今天，越來越多人在工作中使用 AI：寫文案、畫圖、做總結。但它們仍然是「工具」進步，而非「范式」變革——我們像是多了一個智能的助手，但自身的工作模式并沒有本質的改變。但我總覺得，在 AI 時代，企業組織的工作范式，一定會因為 AI 的介入，而迎來一次真正意義上的變革。
最近我接觸到飛書最新上線的「知識問答」產品，突然讓我看到了一些新的可能性： AI 不只是幫你更快完成一項任務，而是可能改變「我們如何工作」這件事的底層邏輯。
客觀的說，這個產品依然很早期，有些功能還顯得稚嫩。但它代表了一種可能性—— AI 第一次作為企業知識的一部分，被有機地融入到工作流中，從而實現一種全新的組織智能模式。就像辦公軟件開啟了數字辦公時代，SaaS 開啟了協同辦公時代，而 AI 知識問答，或許正是開啟 AI 原生辦公時代的鑰匙。
接下來講講一些我的不成熟思考。
01
從軟件到云，再到問答：
一種全新辦公范式的新可能
大概一個月前，極客公園獲得了飛書知識問答的試用資格，我自己也體驗了一段時間。
根據飛書團隊的介紹，這是一款基于企業知識構建的專屬 AI 問答工具。在日常工作中，當你遇到問題時，可以隨時向它提問，它能夠根據你在飛書中有權限訪問的消息、文檔、知識庫、文件等信息，直接提供精準的答案。不僅如此，它還可以基于企業知識協助內容創作，幫助你獲取更深入的業務洞察。
第一次打開知識問答的界面時，乍一看像是 ChatGPT 或 DeepSeek 這樣的聊天機器人，所以一開始我也嘗試用它來整理新聞、轉寫錄音——但很快我意識到，飛書知識問答并不是一個通用 AI 對話工具，而是一款定位明確、用途專業的企業助手。
如今，極客公園的大部分辦公場景都已經遷移到飛書上，飛書中沉淀了我們絕大多數的工作資料——從財務、人事等管理信息，到我們日常創作的文章、運營數據等業務資料，甚至包括會議紀要、聊天記錄這些日常溝通內容。
知識問答可以訪問我有權限查看的全部文件，并基于這些內容回答我的各種問題，就像是一位專屬的智能秘書。作為管理者，雖然我有權限查看公司所有的數據，但我不可能記住所有的信息。以往在需要的時候，我通常要翻查文檔，或者去詢問助理和業務負責人，而現在，知識問答成了一個非常有效的替代方案。
當我開始把知識問答當成一個專屬助理使用時，才真正解鎖了這個工具的「使用密碼」。經過一段時間的使用，我也逐漸總結出了一些體驗和感受。
整體來看，就像助理也有實習生、初級助理和高級助理之分，知識問答的能力也可以劃分為不同的層級。當前，它在不同層級的表現也各有優劣。
1， 實習生水準：主要負責幫我找一些文件和資料。比如讓它查找我與某位創業者最近的溝通錄音，或者找出兩年前 IF 大會期間，我與柯南和 Robin 的訪談文檔。實際上，在這些事情上，這位「AI 助理」已經表現得非常不錯。考慮到我在飛書上有幾百個群聊，每周同事們還會新建數百個文檔，知識問答已經能幫我高效完成一些非常實際的工作。
2，初級助理的水平： 能夠基于文檔、會議紀要等信息，回答我一些具體問題。比如前段時間我和媒體朋友聊到我們今年在播客和直播上的發力，希望分享幾個成效顯著的案例。我大致記得有幾場數據不錯，但具體是哪些場次、具體數據是多少，記憶已經模糊。這時候，只需要問一聲飛書知識問答，它就能快速從文檔和會議紀要中提取出這些內容，直接給出答案。
3，工作伙伴水平： 是在回答問題的基礎上，進一步具備生成內容的能力。比如我曾嘗試讓飛書知識問答，基于我和創業者或同事們的溝通記錄，再結合一些外部資料，自動生成一份創業者在線訪談的前采準備文檔。在飛書的產品發布會上，我也看到飛書 CEO 謝欣演示了一個場景：讓知識問答生成一份結項報告——這個功能的未來潛力非常可觀。
整體來看，在后兩個層級上，知識問答的表現仍有進步空間。我自己的觀察是，這主要取決于兩個方面：一是企業自身數據的有序程度。如果項目文檔或運營數據整理得越清晰，知識問答的回答和生成效果就越好；二是業務復雜度的不同，特別是在一些需要復雜推理和判斷的任務中，知識問答還顯得有些力不從心，像是一個尚未「畢業」的實習助理。
但對于一個產品的早期階段來說，「不完美」才是正常狀態。而真正打動我的，是它背后所代表的趨勢——我們可能正站在辦公范式轉變的起點。這不僅僅是一個更強大的知識檢索工具，更像是一個 AI 原生辦公系統的雛形，甚至會改變企業生產力構成和新的組織形態。
或許在不久的將來，它不會只是某個應用插件，而是嵌入到我們每一個工作流程的核心，為團隊的每個人都增強了一個「團隊」，人機混合的生產力讓業務中的「大腦」變多，增效而不只是降本。
02
不是讓企業適應 AI，而是讓 AI 適應企業
過去幾年，飛書一直在強調企業要「AI Ready」——這是 AI 真正進入企業場景的前提。企業必須首先實現高度數字化，打通各類系統，實現數據的有效沉淀，才能為 AI 提供可被調用的「糧食」。
但「AI Ready」只是基礎設施的搭建，真正的挑戰在于，如何將 AI 真正融入企業的實際運營之中。 而這一次「知識問答」的推出，標志著飛書從「準備階段」正式邁入「交付階段」的關鍵一步。
這背后依托的是飛書長期構建的一體化系統：包括文檔、群聊、多維表格、知識庫等在內的信息生態。這讓知識問答不再只是依賴公域知識的「聰明大腦」，而是基于你所在企業內部的真實數據——你參與的群聊、你撰寫的文檔、你開過的會議，所有這些，都成為它的「原材料」。
也就是說，你只要真正好好用了飛書，你就完成了 AI ready，而不需要再回到過去我們對 AI ready 的標準動作上搞一堆內部工程了。
而且相比自己接通用大模型搞部署，飛書知識問答能夠更精準地聚焦企業員工和管理者在實際工作中真正需要解決的問題。
另一個關鍵好處，則是它天然具備解決信息安全的能力，這是企業在接入 AI 產品時最關心的問題之一。
在 飛書發布的知識問答介紹上，謝欣演示了一個非常有意思的場景：他和下屬同時向知識問答提問，「2024 年飛書的機場廣告一共做了多少投放？」結果兩人收到的答案完全不同——謝欣得到了具體的投放數據，而下屬則沒有權限查看該信息，因此系統無法給出明確答案。
這是因為知識問答會基于組織中每個人的權限，只展示你「能知道」的內容，并據此生成你「該知道」的答案。這不僅保障了信息的個性化和精準匹配，也從源頭上確保了企業的數據安全不被泄露。
從這個角度來看，飛書并不是讓企業去適應 AI 的使用邏輯，而是讓 AI 主動適應企業的運行方式。技術從來不是目的，而是為場景服務的工具。飛書正在做的，就是讓 AI 自然而然地嵌入到組織的每一個細節中，讓每一位員工都能輕松上手、真正用得起來、用得放心。
03
超越抄作業時代——飛書賦能的能力在進步
作為長期關注飛書團隊節奏的人，我知道他們一向是「技術冒進者，產品保守派」，所以最早體驗知識問答的時候，預期可能是個比較保守的產品交付。
不過認真體驗和觀察后我意識到，企業知識問答這個場景，本質上就是一個「千行百業、千人千面」的復雜問題：不同行業、崗位、管理層級，提出的問題不同、期望的答案不同、理想的輸出格式也各不相同。換句話說，飛書的產品經理們無法在會議室里「閉門造車」設計出所有行業的知識問答邏輯， 它必須走向真實的市場環境，依靠用戶的真實反饋與使用場景，與各行各業共創，才能打磨出一個真正有價值的產品。
這背后，其實反映了飛書這幾年在產品觀念上的一次重要變化：過去，飛書更像是字節跳動「先進管理經驗」的對外窗口，讓其他企業通過它來「抄作業」。但現在，他們顯然認識到，這種方式存在天花板。每家企業都有獨特的流程、文化與知識體系，光靠復制「最佳實踐」是遠遠不夠的。
曾經有一段時間，飛書似乎被不少客戶理解為了對于「字節方法論」的「抄作業」方式。但這次知識問答上很顯然徹底改變了這個慣性。
很顯然它開始能幫助每個企業怎么做好「自己的作業」。這也是飛書知識問答的真正價值所在——它不是一個單純回答問題的工具，它有機會一個激發組織知識、流程與創新潛能的共創平臺。
在 AI 這波波瀾壯闊的浪潮里，很多公司都在追逐「最新、最強」的大模型，但我覺得飛書提供了另一條路徑——把 AI 的能力真正落在組織的日常運行中。
我覺得知識問答不是終點，它只是開始。未來，它或許會成為企業真正的「操作系統」——一個讓我們可以自然地向 AI 提問、獲取反饋、做出判斷并高效執行決策的核心接口。
我始終相信，AI 的最終目標不是簡單的提效，甚至簡單的去取代人，而是重塑組織。我們今天看到的每一次微小的技術進化，其實都在為構建一個全新的組織范式打下基礎。
門的另一側，將不再是「翻資料、找記錄、層層匯報」的低效模式，而是「開口即問、問即得答、答即可用」的智能協作新世界。這樣的未來，我很期待。
