹性”为例来说明数据的价值。

《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%的企业没有使用新技术，而在使用过新技术的企业中，有17%使用了人工智能技术。

据此测算，只有7.8%的企业使用人工智能技术进行营销。

在应用层面，数据积累不足、数据管理意识不足是我国大数据营销应用面临的最大挑战。

这意味着高度数字化的企业首先必须建立高效的数据采集和存储机制，确保从各个业务环节流入的数据都能被有效捕获并安全存储。

其次，这些数据需要通过先进的分析工具和方法进行处理，将其转化为可用的知识和见解。

这个过程不仅包括数据清洗和分类，还包括对数据进行深入分析，提取对业务发展有指导意义的信息。

此外，有效的管理和知识共享同样重要。

企业需要建立完整的知识管理体系，保证知识的有序沉淀、高效传递和应用。

而这很大程度上依赖于数据的全面性，这决定了数据挖掘和沉淀最终能带来多大的价值。

也就是说，数据的流通进一步依赖于企业内部各个系统的集成。

由于信息化的逐步发展和企业发展的阶段性，很多系统都是针对独立的业务部门或业务需求而设计和开发的，如ERP、CRM、WMS、OA、TMS等。

这些系统推出后，就成了“系统烟囱”。

由于“系统烟囱”的存在，企业各方面的数据陷入孤岛。

CIO/IDG研究服务公司2016年对欧美大型企业（员工超人）进行了一项调查。

这项针对多个行业跨国公司数据科学和工程团队负责人的调查发现，近90%的人都在大力投资AI，但很少有国家能够实现全部投资回报。

最大的困境是企业数据分散在数百个系统中，包括数据仓库、数据湖、数据库和文件系统。

现在这已经成为国内大量企业数字化进程中面临的棘手问题。

对AI的认可以及大模型和大模型人才的引进是“AI Ready”的最后一步。

在此之前，数据沉淀和系统集成的程度决定了AI能力能够进入企业核心的程度。

因此，企业“AI Ready”的第一步就是找到合适的方式，让数据全面沉淀为知识，并能自由地流出各自的系统。

不要将人工智能能力视为“机载着陆”。

对于安克创新创始人杨猛来说，AI的准备工作从2018年就开始了。

年杨猛告别了谷歌软件工程师的职业生涯，在美国注册了Anker品牌，回国创办了海亿电商。

，安克创新的前身。

此后，公司迅速成长，用了10年时间成为国内营收最大的消费电子品牌之一。

2018年8月，安克创新在深圳证券交易所创业板挂牌上市。

当时，安克创新已经拥有18条销售额过亿的产品线，背后是一个由100名员工组成的庞大组织。

而且可以预见的是，这个组织将会进一步复杂化。

战略大师波特曾在产业经济学理论中提出过这样的见解：相似的团队聚集在一个小区域内，在一个小区域内发展得如此之快。

相互学习可以比外界其他团队发展得更快，直到获胜。

安克创新的研发团队恰好具备跨国市场、多品类团队的特点。

资料来源：搜狐成立十周年之际，公司决定转型为学习型组织。

他需要一个平台来聚合来自十几个不同品类的产品团队和来自几十个不同国家的营销团队。

安科创新今年决定推出飞书。

学习型组织的核心是人不应该成为企业内部知识流动的障碍，积累的知识不会随着人的流动而消失。

杨猛回忆，2016年，安克创新在飞书上存储的文档有数万份，2016年这个数字增加到1万份。

几个月前，当杨猛出现在飞书7的发布会上时，安克创新已经成为一家公司研发人员多，员工多。

这些文档经过归档和提炼，然后输入公司的知识库。

数以百万计的文档积累和这些私有领域知识的存在，让杨猛有一些底气说，“安克创新今天已经成为一家相对AI准备好的公司”。

将AI能力引入企业，不会是“空降”，而更像是数字化的持续深化。

AI能力与企业数字化之间的微妙关系也正在于此。

AI能力的有效性需要基于企业本身的数字化成熟度。

前者最大的价值在于解决企业高度数字化后遇到的新问题。

安克创新每年向飞书添加数以万计的文档。

这些文档存储在知识库各个级别的目录中。

虽然结构已经完整，但是随着可用的文档越来越多，目录树的层次也越来越深。

让文档变得越来越难以访问。

“试想一下，在10层知识库目录树中查找文档就像在C盘中查找文件一样。

这实际上是非常痛苦的，甚至是无望的。

”这也是为什么我作为飞书产品副总裁的齐俊元带着一款名为“飞书智能伴侣”的AI产品来到安克创新，这让杨梦辉非常兴奋。

“飞数智能合伙人”有知识、有记忆、有主动性，也能深入业务。

用户可以与智能伙伴一起进行内容创作、内容汇总、数据分析、场景构建、系统建设等业务场景。

“飞书智能合伙人”作为开放的AI服务框架，允许企业根据业务场景自主选择合适的底层大模型。

在飞书智能合作伙伴的支持下，安科创新的产品经理只需加载相应的数据，就可以快速了解产品的整体信息。

例如，客户对该产品最不满意的三个问题是什么，以及对应问题的具体用户反馈是什么。

这可以帮助产品经理准确收集产品反馈信息。

Anker Innovation为每个业务类别配置了个性化的产品助手。

只要将知识库中的产品相关文档加载到产品助手中，产品助手就可以随时用10种语言回复销售同事的产品问题。

这使得销售团队能够非常高效地进行产品问答。