这两年聊 AI，常常是聊得越多越焦虑。

我自己写公众号、做播客，做点独立开发，AI 用得算多。 AI 也真实对程序员和设计师这样的工种制造了威胁。但真要说 AI 在公司生产力层面创造了多少业务增长，身边大部分朋友的反馈都觉得雷声大雨点小。

常见的故事是，领导说要拥抱 AI，部门搞了个内部 AI 助手，接入了某些 AI 大模型，能查规章制度、能写周报、能润色邮件。看起来人人都在用，但回头看营收、看销售转化、看运营效率，跟没引入 AI 的时候没什么本质区别。这跟多年前中台概念一度火热是一样的景象。

这种状态不是「AI 无用」，其实是「AI 跑偏」。工具还是要看怎么使用的。

就着前几天企业微信在 AI 方面的一系列更新，想聊聊 AI 怎么落地业务现场。AI 其实跟人一样，也需要到业务现场把裤腿弄脏。

1 比起 AI+，企业更需要的是 +AI

为什么 AI 最常用在写周报和做 PPT ？因为这些是高曝光、低成本的事情。员工每周交一次周报，写得漂亮，老板能看见，老板满意，事情就成了。

不是 AI 干不了。是这些事情都「太业务太垂直」,需要的不只是模型本身,还需要数据、流程、专业知识。光有大模型对话框，是接不上这些场景的。

我之前在文章里聊过一个观点：未来更重要的是 +AI ，而不是 AI+。企业需要的不是再做一个新的 AI 工具，让员工把业务数据、工作流程重新搬进去；而是把 AI 放进原来的工作现场里。

企业微信现在做智能表格 AI，跟钉钉之前做 AI PaaS、飞书之前做多维表格 AI，思路其实差不多。推出一个全新的 AI Native APP 意义不大，更重要的是把 AI 嵌入企业里员工每天都在打开的表格、文档、群聊、会议里。

这是个共识，不算特别。特别的在于到底该怎么落地。

企业微信的落地解决的几个问题，是很具象的：

第一，可用性：AI 能力封装得够不够好，普通员工不写 prompt 也能用?

第二，有场景数据：业务数据是不是能进入 AI 工作的环境？

第三，够全面：这种信息，不仅是线上会议，在线下讨论、走廊聊天、工位旁闲谈的内容，能不能也进入到这个体系里?

我们聊聊这次更新里的内容，体会一下怎么把裤腿弄脏、走进现场。

2 AI 技能卡：先让普通员工真正用起来

先说第一个，智能表格 AI 字段，也就是 AI 技能卡。

skill 已经是这几个月烂大街的概念了。但这里的 skill 不是开发者炫技和 KOL 博眼球的技能。

简单说，AI 技能卡是把那些原本依赖经验的提示词、工作流、参数配置,封装成一张张「卡片」。员工不用知道里面是怎么写的 prompt，挑一张卡片，拖到表格的某一列上，这一列就自动获得了对应的 AI 能力。

这个选项里有大量封装好的字段。

列举个我自己有共鸣的场景。

早些年我用 Notion 管理，后来用在线表格管理。其中有一件事我一直很有需求，但没有实现好，也就是评价客户意向。

哪些客户是高意向需要立刻跟进的，哪些是慢慢来的，哪些其实可以委婉拒绝的，以前都是凭感觉，现在试着用 AI 来辅助。

在企业微信的 AI 技能卡里有一张叫「判断客户意向」的，固定输出高/中/低三档。这背后是工程师们反复打磨过的提示词，做了输出格式约束,做了示例校准。更重要的是可以拿到一个标准体系下去得到结论了。

这里就是 AI 帮我整理出来的客户意向，我自己评估下来，准确性相当可以。严谨说的话，只有 1 个错误。

比如，我还可以让 AI 帮我整理客户的兴趣点。

技能卡的本质，跟当年 Excel 把函数封装成图形化按钮、SQL 把数据库操作封装成可视化查询，是同样的产品逻辑。

我看到有人评价企微这次更新「在 AI 能力的广度上不如某些竞品」。这个评价当然是没错的。不过，能力广度和能力的可用性，不是一回事。Excel 的核心竞争力从来不是它有多少种函数，而是普通会计也能用好这些函数。

目前版本的 100 多张技能卡，覆盖销售管理、门店管理、营销内容、项目管理、招聘人事、信息提取等场景。坦白说呢，质量还是参差的，有些卡还很有待进步。

还是常说的，起点方向已经对了，剩下的就是看后续迭代速度。以及持续从真实使用场景里跟上，不断生产出更多可用的技能卡。

3 有数据，才是一池活水

第二件事是数据接入。也就是企业微信支持将数据接入智能表格。

技能卡解决的是「可用性」的问题。而可用不只是有技能就行了，还得有数据，数据代表的是业务场景。

企业需要的大量数据是分散的，散落在各个系统里，比如抖音的本地推后台、视频号的助手后台、微信小店的商家后台、聚水潭或旺店通这些 ERP 后台。每个后台都是一座孤岛。数据导出来格式还各不相同。

之前 AI 想做这些事情，得手工导出数据、清洗格式、上传到工作流里。中小公司更不用说个体户，根本扛不住。这也是为什么 AI 只能用在「写周报」这种场景里。因为周报都是水，不需要什么内容。

企微这次更新里，就通过官方接通了抖音本地推、视频号、微信小店、公众号，以及聚水潭、旺店通这些常用 ERP 平台的数据接口。现在做电商运营的话，可以把抖音的投流数据、小红书的评论、公众号的阅读数据、ERP 的订单库存，都直接同步到企微的智能表格里，再调用 AI 技能卡处理。

之前一家公司想做电商数据的 AI 分析，得自己做接口对接，要么就花钱买 SaaS。现在最常见的几个数据源用官方接口打通，稳定性和合规性也都有保障。

这有点像 2014 年微信支付接入第三方应用。微信当年开放了支付接口，让无数小程序、第三方应用可以一行代码接入支付能力，瞬间把电商和服务业的门槛拉低了一个量级。

把数据接入门槛拉低，AI 才有可能进真正的业务流程。

不过，我比较好奇的是后续的扩展性。目前接入的主要是腾讯生态内的平台(视频号、小店、公众号)，以及一些第三方 ERP。更多数据可能也在巨头手里，比如淘系、京东系、拼多多系。不知道未来的接入可能性如何。以及更多的内部系统、大型 SaaS 平台的兼容。

这是后续值得观察的。

4 面聊记录：线上线下的讨论都变成企业资产

第三件事是：记录面聊。

在大公司工作的朋友肯定有体会，有很多事情是在会议室之外发生的。有可能发生在工位旁的讨论里，发生在下班路上，发生在电梯里碰到老板的三分钟里。

这些信息在所有数字化工具的视野之外。它们只能存在我们自己的海马体里，很快就没了，尤其对于我这样的中年人来说，极具挑战性。半年之后再回头说「当时怎么定的来着」,谁也想不起来了。

面聊功能解决的就是这个问题。在企业微信里点一下，就能记录线下讨论。结合通讯录里的同事声纹，自动区分发言人。讨论结束后，AI 自动生成总结、列出待办、@相关负责人。

很多转写工具能区分发言人，但只能区分「发言人 A」「发言人 B」「发言人 C」。要把 A 和「张三」对上，需要事后手工标注。

这种「企业基础设施 + AI 能力」的组合，是企微自己的壁垒了。

我拿我们录制的一次现场做了总结，效果如下。这个可以用在很多场景，随时取用。

这件事的意义，不止「替代了会议记录」那么简单。

过去很多企业的资产，是通过「写文档」积累的。但写文档是反人性的，员工有意愿写好文档的概率很低。结果就是大部分公司的内部文档一片混乱。

面聊提供的思路就是，让讨论本身就成为文档。员工不需要额外付出多大的成本，正常讨论就行了，剩下的交给 AI。这些信息再被 AI 搜索调用、被 AI 总结组织、被 AI 推送给相关同事。这些就形成了资产。

作为企业软件，有时候不是让人惊呼「太炫了」，而是要让人少嘟囔两句「怎么又要手填」。

5 越好的 AI 产品，越不应该让人感知到 AI 的存在

把三件事放一块儿看，企微这次更新的逻辑算是挺清楚的。

AI 技能卡解决「能不能用起来」。

数据接入解决「有没有数据可用」。

面聊解决「数据和信息能不能留下来」。

三件事是三个互相支撑的点，环环相扣可以说。

企微 AI 及海外产品负责人在采访里说过一句话,企业微信对 AI 的期望是「融入」：「用户感觉到企微越来越好用，但感知不到 AI 的存在，这是最理想的应用模式」。

这是我特别认同的理念：用 AI 不是为了给别人炫耀我们用了 AI，用 AI 就是为了解决问题。

企业里的 AI 不是只存在于全员通告里的「尊敬的各位同事，随着数字化浪潮的不断推进......」，而是就真的帮大家解决点实际问题。

最后说一些个人的观察和判断。

第一，AI 在企业里的落地，会越来越在于「最后一公里」。

模型层面的差距正在缩小，成本也变得可控，未来模型的 token 就是水电一样的基础设施，不存在谁用不了的情况（只要肯花钱）。

而对于大量的企业，真正的差异化在 AI 能力跟具体业务场景之间的衔接。

第二，企业选 AI 工具的标准会发生变化。

之前选 AI 工具，企业看的是模型是不是先进、跑分是不是高、demo 是不是惊艳。毕竟目前还是处于炒概念的阶段，「显得」用了 AI，会比真的用了 AI 要有效。

但再过一段时间，标准会变得更务实：AI 能不能进真实业务现场？AI 有没有充分的数据土壤？怎么积累企业自己的数据资产？

第三，组织和工具是互相塑造的。

工具不能凭空让一家公司变得先进。我之前写飞书那篇文章里讲过，飞书很多功能体验确实好，但很多公司的组织文化没准备好接住这些先进功能。

但反过来,工具的存在也会持续地推动组织的演化。十年前没有钉钉，公司管理是另一套样子。今天没有了钉钉、企微、飞书，公司管理也回不到那个样子。

AI 在企业里的渗透也是一样。先用上的公司，会先迭代出新的协作方式（前提条件是真正解决了问题,）。等到这些方式被验证有效，会反向推动那些还没用上的公司不得不跟上。

当然也希望这次企微的更新，能成为这种推动里的一个支点。

就说这么多，希望有帮助～

题图由 ChatGPT 绘制。