参与组织里的每一个人，未来与 AI 智能体的关系会是怎样的？
11 月 22 日，飞书发布了大模型能力加持的新功能——「飞书智能伙伴」，相比市面上大多数类 Copilot 的产品而言，飞书选择了完全不同的路径。
为了智能伙伴能够成功「landing」，新版本飞书 7 做了很多准备，用飞书 CEO 谢欣的话说，「打好了基础」，让 AI 能够接触到更多的用户行为和数据——在用户授权的前提下。
针对产品本身，飞书是如何思考的？
在 AGI 初见曙光的时候，面对 AI 带来的生产力和协作范式的升级，企业组织应该怎样做好准备？
参与组织里的每一个人，未来与 AI 智能体的关系会是怎样的？
我们跟谢欣聊了聊，他对这些问题的思考。
以下是极客公园创始人 & 总裁张鹏与飞书 CEO 谢欣的对话，经 Founder Park 编辑整理。
01
最初没有规划的功能
张鹏：飞书刚发布了一系列智能原生的应用，我先问你一个问题，你印象比较深的功能有哪些？
谢欣：我想一下我自己用的（经验）。首先，每次开完会，生成智能会议纪要。熟悉飞书的朋友可能知道，飞书会议可以录制，形成妙计，妙计就是把大家每一句话都原封不动展示出来，好处是很全，坏处就是太全了，看起来很辛苦。
所以首先我们在妙计里形成一个摘要，这是第一步。很多产品可能到这一步就结束了，但我们觉得还不够。
还有一个产品，飞书文档。很多人手工写会议纪要，会直接去文档写，所以我们开完会后，可以进入飞书文档自动生成会议纪要，这个纪要是长度适中、不长不满的内容，还会根据会议内容生成一些可能需要的待办，可以转成真正的待办。往下还有分段落的纪要，第一段、第二段会议进行了什么，再往下就是完整的妙计。
所以妙计现在是飞书完整的会议纪要的一部分内容。
张鹏：它是底座，在它上面有更加精准的、更跟你相关的，更节约你时间的内容。
谢欣：对。它比较好的一点，利用了飞书文档这个产品。有时候，不管 AI 生成得如何，人总会觉得，「不太满意，我想修改一下」，现在它就是一个飞书文档，你可以随便改，添加一段文字，手工加个 to-do，删减一个，都可以。
它就是一个文档，大家可以协同、编辑、评论，所有功能都集成到一起，这是第一个我印象很深的用得蛮多的功能。
张鹏：对，你应该要参加很多会议，或者很多会议内容需要被知晓。还有什么（功能）？
谢欣：还有一个小功能，我们是做的过程中发现的，其实（最初）没有规划这个产品功能。
一个群，如果有很多消息没看，会生成一个群未读消息的摘要，这是大家能够想到的功能，但我们在这之外延伸了两个功能。
不止一个群有未读消息的时候，可以在早上，收到所有未读消息的合集。这个工作方式以前是没有的，以往要进入一个群再处理，现在我可以看到（所有未读消息）的总结。
此外还有一个相呼应的功能，每日工作总结。它把各个群消息汇总到一起，（生成）一个长度适中的（内容），累计一天，完成了哪些事情，哪些需要生成待办。它可以跨群去总结，我自己感觉这个是非常实用的。
它产生了一个新的（处理）方式，以往 IM 解构的产品，都需要先进入一个群再做事，再进入另一个群。现在你可以直接看到一个完整的东西，每日工作总结，不就是一个简版的日报吗？相当于每天自动就有一个日报，也能满足一些公司要写日报的要求，把它作为基础再调整。
02
为什么是「伙伴」？
张鹏：飞书本来大家很欣赏的，因为它促成了组织里信息的流动，沟通很容易「艾特」，不会错过协同的东西。但你现在说的这个进阶（功能），实际上是信息化之后的智能化。
一个个体，在组织里，工作流的信息化，是第一步。现在你们要把它智能化。
这个感觉很有意思，你们今年提到了一个非常重要的概念，「智能伙伴」。现在大家都流行叫 Copilot，为什么你们叫智能伙伴？「伙伴」这个视角该怎么理解？
谢欣：我们的确花了很多精力去思考。今年四月，微软发布 Copilot，大家都开始关注，我们就在想，为什么微软叫它 Copilot？这个词的含义是什么？我们也在学习，看别的公司各种做法，AI 产品怎么做，形态是什么？
当时我们有一个很基础的问题，整个产品，最主要的形态应该是什么？
不同产品做法的确不一样，主流最常见的，是原来的主产品，右边加个小框，可以点出来对话。微软的 Copilot，很多产品的基本形态都是这样。然后我们思考，这个形态还是挺有价值的，但它是不是就是最根本、最应该出现的一个形态？（Copilot）这个形态像一个功能。比如 Excel 功能特别多，就（呼出 Copilot）让它帮忙，是一个加强的功能。
后来我们看了很多，也学习了很多大模型本身的技术，就总觉得有点不对。大模型和以往的技术浪潮相比，有一点不太一样，以往比如手机、移动互联网，它是个手机，大家一看就懂。但这次是人工智能，核心，它是智能。什么拥有智能？人有智能。所以（好的 AI 产品）不应该太像工具，更应该像一个「人」。很多 AI 产品、功能，都是一个浮窗，一个功能模块。（像）人的话很不一样，它得是 ID，是「一个人」。
其次，这个「人」是谁？
大家第一反应都是助手，assistant。现阶段大模型的能力，的确像个助手，有用，但不是特别有用。我们实际使用时，也会发现自己的功能，有时候也不稳定，因为大模型的能力大家也都知道，现状的确是这样。但我们预期以后一定会慢慢变强，技术在逐渐涨潮的过程中，移动互联网十年，大模型今年可能算是元年，像 iPhone 一代，它的能力是有限的。
但是，iPhone 一代到 iPhone 15，基本形态都没有发生太大的变化。
张鹏：理论上，在第一瞬间，至少演进的大目标应该是一样的。
谢欣：对，我们在想，如果它（AI）以后越来越强了，它还会是个「助理」吗？
「助理」这个定义可能不够好。你想，你招了一个特别强的「助理」，它的能力、边界都被「助理」限制。所以我们觉得，他应该是你的「伙伴」。它现在可能是个「小伙伴」，但会慢慢变强，逐渐可以把任务完全委托给它。
我觉得这是一个可能长期而言，更适用的概念。不论是当前能力还不是那么强，还是未来能力很强的情况，它都是能够基本保持稳定的概念。
再比如，（「伙伴」）和功能有什么区别？功能之间是孤立的，每个功能操作完之后，功能本身不会记得你操作过。比如在 Word 里把字调成红色，但是没有「人」帮你记住（这些操作）。
但是一个伙伴，只要功能够强，它记住了你所有的操作，知道你编写了这个文档，你在这件事上工作过，它拥有「记忆」。随着它未来越来越强大，它会慢慢掌握你工作需要的东西，了解你的工作风格习惯，我们认为它的潜力是非常巨大的。
所以，（在授权的前提下）AI 能够知道你工作中所有事情，我们觉得，这个 AI 的基本形态，应该是个伙伴。
张鹏：这个思维蛮第一性的。今年很多人都说大模型让我们看到了所谓的「AGI 的曙光」，通向未来十年，很多人都有共识，AI 一定会深刻改变所有的环境。但我们最没共识的，是未来三年怎么走，下一个产品要怎么做。
你刚才说的启发了我，AGI 本质上要通用，也要真正的智能，所以把它当成一堆 feature 功能可能不够，它应该有一个智能的「身份」。你定义了两个核心的问题，一个是要有记忆，第二个是它在你（用户）身边和你的关系。
谢欣：对，我再展开。对于这个「伙伴」，我们额外再强调一点，它是每个人自己的伙伴。我们看了很多市面上的产品，有些产品是公共的 bot、机器人，每个人用它都是一样的。
我们认为这个「伙伴」是每个人未来都会有的（独特的），它会非常了解我在工作中的权限，它只能拥有我的权限，没办法拥有别人的权限。
张鹏：所以它应该是「我的智能伙伴」，不是全公司通用的。
谢欣：是的，更准确地说，首先有一个个人的伙伴，此外我们还可以做一些公共的伙伴，承担一些专业职责。
我们可以说远一点，今天（AI）还没有这么厉害，稍微展望一点。一个组织结构，每个部门里都是人，但未来，随着智能伙伴越来越强大，能力越来越多，组织结构可能会有一些变化。
一方面，它擅长很多我们不擅长的能力，比如财务是一个专业学科，所以有一个人专门负责财务，编程是专业的，有人专门负责编程，这两者是没有关系的。但从智能伙伴来说，它的能力可能不是这样划分的。
大家知道现在大模型的能力，比如，它非常擅长总结，但是我们现在的组织里...
张鹏：从来不存在一个总结岗。
谢欣：对，从来不存在。所以可能以后的公司结构，会因为模型擅长的东西而产生影响，发生变化。
03
大模型产品化的认知在改变
张鹏：上半年 Copilot 的概念已经深入人心，我很好奇，飞书在这件事上，为什么不早点做一个 Copilot？最终为什么没有直接做 Copilot，而是比较第一性地创造了「智能伙伴」的产品定义，内部发生了什么？
谢欣：说实话，整个过程中我们也在学习。（大模型）对我们也是一个新的技术，最开始感觉市场有点着急，大家赶快地推出了很多功能，但后来感觉很多东西好像都变了。比如说 OpenAI，最初产品的一些结构，后来都改了。
我们发现，大家（对大模型产品）的很多认知在变化，我们在过程中也在学习。最开始看到微软推出 Copilot，我们当时琢磨，「这可能是最好的形态」。
张鹏：哈哈哈，也曾经这么想过，客观地讲。
谢欣：（笑）对，毕竟微软很「大牌」嘛，哈哈哈。
然后我们找各种能找到的资料，去看、去学习、找人去问。最终，我觉得这不是一个很好的形态，它还是一个功能化的东西，在每个已有产品边上添加功能，这个功能可以让已有产品用得很好，但我觉得这不是很理想的。还是要往未来看，三年、五年后的大模型能力，应该有一个怎样的产品形态。
张鹏：那其实是一个工具里的助手，但我们可能真正想要的是一个智能伙伴。
04
业务场景里的 AI 功能
张鹏：听说飞书内部日常工作中已经用了很多 AI 的能力了，我们都是刚看发布会，刚开始学习了解，能不能先给我们分享一下，智能伙伴对组织、个体和具体业务，有怎样的作用？
谢欣：我先说一个小的场景，但是用的人很多。我们商业化团队，去获客，介绍飞书，针对客户的具体情况，我们要准备相应的材料。比如一个电商客户，我们要准备材料，哪个方向，有什么特点，规模大小...... 需要准备很久的时间。
张鹏：每个客户单独准备一套。
谢欣：对。要针对性地准备，pitch 的成功率才高。但每次的企业都不一样，上一次集的材料下一次不一定能起作用，所以这个工作量其实很烦。现在，有一个 AI 的功能，你只要在群里把需求说出来，比如，一个中等规模家具厂，他们有什么特点，然后（AI）很快，一两分钟就把相关材料准备好，可以生成一个很长的文档。
以往大家去打单，你要花很多时间准备，然后才去见面，去聊。现在你可以花更多的时间去见面，去聊，这才是更有价值的时间。
张鹏：AI 在这里开始明确地起到作用，辅助你（员工）节约了时间。
谢欣：它是一个业务场景。现在很多 AI 功能，开箱即用的功能，每家都差不多。但我觉得，进入一家企业中，除了那部分开箱即用的功能，还应该有一些根据业务特点定制的，随着业务发展开发出的深度功能。我们的商业化团队，他们的工作效率就提升了很多倍。
张鹏：因为它精准地对齐了特定团队在特定环节里效率提升的需求。
谢欣：是的，非常精准。还有一些其他的，比如说，销售总监要 review 下面销售的拜访记录，查看他们下一次的安排等等，这些也都被自动化了。现在实际上有一个智能伙伴在 review 这些东西，督促你下一次的动作，询问你进展如何。相当于你和你的上级，这个工作流程，变成了你和你的智能伙伴之间的工作流程，然后上级可以直接查看汇总情况。
张鹏：所以未来，我们组织内很多的「对齐」，是不需要在对齐的动作中完成的。我们本身把「对齐」当成一个动作，可能这就是最大的问题。
谢欣：我特别同意。人们花了很多时间彼此同步信息、对齐信息，尤其在工作中，为了防止信息差，需要花很多时间跟别人讲清楚。我认为这件事，未来随着 AI 能力逐渐增强，智能伙伴就可以帮助你基本完成，只要你授权给它，它负责信息拉齐。
我觉得现在的工作场景中人和人之间的沟通，一种仅仅为了信息对齐互通，另一种，我们希望讨论碰撞出新的火花，未来这（第二）种应该成为主流，对齐的东西就交给智能伙伴。
张鹏：这激发了我对智能伙伴未来最大的愿望。比如我们俩有很多要对齐的东西，我们的两个智能伙伴之间，以光速就可以迅速完成，我们则要聊一下，那真是花两个小时的人生啊。
05
要看到可能性
张鹏：我很好奇，未来你身边会有智能伙伴，再结合到各个业务体系，更垂直的领域，还有更多的功能。现在我们所说 agent，要自己运用工具，甚至自己去组织（其他 agent）。未来这些伙伴，会不会有更多的，比如工具的能力？
谢欣：会的，特别正确。拿飞书来说，今天之前，飞书也好，其他也好，都是为人设计的。未来的协同能力，还要为 AI 设计，为 agents 设计，为智能伙伴设计。
整个这套平台，不能只考虑人的便利，还要考虑到智能伙伴，这样它才能给你带来更多的便利，让它把逐渐强大的能力发挥出来。
这个是非常重要的，飞书本来解决的是人与人的协同，现在在考虑人和 AI 怎么协同，未来可能要考虑 AI 与 AI 如何协同，智能体之间如何组队等等。现在也许（大模型）能力还不太行，但我们要看到它具有这种可能性，才能在未来把它做出来。
张鹏：跟你聊有一个特别强烈的感觉。越是对未来感到兴奋的时期，越要做最基础的工作，这就是要做到 AI Ready。AI Ready 有不同的视角，我先说说，很多时候，你把一个好产品放到员工面前，大家不一定真的能用好，这其实是很大的浪费。
飞书应该也面对这样的问题，「智能伙伴」这个全新的概念，怎么才能让每个个体接受这种全新的关系？大多数人也许并不会第一时间就能感受到，这个时候就特别考验产品，你们怎么解这个问题？
谢欣：一方面从产品层面上努力，但说实话，也不能只通过产品，我们也做不到（笑）。
张鹏：这是真问题。
谢欣：没错，现在来说，AI Ready 这件事非常重要。
想让 AI 发挥作用，首先得让它能接触到数据，第一，以飞书为例，飞书本身的数据 AI 也能接触，我拥有权限的数据，我的智能伙伴能够接触，这个概念在飞书智能伙伴上感觉很自然。
张鹏：所以飞书本身基于信息充分流动的思想和架构，是一个很好的基础面。
谢欣：是的。然后飞书之外的系统，我们也让它在飞书 7 里打开，我们把别的系统的数据，对 AI 开放，这是第二。
第三，有些（数据）压根没有系统，我们有很多工具，可以帮助搭建系统，通过 AI 或者其他方式，把数据构造出来，让智能伙伴能够接触到。
这一切就是帮助企业实现 AI Ready（的方式）。
06
为 AI 设计的组织结构
张鹏：AGI 在下一个 10 年里对整个社会、商业会产生巨大的影响，那今天任何一个组织，不可能脱离这个影响，所以至少要做到 AI Ready。
飞书最早是在工作流里带着对组织的一些思考，让信息充分流动，我发现这个出发点好像又转回来了。它必然要带着对组织的未来形态的思考，去设置这个工具，才能让工具一步步适配组织在下一个时代的需求。
我们是不是可以非常明确地预言，未来的组织不能只是人的组织，必须是人和 AI 协同的组织？
谢欣：就是这样。我们刚才谈到，现在的组织，说的是人。公司的组成、公司组织结构，什么矩阵式的组织结构？按部门划分、 BU 制、职能制，谈的都是是人。而且人是按照适合的角色分类，按学科分类。
未来的组织会很不一样。因为 AI 擅长的事情，假设认识纵向的，AI 擅长的是人的横向拉伸。它拥有非常多的知识，但有些东西又不擅长。
所以我认为，未来的组织结构是比较复杂综合的结构，一家企业里，可能会有很多 AI 智能体，它和人是一种复杂的配合关系。个体的智能伙伴、公共的智能伙伴，然后公司的老板可能有一个从他的视角，非常强大的俯瞰公司各种信息的智能体。
人们的配合方式可能也会变。现在，我们都是一个人汇报给另一个人，未来可能一些人做的工作是汇报给一个 AI，我觉得这是有可能的。
张鹏：所以你看让人兴奋的不只是产品、工具、工作流（在改变），组织管理，我们过去认为都定性了，大师写了很多年的东西，也要发生变化了，这是真的让人觉得很兴奋的点。
谢欣：我觉得会的。而且因为 AI 有些事情非常擅长，那些事人就可以不做了。这样的话，一个人在原本一个岗位上的一部分职责，就被 AI 帮忙拿掉了，所以说，有可能人的岗位职责也会重构。
这个到底会怎么演化，现在还说不太清楚。
张鹏：（笑）现在我们都有人力资源部，以后可能还有一个 AI 资源部。
07
打基础很重要
张鹏：飞书这次年底的发布会，你猜一猜大家用上产品后反馈会怎样？
产品层面未来迭代的速率是怎样的？是快速迭代，还是更加审慎一些？
谢欣：发布之后，大家的反馈，我其实不太敢裁。（笑）就像刚刚提到的，现在是 iPhone 一代刚发布的时候，但大家的预期其实已经在期待 iPhone 4 了。所以我不太敢确定大家的反馈。
但我想说的是，我们现在做了很多基础的工作，包括飞书 7 的产品形态，这个「智能伙伴」的定义，它能够发挥的作用，我们花了很大的精力去打这些基础。在今天，它不一定马上就能变得很厉害，很强大，但是因为基础比较牢，我觉得后面它应该是眼见着，多一个功能，变强大一些，再强大一些。我会眼看着它变强大。我觉得，现在的基础非常重要。
张鹏：所以，会不会传统意义的产品迭代的过程也会变化？它可能会像一个伙伴一样，依托数据和模型能力，跟用户一起成长？
谢欣：会有一些变化。一方面，我们在打造一些更好用的工具和方法，让这个伙伴的技能提升得更快。另一方面，未来我们可能会有，一个用户创建了某个专业能力的伙伴，更多人能够去使用。
张鹏：所以也有可能，在飞书上，会存在这种「专业能力的 Store」？每个人创造的好的「伙伴」，可以通过飞书的平台分享给更多的人？
谢欣：没错。我们其实在飞书 7 上花了很多精力打造这个基础，我们也是反复思考学习，看别人踩过的坑，花很多时间做基础工作，我认为后面，会有更好的成长。
08
未来的 CEO 更需要做成事的决心和意愿
张鹏：我再问一个好奇的问题。谢欣你这些年，一直在针对组织、协同、工具这些，跟随着公司一起成长，你本人也有足够的管理经验，我很好奇，你会怎么定义自己，作为组织里的 CEO，正在下一个时代，怎么能够成为一个更优秀的老板？CEO 未来要考虑的最重要的问题是什么？
因为你面对的，可能不只是一个由人组成的组织，可能是一种我们现在很难想象的组织形式。
谢欣：这是一个蛮有意思的问题。我其实思考得不够深，但有一些基础的想法可以分享一下。
CEO，一般来说，都有着某些专业能力，一路爬升，专业技能作为基础。我觉得未来，其实不单纯是 CEO，可能 CEO 在这一点上更加凸显——因为 AI 本身的通用能力、技能型的能力会越来越强，CEO 角色对于专业能力的要求会稍微弱一些。更重要的，是你对做成一件事情的决心、意愿，你的认知判断能力可能会更加重要。
AI 在专业知识和技能方面，会成长得比较快，它会帮你把这块能力补充上。比如我们要接触制造业的公司，AI 会有各种制造业的知识，它都懂，你问它就好了。
但是你要有非常强的决心，要组织一切资源，一定要把这件事做成。
张鹏：甚至，定义这件事究竟应该是什么事，这是 AI 做不到的。
听起来对年轻人更有利？以前做个 CEO 怎么也得 35 岁以上？（笑）以后，（专业）能力的爬坡，AI 会帮你爬了，但你需要更多地去理解世界，思考你真正觉得值得解决的问题，定义好问题，然后有足够的决心和意愿去推进。
谢欣：提出问题这个能力，变得很重要。
09
员工应该跑赢老板
张鹏：刚才我们说 CEO 要怎么适应，本质上是通向组织会如何变化，AI 会成为伙伴，人的价值到底该怎么释放。
这也涉及到职场，如果老板都在用 AI，有了 AI 伙伴，员工该怎么办？
谢欣：我觉得如果老板用了 AI，那你要用一个更强的 AI，要跑赢老板。
老板一般时间不多，你有更多的时间学习更多 AI 相关的工具，去了解、掌握。你会超越他/她。
张鹏：哈哈哈，有道理，你说的这个视角，解锁了大家更多往前探索的可能性。
10
不要让 AI 刷存在感
张鹏：听说你今年也全球各地跑，学习 AI 相关的东西，有什么可以跟我们分享的？
谢欣：先说一个好玩的，我看到很多人用 AI 的一个场景，很搞笑的，用户用 AI，写邮件，写一句 Prompt，让 AI 扩写完整，发出去。然后收件的人，把它 summary 出来，再简化回来，就，两个 AI 不知道在忙什么事情。（笑）
我觉得就是，AI 的使用，要把它用在真正有效率的地方，而不是为了让 AI 刷存在感，好像是为了用 AI 而用 AI。
张鹏：（笑）说白了，AI 不应该是一个形式，它应该直通真正的结果，应该真正解决问题。
谢欣：我们还聊了一些比较远的、纯技术，甚至有一点科幻的问题。我问了一个问题，现在大模型看起来很有智力，像一个只会生物，但是它跟人有一个区别，人生下来，先有智力，然后学习知识，而大模型是先灌输了足够的数据，才拥有了智力。我就很好奇，为什么不一样？
有个有意思的答案。感觉上数字的生命体和生物的生命体可能很像，但生物已经进化了很久，人可能是「GPT-1w」了，从最原始的单细胞草履虫，没有智力，（进化）过程中不断地重新 train，每一代 train 一次，相当于把生活中的履历，一定程度上 train 到了下一版本的大脑中，最后构成了现在（人类的智力）。
所以，我们看上去，生而拥有的智力，其实是前面无数代 pre-train 进去的，这一点跟大模型很像。
张鹏：其实换另一个视角，人类每天视觉、听觉、触觉，每天都在接触世界接触数据和信息，它也是一种学习。只是未必是一种结构化的、文字化的东西，它可能本身也是多模态的，不断在给我们输入。人的成长过程中，这个数据量其实非常大。
