1. 首頁 > 生活百科 > >

組織先用好 AI，再談 AI 改變組織

靜安ai美妝歐萊雅

組織先用好 AI，再談 AI 改變組織

文章圖片

組織先用好 AI，再談 AI 改變組織

文章圖片


過去三年 ， 我們聽了太多關于「AI 如何重塑企業辦公」的想象 。 但真正的變化 ， 往往是從一個個打工人開始的——用 AI 寫報告、潤色外語郵件、總結會議內容、分析數據……AI 工具已經悄然滲透進日常的工作流 。
問題也隨之而來：這些「AI 工作流」大多停留在個人層面 ， 它們往往游離在企業的數字辦公系統之外 。 尤其是對那些沒有自研系統的中小企業而言 ， 從豆包、DeepSeek 等應用中生成內容 ， 再復制回飛書、郵箱、PPT 的操作 ， 已經成為員工的日常 。
系統未打通的麻煩不僅是「復制粘貼」的低效 ， 對管理者來說 ， 更意味著 AI 的價值止步于「個體提效」 ， 難以演化為組織級的智能化升級 。 這種割裂的根源 ， 是辦公平臺自身尚未完成對 AI 的深度進化 。
7 月 9 日 ， 飛書在 2025 未來大會上發布了一系列即插即用的 AI 工具 ， 并邀請多家企業分享他們如何將這些工具無縫嵌入業務日常 ， 實現真正意義上的智能化辦公 。
飛書 CEO 謝欣丨來自：飛書
這不只是一次產品發布 ， 更像是數字辦公從「AI ready」走向「AI 真正落地」的分水嶺 。

讓 AI 能力「長」在業務里如果說過去一年 ， 企業還在摸索「如何把 AI 用起來」 ， 那么飛書則在試圖回答另一個問題：AI 到底應該「長」在哪里？
在今年的飛書未來大會上 ， 「多維表格」無疑是其 AI 產品陣列中最具代表性的升級亮點之一 。 它不再只是傳統意義上的數據庫工具 ， 也不止于「基于數據庫打造的業務系統」這一定位 ， 而是開始進化為一個可實現 AI 自動化的業務中臺——企業讓 AI 真正落地辦公場景的「基礎設施」 。
從性能上看 ， 多維表格的底層數據庫能力實現了新一輪躍升：單表容量提升至 1000 萬行 ， 計算速度比去年快了 10 倍 ， 支持千人級并發協作 。 這為承載復雜業務流程提供了扎實的技術底座 。
但真正構成飛躍的 ， 是 AI 工具模塊和「應用模式」的雙重升級 。 去年上線的「AI 字段捷徑」今年進入實用階段 ， 用戶可以直接在表格中插入由 AI 自動生成的內容字段 ， 比如智能填寫、內容補全、結構化建議 ， 甚至多模態識別和推理 。
在茶百道 ， 多維表格被用來搭建「智能巡檢」和「客戶之聲」系統 。 門店員工上傳現場照片后 ， AI 自動識別健康證、設備狀態 ， 并觸發整改流程——一個過去依賴人工巡查、逐級反饋的流程 ， 如今只需「拍照+填表」即可完成 。 另一個系統則實現了客戶評價的智能打標、情感分析和個性化回復 ， 還能把差評自動推送給店長處理 ， 確保客戶反饋閉環響應 。
影視颶風的使用方式則更偏向內容創作 。 他們通過多維表格實現了 15 分鐘更新一次的視頻數據自動同步 ， 同時借助 AI 批量生成節目封面草圖 ， 甚至提前在選題會上評估觀眾反饋 ， 用「點映團」模擬不同角色的情緒評價 ， 輔助內容優化 。
如果說 AI 字段是讓多維表格變「聰明」 ， 那么「應用模式」則是讓多維表格更「系統」 。
今年 ， 飛書正式推出多維表格的「應用模式」 ， 用戶只需要通過拖拉拽的方式 ， 就能將一個普通的表格升級為一個完整的業務系統 。 比如 ， 一個門店的銷售看板、人力部門的員工信息系統、供應鏈的庫存管理界面 ， 都可以直接在多維表格中搭建完成 ， 不僅保留了表格的靈活性 ， 也具備了系統功能性更強的優勢 。
用應用模式構建電商管理系統丨來自：飛書未來大會
相比傳統的 IT 系統開發 ， 應用模式的門檻顯著降低 。 用戶不需要寫代碼 ， 只需搭建邏輯關系和界面視圖 ， 就能搭出符合自己業務需求的「專屬系統」 。 此外 ， 多維表格還內置了多個業務系統模板 ， 進一步降低了搭建門檻 。 這也意味著 ， 更多的業務人員將具備「系統搭建者」的能力 ， 而不再只是使用者 。
這意味著未來每一個團隊 ， 都可以擁有屬于自己的業務系統 ， 甚至員工也能成為自家企業 AI 辦公的產品經理 。
在表格之外 ， 飛書圍繞「組織級 AI 落地」構建了一整套產品體系 ， 從信息獲取、流程搭建到系統開發 ， 全鏈路覆蓋 。
比如飛書知識問答 ， 是這次發布的另一項重點產品 。 此前極客公園曾經報道過 ， 它最大的特點是「開箱即用」 ， 不依賴企業提前構建完整知識庫 。 用戶只需拋出一個問題 ， AI 就能在用戶過去的聊天記錄、工作文檔中自動調取權限內的信息 ， 給出真正與企業實際業務相關的答案 ， 這也是通用大模型做不到的事情 。
在會議場景中 ， 飛書的智能紀要功能也再次進化 。 現在的 AI 紀要可以在會議過程中實時總結、提取關鍵觀點 ， 并自動生成帶責任人的待辦事項 。 目前 ， 這一功能已經達到 M4 成熟度——意味著可在任何企業大規模應用 。 像珀萊雅這樣的快速成長型企業 ， 就在新品立項和部門復盤中 ， 將 AI 紀要作為固定流程的一部分 ， 幫助團隊大幅提升會議效率 。
而對于沒有技術背景的業務人員 ， 飛書還進一步升級了「開發套件」：包括 AI 智能體 Aily、低代碼平臺 aPaaS、AI Coding 工具「妙搭」 。 企業可以輕松構建自己的 AI 工具——無需開發團隊 ， 也能「把 AI 嵌入業務」 。
例如 ， 伊芙麗、七匹狼、綾致時裝等服飾品牌 ， 已經基于這套工具為上萬名導購搭建了「AI 練貨系統」：設定虛擬客戶人設 ， 員工沉浸式演練銷售話術 ， AI 自動打分反饋 ， 經驗同步分享至內部網絡 ， 形成組織級的學習與優化閉環 。
飛書開發套件丨來自：飛書

把 AI 真正交給組織用起來聽完整場發布會 ， 一個強烈的感受是：這些 AI 能力并不以獨立產品形態存在 ， 而是逐步滲透進一個又一個真實業務里 。 不需要雇傭顧問從頭搭系統 ， 不需要培訓工程師寫代碼 ， 一線員工根據自己的工作需求 ， 就能快速拉起一個能解決問題的 AI 工具 。
飛書真正希望做到的 ， 是讓 AI 提效從個體智慧 ， 變成組織能力 。
為什么飛書能做到這一點？關鍵在于它并不是為了 AI 而重建一個系統 ， 而是在一個本就承載企業真實業務運行的系統中 ， 讓 AI 自然長出來 。
飛書的核心優勢 ， 是它作為一體化協同平臺 ， 早已沉淀下豐富的企業業務數據和組織語義：文檔記錄著項目過程 ， 多維表格承載業務數據 ， 審批流程跑著管理規范 ， 會議紀要積累著團隊共識 。 這些信息構成了企業特有的上下文——而AI最需要的 ， 恰恰是這種上下文 。
以飛書知識問答為例 ， 它不依賴企業預先構建知識庫 ， 而是直接基于企業內部已有的文檔、IM 記錄和權限體系 ， 自動理解提問意圖 ， 穿透系統找到答案 。 這也是包括小鵬汽車在內的多家組織選擇部署它的原因：無需專人「喂料」 ， 知識就在工作流中自然被激活 。
正如飛書 CEO 謝欣所說：「不是知識密集型企業用飛書 ， 而是用飛書的企業 ， 逐漸變成知識密集型的企業 。 」比如一家大型央企 ， 僅過去一年就在飛書中沉淀了超過 940 萬篇文檔 ， 為 AI 能力的引入打下了堅實的數據基礎 。 這種高頻、高質量的組織協作 ， 讓企業「AI ready」的門檻大大降低 。
相比之下 ， 外部通用大模型即便能力強大 ， 也無法訪問企業內部數據 ， 無法理解組織語義 ， 更無法真正參與業務流程或沉淀知識 。 更重要的是 ， 企業核心信息外流還可能帶來數據泄露和權限安全的隱患 。 這些模型往往只能在「你告訴我什么 ， 我總結給你看」的邏輯中運作 ， 難以支撐組織級智能協同的真實需求 。
飛書的做法是反過來：不是讓員工主動適配AI ， 而是讓 AI 自動適配業務 。
這一點 ， 也體現在飛書提出的「AI 應用成熟度模型」中 。 它將 AI 產品劃分為從 M1 到 M4 的四個等級 ， 越往上代表越成熟、越能穩定服務于真實業務 。 目前 ， AI 會議紀要已達到 M4 等級 ， 不僅能夠通過文檔發送總結、生成待辦 ， 也能在會中實時實現總結 ， 并保持相當的準確性與邏輯概括能力 ， 在任何適合的場景中都能使用 。 飛書知識問答、多維表格 AI 則達到了 M3 ， 可以在企業需要的場景中大規模使用 。
換句話說 ， 飛書沒有把AI當成展示能力的「秀肌肉」 ， 而是明確設定標準——是否成熟、是否能上線、是否能推廣 ， 是第一優先級 。
最終 ， 這些產品都服務于同一個目標：讓 AI 變成企業內部「可調度的資源」 ， 而不是一個「聽得懂但做不了」的工具 。
在過去的一年里 ， 從茶百道用 AI 字段構建門店巡檢系統 ， 到伊芙麗用 AI 智能體做導購練貨 ， 再到珀萊雅讓 AI 成為新品立項和營銷決策的一環——這些都不是 AI 的「demo 秀」 ， 而是企業自己動手 ， 基于飛書完成的 AI 工具搭建 。 這正是「組織自有 AI 能力」的起點 。
當飛書把 AI 能力嵌入平臺 ， 把業務數據連接到邏輯 ， 把員工意圖變成流程 ， 它正在完成一件更大的事：用一套真實可用的體系 ， 把 AI 變成企業組織能力的組成部分 。
何小鵬在飛書未來大會丨來自：飛書
正如小鵬汽車創始人何小鵬在飛書未來大會上講的那樣 ， 在這個 AI 智能的時代 ， 在企業辦公中用好 AI ， 其實比在業務中運用更重要 。 如果一個企業的員工和高管平常都不用 AI ， 那很難想象這個企業交付給客戶、交付給用戶的產品 ， 能夠用好 AI 。
【組織先用好 AI，再談 AI 改變組織】而飛書所做的 ， 正是讓「組織先用好 AI」 ， 再談「AI 改變組織」 。

    推薦閱讀