AI的浪潮，每天都在席捲各行各業。
你一定也和我一樣，每天都在被各種層出不窮的AI工具和應用重新整理認知。
但是，作為一個商業賬號，我們常常在思考，除了個人，AI還能為我們的企業做些什麼？也經常有創業者、管理者問我，我們公司也想擁抱AI，但到底應該怎麼擁抱？我是不是也應該買一臺一體機？還是說，讓員工都去學習使用各種AI工具？
就在昨天（5月21日），飛書官方釋出了一則影片。
在這則影片裡，飛書CEO謝欣，分享了一些他的思考。比如，要透過AI，讓知識流動起來，讓企業的資訊，能夠更好地被發現、被髮掘，去到它應該去的地方。同時，他還發布了一項飛書AI的新功能，知識問答。
什麼知識問答？為什麼要推出知識問答？
帶著這些問題，我趁熱找飛書的同學好好聊了聊。他們告訴我，因為，要想讓AI真正幫助到企業，關鍵不是我們拼命去配合AI，而是要讓AI來配合我們。
什麼意思？我繼續提問。接著，我就聽到了更多的思考。我聽明白了。
我想，我現在知道，工作時需要什麼樣的AI了。
今天，我也試著，講給你聽。
在讓AI幫助企業，幫助我們工作之前，我們首先得理解一件事。
AI的強大，到底從何而來？
其實很大程度上，依賴於它所擁有的資料。
你可能也用過很多的AI工具。你問它金價為什麼起起落落，它能侃侃而談。你讓它寫一首關於春天的詩，它能文采飛揚。
可是，它為什麼能夠做到這些事？因為它學習了海量的網際網路公開資料。
但是，當你試著問它一些關於你自己企業的問題，關於你具體工作的問題時，比如“我們公司上一季度的華南區銷售額同比變化了多少”，比如“針對某某客戶的那個緊急故障，最新的解決方案是什麼”，AI往往就“懵了”。
為什麼？
因為它並沒有學習過你企業的資料。所以，它不懂你的企業，不懂你的工作，沒有你企業的“長期智慧”。
你可能會說，我可以把相關的檔案，上傳給AI呀。
是的。現在很多的AI工具，都支援上傳文件。上下文的視窗，也越來越大。從幾萬字到幾十萬字，甚至上百萬字。但是，這些操作，本質上還是在給AI增加“短期記憶”。為了回答你當前的這個問題，它可以臨時學習一下你給它的這些資料。
但是，這遠遠不夠。
想象一下，你的企業從成立到今天，沉澱了多少的資訊？每天，員工們在辦公軟體裡建立、書寫了多少的文件？在群聊裡討論了多少業務細節？開過多少次的會議，形成過多少的紀要？這些日積月累的、結構各異的、動態變化的資料，才是你企業真正的“長期智慧”。
這可能不是幾篇文件。而是幾個TB甚至更多的資料。你不可能每次都把幾個TB的資料，都投餵給AI。
更重要的是，這些資料裡，包含了你的核心機密、運營細節、客戶資訊。把它們交給外部的AI，真的足夠安全嗎？
所以，在開始做知識問答的時候，我們就想清楚了一件事。飛書的同學說，必須把AI請到企業內部來，而不是把企業的資料搬到外部去。只有這樣，AI才能安全、合規地學習和理解企業的“長期智慧”。才能真正“懂你的企業”。
然後，我們就可以在企業內部，直接向它提問。讓它根據訊息、文件、知識庫、檔案等等資訊，直接給出精準答案。甚至，讓它基於企業知識進行內容創作，獲取深入的業務洞察。
這樣，它就成了你的助理，就坐在你的工位旁。
嗯。這個想法，聽上去很棒。但是，要把AI請到企業內部，讓它真正讀懂企業的海量知識，併為企業所用，應該沒那麼簡單吧？
是的。至少要翻過三座大山。
第一座大山：企業知識的“複雜性”
內部的知識，可不像網際網路上的公開資料那樣整齊劃一。它的形態，太複雜了。
有條理清晰的Word文件、PPT簡報，也有密密麻麻的Excel表格。有圖文並茂的知識庫文章，也有隨性的群聊記錄。甚至，還有很多掃描版的合同、報告，上面蓋著紅章，字跡可能還有些模糊。更別提那些用圖形繪製的業務流程圖、組織架構圖，還有結構複雜的財務報表PDF了。
人眼查閱，都夠費勁的了。AI能看得懂嗎？
飛書的同學說，這確實是一個很大的挑戰。如果AI看不懂這些五花八門的“原材料”，那後續的一切都無從談起。
那怎麼辦？
所以，我們的團隊，做了很多預處理的工作，讓AI能夠理解複雜的結構和語義。
舉個例子。
你拿到一份幾十頁的上市公司財報PDF，想快速瞭解其中關於“研發投入”和“未來盈利預測”的部分。這份財報裡，有大量的文字描述，有複雜的表格，甚至還有一些趨勢分析圖。
如果是以前，你可能需要花很長時間去閱讀、查詢、提煉。
但現在，你可以直接問“飛書知識問答”，這份財報裡，關於研發投入的描述有哪些？未來盈利預測的關鍵資料是什麼？
飛書知識問答會快速“閱讀”這份PDF，準確地定位到相關章節，抽取出關鍵的文字描述，甚至能理解表格中的資料，把那些數字和趨勢告訴你。
再比如，你們公司有一個關鍵業務流程，是用PPT畫出來的一張流程圖。現在，你想知道某個環節的下一步是什麼，或者如果某個條件發生變化，流程會走向哪裡。
你問飛書知識問答，它能看懂這張圖，並根據你的問題，給出流程的指向。
不錯。這確實是個重要的細節。這意味著，企業沉澱下來的各種形態的知識，無論是文字、圖片、表格，甚至是掃描件，都有可能被AI理解和利用。我們再也不用費盡心思，把所有東西都整理成AI“喜歡”的格式了。
是的。飛書的同學說，這就是多模態理解的力量。讓AI適應企業，而不是讓企業去適應AI。
第二座大山：資訊安全的“生命線”
好。現在，AI能“看懂”企業知識了。但緊接著，一個更嚴峻的問題擺在了面前：資訊安全。
企業的知識，很多都是敏感的。財務資料、人事資訊、戰略規劃、客戶資料、技術專利……這些東西，如果人人都能透過AI隨便問出來，那公司就亂套了。
一個客服，如果能輕易問出產品的原材料成本，然後告訴了客戶，怎麼辦？一個普通員工，如果能問到其他同事的工資，或者關於公司未來可能的人事變動的討論，怎麼辦？
飛書的同學說，管理好許可權和資料安全，就成了產品的關鍵。
很多個人AI工具，或者一些簡單的企業知識庫，是沒有嚴格的許可權管理的。你把文件傳上去，大家看到的內容都是一樣的。這在企業裡是不可想象的。
所以，飛書知識問答，在設計之初，就和飛書既有的那一套極其精細、複雜的許可權體系，做了“無縫繼承”和“即時同步”。
什麼意思？
就是說，你在飛書裡能看到什麼文件，不能看到什麼文件；你在哪個群裡，不在哪個群裡；你是哪個部門的，你的彙報線是怎樣的……所有這些許可權，AI都會嚴格遵守。
那麼，CEO是不是可以看到所有的資訊？
也不是。即使是CEO，如果他不在某個私密群聊裡，或者某個文件沒有對他開放許可權，那麼AI在回答他的問題時，也不會呼叫這些他本來看不到的資訊。
千人千面。每個人都只能獲取他許可權範圍內的知識。
我問，那這個許可權同步的速度有多快？如果我剛把一個人的文件許可權拿掉，AI會立刻知道嗎？
許可權的更改，幾乎是即時體現的。
這就意味著，企業可以放心地讓AI去學習和使用內部知識，而不用擔心許可權失控。
這太重要了。我見過很多企業家，他們對AI很感興趣，也知道知識管理很重要。但一提到資料安全，就猶豫了。他們擔心，把公司的核心資料交給AI，萬一洩露了怎麼辦？萬一員工看到了不該看到的東西怎麼辦？
甚至，有些企業，會試著把內部的“武功秘籍”，比如獨特的銷售方法論、核心技術文件，上傳到外部的通用大模型，讓它幫忙分析或者潤色。但是，又很擔心這些“秘籍”是不是會被模型“學會”。然後，雖然模型不會標明這是你家的，但你的核心能力，可能就在不經意間，透過AI的回答，流向了你的競爭對手。
所以，飛書的同學強調說，對企業來說，擁抱AI的正確姿態，一定是把AI請到企業內部來，在嚴格的許可權管理下，安全地釋放資料的價值。
這，可能也是企業級AI和個人AI，最本質的區別之一。
第三座大山：使用者提問的“技術性”
資料，能看懂了。許可權，也管好了。現在，它就成了區別於別人的，你專屬的助理。
但是，還有一個挑戰，來自我們自己。那就是：我們真的會問問題嗎？
我們經常說，多少的好答案，正在等待一個好問題。
很多時候，我們內心只有一個模糊的需求，但不知道如何清晰地表達。比如，一個銷售會問，我下週應該做什麼，才能提高業績。這是一個好問題嗎？可能不是。AI也很難直接給出一個有針對性的答案。
那怎麼辦？是不是要讓每個員工，都去學習一下“如何寫提示詞”呢？
飛書的同學說，那太不“飛書”了。飛書的理念，是讓工具更智慧，讓人更輕鬆。所以，我們在飛書知識問答的背後，多做了一件事，來幫你把“普通問題”變成“好問題”。
它是怎麼做到的呢？
當你提出一個問題的時候，AI會嘗試理解你的真實意圖，併為你補充一些，它認為相關的上下文資訊。
比如，你問，公司的報銷政策是什麼？
如果AI僅僅是把所有的報銷政策文件都列出來，那你可能還是得自己去找。但是，飛書知識問答可能會這樣做。
它注意到，你base在上海，屬於市場部，最近又恰好出差去了南昌。於是，它可能就會把你的問題，擴充套件成，市場部員工，從上海到南昌出差的交通和住宿報銷標準是什麼？最新的補貼政策是怎樣的？
你看，透過這樣的“智慧擴充套件”，一個原本模糊的問題，就變得非常具體和精準
了。AI就能更好地從海量的知識中，找到和你最相關、最有價值的資訊。
不僅如此，飛書知識問答還會根據你問題的型別，觸發不同的“工作模式”。
有的時候，你可能只是想快速查一個數據。比如，上次XX專案的演講時間是多久？AI會直接給出答案。5分鐘。然後，高亮顯示。其他參考資訊，就放在後面。
有的時候，你可能需要一份全面的專案總結，比如，總結一下XX專案的整體進展、關鍵成果和風險挑戰。AI就會呼叫更廣泛的資料，生成一份結構清晰、內容詳實的報告。
還有一些時候，你可能需要AI幫你進行內容創作，比如，幫我寫一段關於某某產品新功能釋出的發言稿，要突出創新性和使用者價值。這個時候，AI的回答風格就會變得更有文采。
真好。我說。
讓AI不僅能聽懂我們的話，更能理解我們話語背後的意圖和場景。這才是真正的智慧。
個人知識 vs. 團隊知識 vs. 共創知識
是的。當AI能夠讀懂企業的複雜知識，遵守企業的安全許可權，理解使用者的真實意圖，那麼，它就不再僅僅是一個“問答工具”了。它會成為企業知識創造和進化的催化劑。
這也是飛書的同學和我分享的，對“知識”的理解。因為知識，其實可以大致分成三個層次。
1）個人知識。屬於某個員工的經驗、技能。
2）團隊知識。透過流程化、標準化，沉澱下來的最佳實踐。團隊成員可以共享。
3）共創知識。這是最高階的知識。它不是簡單的資訊彙總，而是團隊成員透過協作、碰撞，產生了1+1>2的新見解、新方案。這是組織核心競爭力的源泉。
而飛書知識問答真正想做的，是促進“共創知識”。
想象一下，你作為一名產品經理，正在為一個新功能的設計方案發愁。你向飛書知識問答提出了你的困惑，並描述了你遇到的一些挑戰。AI迅速地從公司的歷史專案文件、相關的市場分析報告，甚至群聊中關於類似問題的討論裡，為你提煉出了一些有價值的參考資訊和可能的解題思路。
你受到啟發，調整了你的方案。然後，你把這個思考和決策的過程，以及最終形成的方案，透過飛書知識問答生成的總結，輕鬆地分享給了團隊。
你看。這個過程，你不僅僅是從AI那裡獲取了答案，更重要的是，你和AI這個連線了整個組織智慧的“超級大腦”，進行了一次“共創”。你提出的問題，AI給出的資訊，你的思考和最佳化，共同催生了新的知識。而這個新知識，又透過飛書，沉澱下來，分享出去，幫助了更多的人。
每一次高質量的問答，都是一次知識的再創造和再傳播。
這就是我們希望看到的“知識飛輪效應”。飛書的同學說，當組織里的每一個人，都能方便地從AI獲取智慧，並輕鬆地將自己的智慧貢獻給AI，那麼整個組織就會像滾雪球一樣，知識水平越來越高，進化速度越來越快。
那麼，這是不是也是飛書對“什麼是好公司”的理解？
是的。一家公司和另一家公司的本質區別是什麼？是它們所擁有的“知識”不同。我們如何設計產品，他們如何服務客戶；我們如何管理團隊，他們如何制定戰略……這些“如何做”的差異，本質上就是知識的差異。
管理一家企業，從某種意義上來說，就是在管理這家企業的知識。
過去，知識管理可能更多依賴於制度、流程和少數“知識官”的努力。但這樣做，成本高，見效慢。現在，AI來了，當AI能夠深度融入企業的日常協同，成為每一個員工的“智慧助手”時，知識的獲取、利用、沉澱和創新，都將變得前所未有的高效和便捷。
這，或許就是AI帶給企業知識管理，乃至整個組織能力進化的，一次真正的革命性機遇。
現在，讓我們回到最開始的那個，我常常被問到的問題。
我們公司也想擁抱AI，但到底應該怎麼擁抱？
交流之後，我還是一直在思考這個問題。
是應該追趕每一個技術熱點？還是引入各式各樣的AI工具？
或許都不是。真正的擁抱，可能源於一個更樸素的起點。
讓AI真正走進你的業務，理解你的痛點，沉澱你的智慧，助力你的增長。
這聽上去很難。但飛書知識問答，讓我們看到了這種可能性。它正在努力翻越企業知識的複雜性、許可權管理的安全性和使用者提問的技術性這三座大山，試圖在AI與企業之間，搭建一座堅實而高效的橋樑。
它是一種工具。也是一種全新的工作方式的預演。在這個預演裡，AI不再是高高在上的“黑科技”，而是像水和電一樣，融入我們工作的每一個細節，為我們提供支援，激發我們的創造力。
當然。AI的發展，依然在路上。飛書知識問答，也一定還有很多需要持續打磨和最佳化的地方。但它所指引的方向，依然是令人期待的。
因為這個時代，比的不再是誰擁有更多的資訊，而是誰能更好地利用資訊、創造知識。
而AI，或許就是那個最得力的助理。
祝你，在這位助理的幫助下，知識奔湧。
更祝你的企業，在AI時代，智慧生長。
加油。
*個人觀點，僅供參考。
觀點 / 劉潤 主筆 / 二蔓 編輯 / 歌平 版面 / 黃靜
這是劉潤公眾號的第2606原創文章