飞书怎么解“AI Ready”这道难题？

原文来源：品玩

图片来源：由无界 AI生成

斯坦福“以人为本”人工智能研究所（Stanford HAI）的负责人埃里克·布林约尔松，和麻省理工的科学家安德鲁·麦卡菲，曾在2011年向这个世界提出过一句忠告：

“让人类能够与机器一起奔跑，而不是与机器赛跑。”

2011年前后发生了这样几件事。那一年经典的iPhone 4s问世，史蒂夫乔布斯去世；同年的微软开始从Windows 7迈向Windows 8，前者在2020年仍然是全球第二受欢迎的操作系统；就在2011年到来之前，由谷歌自动驾驶技术灌入的一队丰田普锐斯，在美国道路上硬生生跑了1000英里。也是在2012年，Glitch的开发项目被取消，不久后Tiny Speck开始了Slack的开发。后者在10年之后成为了一个日活跃用户数量超过1200 万，超过65%的财富100强公司都在使用的信息化工具。

人类的文明发展从来都是一场伴随着机器的长跑。

最初意义上的“机器”由工业革命带入，将世界上大量的农业人口转换成工业人口。互联网带来的信息革命又进一步将大量工人的岗位移交给白领。

这种变革的开始往往是不可预料的。

自动驾驶第一次落地的仅仅6年前，经济学家弗兰克·利维和理查德·默南恩仍然自信的认为人类对汽车的控制是永远无法自动化的任务。那句“忠告”提出未到一年，Hinton及其弟子带着卷积神经网络AlexNet的高表现，砸烂已经沉闷许久的人工智能高墙，然后在计算机视觉领域（CV）拉开了全新的一场大幕。

眼下，白领与程序员们又开始担心被替代。

自动驾驶、计算机视觉领域的技术跃进现在，又突然降临到从ChatGPT引领的AI新变革上。而相比之前，这场眼下的变革无比接近——并且无差别的接近——身处这个时代的所有企业。

“让人类能够与机器一起奔跑，而不是与机器赛跑。”这要求人类需要提前思考自己与机器的关系。这句话放到现在仍有意义，只是“机器”眼下要让位给“AI”。吴晓波在刚过去的年度演讲上有过类似的表达：

“对于每一个企业来讲，每个人来讲，AI Ready是什么呢？”

在AI降临之前“Ready”

AI Ready这句话来自飞书。

AI能力加持下的飞书7在去年11月末亮相时，会场拥挤的不得不在隔壁的另一个厅里开设第二现场来接纳已经过载的企业客户代表。这足以说明当下嗅觉敏锐的企业对AI能力的迫切需求。

但飞书CEO谢欣却退了一步。在AI充满想象力的能力面前，他认为企业需要先做到“AI Ready”。

企业从工业时代走向信息化，现在又在从信息化进一步跳向AI化的关键一跃面前。企业主希望借着一个足够完美的工具来一劳永逸的引入大模型能力，翘起整个企业的AI化转身。但现实情况是，很多企业引入了大模型之后发现AI能力只是“看起来很美”，像油浮于水，无法真的渗透进企业内部的生产和组织。

大模型有常识，但在进一步学习前它并不懂企业。“大模型+企业Knowhow”的逻辑足够浅显易懂，但当企业本身数字化程度不够成熟，这些“Knowhow”只是无数的纸质文档，没有办法接入到大模型底座去。同时，一个企业内部往往引入了大量不同且相互封闭的系统，这些系统承载了企业所有的数据但割裂在不同的系统里，无法为AI所用。

这也是谢欣为什么会说，“作为中国的大模型元年，目前 AI 能力还很有限， 它不一定能让我们的每一项任务都如期所愿。我们当下更重要的是先让自己做到 AI Ready。”

这是一个极其复杂的工程。

图源：来自网络

知识的沉淀是最基础性的问题。

AI化的前提是企业本身数字化水平的成熟，数字化的基本前提是企业内部大量知识的系统性沉淀。这一过程涉及大量的数据积累，包括企业的运营数据、市场信息、客户行为洞察以及内部管理经验等。这些数据和知识需要通过科学的方法和技术手段进行系统化管理，以形成企业的知识资产。

“只需要有销售规模和价格，我们就能把价格弹性估算出来，这样就能明晰降价10%能够带来什么。如果没有最基本使用数据的意识，数据就是0和1代码而已。”中欧国际工商学院市场营销学教授王高曾以“价格弹性”为例说明数据的价值。