AI在企業(yè)中的落地，已經(jīng)走出一條循序漸進的路徑。

在長達兩年多的實踐中，隨著開源模型效果提升、DeepSeek進一步教育市場，企業(yè)落地AI的難點已經(jīng)從一開始的成本過高、ROI難評，變成了數(shù)據(jù)基礎薄弱導致的效果不穩(wěn)定。

從去年到今年年初，我們就曾遇到過多家想落地內(nèi)部對話Bot的機構，由于文檔不完善、業(yè)務知識零散而難以取得理想效果。

不過現(xiàn)在，這個問題有了進一步解決的可能。

就在這兩天，飛書發(fā)布了新的AI功能「知識問答」。這是一款基于企業(yè)知識構建的專屬AI問答工具，在工作中，當員工/管理者遇到問題，都可以向它提問，獲取相關回復。

作為飛書推出的功能，「知識問答」最特別的地方是能根據(jù)用戶在飛書中的消息、文檔、知識庫、文件等信息，提供最契合的回答。當然，用戶也可以從微信等外部渠道上傳工作資料，再經(jīng)由「知識問答」整理，獲取最契合需求的工作答案，甚至進行內(nèi)容創(chuàng)作。

打個比方，飛書的「知識問答」好比給每個人裝上AI工作大腦。這個大腦基于每個企業(yè)在飛書上的業(yè)務文檔而構建，最可能幫助用戶獲得理想效果。

低門檻操作，專業(yè)型回答

飛書給了這個功能最顯眼的“Banner位”。

目前被知識問答灰度到的用戶，可點擊飛書界面左側(cè)或上端的“知識問答”標識進入對話界面。

從功能上看，飛書知識問答的定位非常直接——「整合所有你可訪問的資料，讓AI搜索回答」。搜索框的下方有使用知識和聯(lián)網(wǎng)搜索功能，意味著它可以整合用戶自己的文檔和互聯(lián)網(wǎng)上的資料。模型側(cè)，用戶可選擇DeepSeek-R1滿血版或者豆包。

作為一直使用飛書管理文檔的用戶，我們通過內(nèi)測申請后也嘗試了知識問答功能。

先上結論：

- 能用和好用是不同的概念。和不少功能繁多的產(chǎn)品不同，內(nèi)嵌在飛書中的知識問答使用方式非常便捷——你問它問題，它就給你答案，完全是低門檻上手。

- 在尋找飛書中已有的內(nèi)容時，知識問答的效果非常精準。不過，再進階到要求直接輸出可交付的創(chuàng)造性成果時，它還有進步空間。

作為關心AI進展的自媒體，我們經(jīng)常需要編譯、學習外網(wǎng)內(nèi)容。這個編譯流程并不簡單，涉及到音視頻下載、轉(zhuǎn)錄、格式調(diào)整、翻譯、整理等等一系列環(huán)節(jié)，每個環(huán)節(jié)中用到的工具也不一樣，很容易記不清該在哪一步用哪個工具。

為了方便團隊中的新人了解操作細節(jié)，我們特地在飛書中寫了“播客操作SOP”。于是，我先問問飛書知識問答，從視頻中提取音頻的工具是什么。

能看到，飛書知識問答給出的答案結合了我們內(nèi)部的編譯SOP文檔，和外部的互聯(lián)網(wǎng)知識，給出了好幾個不同的工具。

但我們的需求是嚴格按照內(nèi)部SOP操作，所以又嘗試去掉聯(lián)網(wǎng)功能后再搜索。最后，知識問答給出的答案是「剪映」——正是我們?nèi)粘Ｓ脕硖崛∫纛l的工具。

這說明，用知識問答搜索飛書內(nèi)部的信息，效果是過關的。

接下來，開始試用外部資料和知識問答的結合。

在日常的采寫工作中，我們的交流對象常會發(fā)送一些自己公司或個人的介紹。

這些資料的格式五花八門，有Word、PDF、PPT等，往往由微信傳輸。所以在第二個測試中，我嘗試將微信中的資料傳輸?shù)斤w書中，再要求知識問答進行整理。

接下來，試著直接讓知識問答整理這份資料。

從效果看，知識問答成功找到了我們剛剛上傳的分享PDF，并把它整理成了基本可用的圖文并貌版本。

再上一個難度，接著讓知識問答把這份資料按照四木的風格，整理成適合小紅書渠道發(fā)布的帖子。

這一次，知識問答出現(xiàn)了一些幻覺——它把之前飛書文檔中的一些小紅書文案草稿，錯誤地結合到了這個任務中。

整體試用下來，我們發(fā)現(xiàn)飛書知識問答雖然還有提升空間，但起碼對企業(yè)中的兩類人群非常友好。

首先是新員工。他們可以通過知識問答一鍵查找到公司內(nèi)部的SOP，快速上手。

接著是常需對外建立聯(lián)系的員工（比如市場、銷售等）。他們的人際交往經(jīng)?？绯鲲w書，資料沉淀渠道也五花八門。飛書知識問答的資料上傳功能，可以幫這些員工解決跨工具的知識流轉(zhuǎn)問題。

最容易也是最值得上手的企業(yè)級AI產(chǎn)品

顯而易見，和近期許多AI產(chǎn)品的“黑科技”般的效果對比，飛書的知識問答顯得樸素了很多。但或許它才是目前最適合企業(yè)上手的AI應用。

2025年，各行各業(yè)落地AI的熱情明顯比之前更高。

這一方面是因為，API降價和開源模型的蓬勃打下了模型的落地成本，另一方面，DeepSeek的破圈降低了大模型的教育成本。

當模型側(cè)無礙，需求又很強，企業(yè)接下來要低成本地落地AI應用。

而飛書這次推出的知識問答功能，正是企業(yè)低門檻落地AI應用的解法。

之前企業(yè)要做出一個融合自己業(yè)務的AI應用，從開發(fā)側(cè)需要經(jīng)歷技術選型——業(yè)務流程梳理——訓練開發(fā)等多個環(huán)節(jié)。

這整套流程往往涉及多個環(huán)節(jié)和不同員工。如果關鍵人員或者重要數(shù)據(jù)缺失，很容易效果撲街。不久前，就有一家數(shù)字化程度不算高的企業(yè)告訴我們，由于核心員工不了解IT部門的語境，難以系統(tǒng)化地說出可被研發(fā)參考的業(yè)務流程，導致落地BOT的進度非常慢。

而飛書的知識問答功能不需要這樣。

它直接“吸收”企業(yè)沉淀在飛書中的各種信息，以對話的方式服務員工和管理者。換句話說，如果企業(yè)真的能把核心的消息、知識、經(jīng)驗、SOP等內(nèi)容沉淀在飛書中，基本就在信息流轉(zhuǎn)場景下繞過了技術選型——找人找數(shù)據(jù)——梳理工作流——訓練開發(fā)的過程，提升了AI應用落地效率。

當然，對眾多的企業(yè)客戶來說，效率只是一方面。在落地AI的過程中，企業(yè)同樣看重安全與效率的平衡。

在「知識問答」的發(fā)布視頻中，飛書的CEO謝欣就演示了一個很有意思的場景：當他和下屬同時向「知識問答」提問時，兩個人收到了匹配自己權限的不同答案。這個case進一步說明，飛書意識到了AI產(chǎn)品的安全和效率同樣重要。知識問答，正在以低門檻又安全的方式進入業(yè)務。

目前處于“新手期”的「知識問答」還有些不足，比如，在生成內(nèi)容等進階任務中它還有提升空間。但根據(jù)我們的測試，「知識問答」的交付效果和飛書內(nèi)的數(shù)據(jù)質(zhì)量息息相關。舉個最簡單的例子，如果我們給之前的每篇小紅書文檔都標識清楚主題，就會降低之前測試時產(chǎn)生的幻覺。

這也是「知識問答」的另一重深層價值——它會直觀地讓企業(yè)發(fā)現(xiàn)，在日常工作中做好數(shù)據(jù)治理的重要性。

其實在2023年，謝欣就提出過"AI Ready"的理念，指企業(yè)在數(shù)據(jù)等方面為擁抱AI做好準備，才能與AI時代一起進步。

那時，AI的發(fā)展趨勢尚未像如今這般清晰可見。在日益增長的業(yè)務指標面前，數(shù)據(jù)治理工作往往被視為一項耗時費力、短期內(nèi)難以見到成效的“苦差事”，被多數(shù)企業(yè)擱置一旁。

但時間是最好的見證者。短短兩年過去，隨著AI技術在各個行業(yè)的加速落地，數(shù)據(jù)質(zhì)量的重要性已然在各類場景中直接展現(xiàn)。越來越多的企業(yè)意識到，數(shù)字化一定是智能化的前提。AI時代，數(shù)據(jù)治理已經(jīng)是一門必須要補的課。

飛書，或許能成為數(shù)據(jù)治理中最輕量級起點——只要在日常工作中有意識地記錄和整理飛書知識，企業(yè)就可以近乎“無痛”地逐步建立一個結構化、高質(zhì)量的知識庫。

在這個過程中，植入在飛書中的知識問答系統(tǒng)，也會成為數(shù)據(jù)治理效果的“反饋儀”，實時體現(xiàn)數(shù)據(jù)質(zhì)量提升的效果。這種容易起步的正向反饋機制，將會激勵企業(yè)形成真正的智能化良性循環(huán)。