“上周市場部提到的客戶案例文檔在哪兒呢？” “去年類似的營銷方案是誰負(fù)責(zé)的？” —— 這樣的對話每天都在無數(shù)企業(yè)重復(fù)上演。

文 | 周效敬；編輯 | 燕子

某 SaaS 公司市場總監(jiān) Sophia 最近就比較煩惱，為了準(zhǔn)備季度匯報，她需要整合三個部門的歷史數(shù)據(jù)，在海量文檔和群聊記錄中耗費了兩天時間，最終找到的資料仍不完整。

由于關(guān)鍵數(shù)據(jù)缺失，Sophia 拼湊的報告始終沒法呈現(xiàn)完整的業(yè)務(wù)圖景。

這并非個例，根據(jù)麥肯錫研究，知識工作者每天約 1.8 小時用于搜索信息；而 IDC 數(shù)據(jù)顯示，其搜索成功率不足 50%。

這正是當(dāng)下企業(yè)知識管理的真實寫照：信息散落在文檔、群聊、郵件等數(shù)十個角落；權(quán)限體系讓跨部門協(xié)作困難重重；傳統(tǒng)搜索工具要么返回數(shù)百條無關(guān)結(jié)果，要么對一些模糊提問束手無策。

轉(zhuǎn)機(jī)出現(xiàn)了。5 月 21 日，飛書正式發(fā)布了一款 AI 問答工具 ——飛書知識問答。

飛書 CEO 謝欣表示，該產(chǎn)品的定位是 “真實能用的企業(yè)專屬AI問答工具” ，基于飛書生態(tài)沉淀的企業(yè)知識（群聊、文檔、會議等），實現(xiàn)精準(zhǔn)、安全的智能問答與內(nèi)容生成。

當(dāng)你對著手機(jī)說出 "分析 Q1 的市場活動成效" 時，系統(tǒng)在10 秒內(nèi)生成了一份結(jié)構(gòu)清晰的報告，它不僅自動關(guān)聯(lián)銷售數(shù)據(jù)表、客戶反饋文檔和活動照片，每項結(jié)論還標(biāo)注了來源鏈接；

當(dāng)你追問 "競爭對手同期動作" 時，AI 不僅能在聯(lián)網(wǎng)狀態(tài)下檢索公開報道，還能關(guān)聯(lián)銷售團(tuán)隊在客戶拜訪中收集的未公開情報 —— 所有信息都嚴(yán)格遵守權(quán)限設(shè)置。

這印證了崔牛會創(chuàng)始人、CEO 崔強(qiáng)在 “2024 SaaS 大會 ” 上的判斷：“AI 正在讓企業(yè)軟件從 ‘功能堆砌’ 轉(zhuǎn)向 ‘體驗重構(gòu)’。” 飛書知識問答正是這一趨勢的典型代表。

基于飛書生態(tài)沉淀的企業(yè)知識，結(jié)合 Deepseek 等多模型能力，實現(xiàn)了 “問即所得” 的智能體驗，同時通過嚴(yán)格的權(quán)限管理守護(hù)企業(yè)數(shù)據(jù)安全。

讓信息不再沉睡，讓知識自然流動。正如謝欣所說：“能用和好用是兩個完全不同的概念。” 在這個信息過載的時代，或許企業(yè)真正需要的，正是一個懂業(yè)務(wù)、守邊界、會思考的 AI 工作伙伴。

飛書知識問答，體驗如何？

崔牛會團(tuán)隊深度體驗了飛書知識問答，從交互方式、答案可信度、權(quán)限管理三個維度，測試了這款產(chǎn)品的核心能力。同時，我們模擬了管理者和員工兩類角色的典型使用場景，看它是否提升了企業(yè)知識檢索的效率。

1. 無門檻交互：語音 + 多輪對話，讓 AI 真正 “好用”

• 語音提問：在手機(jī)端，無需打字，直接說出問題，比如 “SaaS 大會為什么要在蘇州舉辦？”，系統(tǒng)自動轉(zhuǎn)文本并生成答案。

• 多輪追問：第一問：“2024 年 SaaS 大會的閉門會分享嘉賓有哪些？”，它會調(diào)出與 2024 SaaS 大會閉門會有關(guān)的文檔，把相關(guān)嘉賓的分享內(nèi)容呈現(xiàn)出來。

第二問：“給我推薦幾個產(chǎn)品類閉門會講師”，系統(tǒng)能結(jié)合上下文精準(zhǔn)回答，無需重復(fù)提問。

• 多模型切換，搜索范圍可控：用戶可選擇更擅長長文本分析的 Deepseek，或響應(yīng)更快的豆包，滿足不同的需求。

用戶也可以自主選擇使用 “聯(lián)網(wǎng)搜索” 或 “知識庫搜索”。我們測試發(fā)現(xiàn)，使用聯(lián)網(wǎng)搜索時，搜索來源鏈接中會增加很多來自互聯(lián)網(wǎng)的報道內(nèi)容。

2. 答案可溯源：每一句話都有據(jù)可查

答案下方直接顯示來源，點擊來源鏈接，可一鍵跳轉(zhuǎn)，對信息來源明明白白。

3. 權(quán)限智能適配：千人千面的安全回答

同一問題，不同權(quán)限會得到不同的答案。

普通員工問 “Q2 市場預(yù)算還剩多少？” ，系統(tǒng)僅顯示自己有權(quán)限查看的部分?jǐn)?shù)據(jù)；如果財務(wù)總監(jiān)問同樣問題，系統(tǒng)會返回完整預(yù)算表及執(zhí)行進(jìn)度。

飛書 CEO 謝欣對該功能親自做了測試，他拿同事的飛書賬號和自己的賬號進(jìn)行對比，問 “在 2024 年，飛書的機(jī)場廣告投放花了多少錢啊？”

不同權(quán)限得到不同結(jié)果的對比圖

謝欣的手機(jī)上顯示了飛書 2024 年在機(jī)場廣告投放的具體數(shù)字，但是他同事手機(jī)上的答案是 “抱歉，在可訪問的知識問答結(jié)果中并沒有找到答案”。

千人千面，每一個角色的回答結(jié)果是不一樣的，知識問答讓每個角色在自己的權(quán)限范圍內(nèi)獲得充分的信息。

牛透社對管理者和員工兩個角色做了實測，我們看下不同角色如何用它提升效率。

場景1：管理者 —— 快速掌握跨部門項目進(jìn)展

比如，我們提問 “崔牛會深圳 AI 城市峰會當(dāng)前籌備進(jìn)度如何？”，系統(tǒng)自動整合了市場部同事周報、公司群聊記錄、會議紀(jì)要等，生成結(jié)構(gòu)化摘要，一個清晰明了的輕型報告就出來了。

活動舉辦結(jié)束之后，如果讓它生成 “2024 SaaS 大會” 的總結(jié)報告，它也會快速生成一份內(nèi)容豐富的、管理者平時很難搜集齊全的活動總結(jié)報告。

管理者身份實測

普通員工身份實測

場景2：員工 —— 模糊搜索碎片化信息

當(dāng)我們對某件事記得不太清楚了，也可以模糊提問：“有一期 DeepTalk 直播欄目好像提到了 AI 的爭議，有哪些爭議來著？”

飛書知識問答會在企業(yè)知識庫中掃描所有的文檔、對話、郵件等信息載體，對其進(jìn)行整合之后再有邏輯地展示出來。

牛透社實測發(fā)現(xiàn)，涉及敏感的選題，比如搜索 “某企業(yè)陷入經(jīng)營危機(jī)” 的文檔，問答系統(tǒng)則以 “敏感信息” 為由自動拒絕回答。

可見，飛書知識問答通過 AI 引擎提高了人找信息的效率，我們無需去翻半天的聊天記錄、查文檔，問答就能直達(dá)目標(biāo)。

它打破了信息孤島，跨群聊、文檔、表格的關(guān)聯(lián)檢索，讓碎片知識流動了起來。

而根據(jù)各角色的權(quán)限進(jìn)行千人千面式回答，讓企業(yè)人員既享受到 AI 的便利，又不越權(quán)訪問。

讓企業(yè)知識真正 “活” 起來

當(dāng)下，企業(yè)知識管理面臨的最大挑戰(zhàn)不是信息匱乏，而是如何讓沉淀的知識真正流動起來，轉(zhuǎn)化為生產(chǎn)力。

飛書知識問答就是這樣做的，其背后的一些技術(shù)架構(gòu)、基礎(chǔ)原理還挺有意思。

1. RAG + 權(quán)限引擎，打造企業(yè)級可信 AI

企業(yè)的知識數(shù)據(jù)像碎片一樣散落在各個角落，文檔、聊天記錄、郵件往來等，這些都是非結(jié)構(gòu)化的數(shù)據(jù)，想利用起來并不容易。

飛書知識問答采用RAG（檢索增強(qiáng)生成）技術(shù)，對知識進(jìn)行切片處理，按語義切分為可檢索的 "知識塊"，再給它加上權(quán)限標(biāo)簽。

用戶提問時，系統(tǒng)會先檢索相關(guān)的知識塊，再喂給大模型去生成答案。

實測對比來看，直接提問 "如何申請市場費用報銷？" ，通用大模型有時會編造流程，飛書知識問答則會精準(zhǔn)返回提問內(nèi)容所在的文檔，比如它會指向《費用管理制度》第 3.2 條款內(nèi)容等。

在搜索過程中，系統(tǒng)會進(jìn)行實時的權(quán)限校驗，即使文檔被檢索到，如果沒有權(quán)限的話，仍然會被過濾掉。比如，HR提問 "張三的薪資情況"，系統(tǒng)會校驗提問者是否屬于人力部門。

2. 數(shù)據(jù)預(yù)處理：破解企業(yè)知識管理難題

飛書知識問答系統(tǒng)具備三大核心能力：多格式解析、上下文補(bǔ)全和知識關(guān)聯(lián)。

知識問答支持解析飛書文檔、多維表格、會議紀(jì)要等多種格式，特別是對復(fù)雜表格的優(yōu)化處理。比如，它能識別多維表格中的關(guān)聯(lián)字段。

它還可以自動進(jìn)行信息的補(bǔ)全，自動為碎片化聊天記錄添加上下文。比如，將 "這個功能下周上線"，補(bǔ)全為 "【產(chǎn)品群】5 月 20 日討論：AI 問答功能將于 5 月 27 日上線"。

飛書知識問答還可以搭建知識關(guān)聯(lián)網(wǎng)絡(luò)，建立文檔、群聊、會議之間的關(guān)聯(lián)關(guān)系。比如，自動將需求文檔與對應(yīng)的測試報告、上線通知關(guān)聯(lián)等。

3. 有了通用大模型，為什么還需要飛書知識問答？

為什么真正讓企業(yè)知識流動起來的，是飛書知識問答這類企業(yè)級的產(chǎn)品，而非通用大模型？

因為，飛書知識問答與通用大模型有著本質(zhì)差異。

在數(shù)據(jù)層面，通用大模型基于公開的互聯(lián)網(wǎng)信息，知識問答則是基于企業(yè)私有知識庫，需要訪問權(quán)限，而非公開互聯(lián)網(wǎng)信息。

在安全層面，知識問答嚴(yán)格執(zhí)行企業(yè)權(quán)限體系，實現(xiàn) "答案千人千面"，每句話都可以追溯源頭，符合企業(yè)對準(zhǔn)確性、高質(zhì)量內(nèi)容的需求，而通用大模型則可能存在幻覺。

在場景上，通用大模型面向的是通用型場景，知識問答則深度適配企業(yè)的工作流程，而非通用對話。

4. 如何 “AI Ready” ？

“AI Ready” 是指企業(yè)在系統(tǒng)、數(shù)據(jù)、基礎(chǔ)設(shè)施或業(yè)務(wù)流程等方面已經(jīng)做好了準(zhǔn)備，能夠有效利用 AI 技術(shù)并從中獲益。

這一概念強(qiáng)調(diào)在引入 AI 之前，各要素已具備適配性和成熟度，確保 AI 應(yīng)用能夠順利落地并發(fā)揮預(yù)期的效果。

要讓飛書知識問答系統(tǒng)發(fā)揮出最大的價值，企業(yè)需要先做到 AI Ready，根據(jù)飛書服務(wù)團(tuán)隊的實踐經(jīng)驗，AI Ready 需要三大前提：

1）完成知識數(shù)字化：將本地文件遷移至協(xié)同平臺。

2）建立結(jié)構(gòu)標(biāo)準(zhǔn)：統(tǒng)一文檔模板和元數(shù)據(jù)規(guī)范。

3）完善權(quán)限體系：實施細(xì)粒度的訪問控制。

飛書知識問答產(chǎn)品當(dāng)前也存在一定的局限性，比如對未數(shù)字化的線下知識無能為力，極度模糊的提問仍需人工干預(yù)等。

飛書團(tuán)隊告訴牛透社，他們將持續(xù)優(yōu)化多模態(tài)支持和智能推薦能力，推動企業(yè)知識從 “存得住” 向 “用得好” 演進(jìn)。

SaaS + AI：從工具到生產(chǎn)力革命

一位頭部投資人在 SaaS 大會上說：“未來 5 年，沒有 AI 能力的 SaaS 企業(yè)，就像沒有電器的五金店 —— 看似齊全，實則落后于時代。”

這場行業(yè)性變革盡管夾雜著一些泡沫，但它也的確是商業(yè)效率進(jìn)化的必然。飛書知識問答是 “SaaS + AI” 的一個樣本，當(dāng) AI 真正融入企業(yè)的高頻工作場景時，帶來的是實實在在的生產(chǎn)力革命。

在會議管理 / 采訪這個典型場景中，傳統(tǒng)模式下，行政人員、媒體人等需要反復(fù)聆聽錄音、整理碎片化的討論內(nèi)容，往往耗費數(shù)小時才能產(chǎn)出一份會議紀(jì)要。

而飛書知識問答的介入，讓這一過程發(fā)生了質(zhì)的變化，系統(tǒng)不僅能自動識別關(guān)鍵決議事項，還能關(guān)聯(lián)歷史相關(guān)會議記錄，在幾分鐘內(nèi)生成結(jié)構(gòu)清晰的待辦清單。

更深層的變革發(fā)生在組織能力層面。

過去，跨部門協(xié)作困難重重，市場部需要反復(fù)向技術(shù)團(tuán)隊確認(rèn)產(chǎn)品參數(shù)，銷售部門要不斷向財務(wù)咨詢報銷政策。飛書知識問答通過自然語言交互解決了這個問題。

成功的AI應(yīng)用必須平衡三大要素：可控的權(quán)限體系、合理的成本結(jié)構(gòu)和明確的價值產(chǎn)出。

飛書知識問答通過字段級權(quán)限管控確保安全，借助云端服務(wù)降低部署門檻，更關(guān)鍵的是，它瞄準(zhǔn)了企業(yè)最痛的知識管理難題。

結(jié)語

SaaS 企業(yè)生存的關(guān)鍵不在于是否添加 AI 功能，而在于能否用 AI 重構(gòu)業(yè)務(wù)本質(zhì)。那些仍試圖在舊的體系里縫縫補(bǔ)補(bǔ)的企業(yè)，可能會成為數(shù)字化進(jìn)程中，那個電器時代里的五金店 —— 看似產(chǎn)品齊全，實則早被時代拋棄了。

飛書知識問答的價值也不在于它用了多先進(jìn)的算法，而在于它讓每個普通員工都能輕松獲取曾經(jīng)需要層層審批才能得到的信息，讓企業(yè)積累的知識真正轉(zhuǎn)化為決策的資源，用技術(shù)消除障礙，讓創(chuàng)造價值的路徑變得更短、更直接。

說明：文章為牛透社原創(chuàng)，未經(jīng)允許謝絕轉(zhuǎn)載。