* 本文原创发布于差评孵化的商业财经类帐号 “ 知危 ”

大模型时代，除了为 C 端用户提供好用的对话模型，一些 SaaS 企业也把目光转向了企业管理层面，简单来说就是将 AI 带入到企业的工作环节，通过搜索平台链接公司内部数据，帮助员工更好地搜索信息，从而提高工作效率。

但是很多企业依赖于本地部署的旧有系统，SaaS 企业需要时间整合可能是不同业务部门的系统，还要针对不同行业定制解决方案，增加了市场教育和产品适配成本。

那么，如果本来就是被广泛使用的一站式办公协作平台，内嵌一个自己的 AI 问答工具，对于企业来说，是不是更高效，用的更爽呢？

于是，飞书带着它最新的 AI 功能——知识问答来了。我们第一时间尝试了这个功能。

由于官方提到它能根据用户在飞书上的权限，访问消息、文档、知识库、文件等信息，给出精准答案，我们用了不同部门和级别的同事飞书账号进行了测试。

先看一个简单的需求场景：公司资料检索。以往需要搜索差旅标准、打开文档、仔细阅读并找到相应信息，有了知识问答，只需要一个提问就全搞定了。

以此类推，有了这个能力，员工在学习企业文化、检索公司资料、了解公司制度和流程时，就能省出不少时间。规模越大的公司，这样的检索能力优势体现得越明显。

我们还发现，在知识问答里提问，往往不需要精准描述问题。

就像前一天在一堆消息里，同事好像瞄到了一眼当天推送文章的次条头图（ 封面图 ），但当时忙着手头的事，后面压根想不起来是在哪儿看的。

换做以前，需要挨个群点开聊天记录找半天，如今直接在知识问答里问，它在快速定位后，还顺手把图片发给了我们。

当然，面对大家头疼的日报、周报、月报，我们也没落下测试。

除了有几个小问题由于语音识别有失误，基本都能把工作给盘全了，甚至还把一些重要项目的时间节点也准确概括出来。

有点拉高本司月报水平的味道了。

这些内容，大部分同事都能通过知识问答搞定，那么涉及到更高阶的问题，甚至提出解决方案，效果怎么样？我们使用了权限更高的负责视频业务的同事的账号。

同样的一个问题，飞书会按照每个人在企业里的职位差别，获取到的数据权限不同，各自按权限生成满足各自需求的专属答案。

比如，同样问公司营收多少，普通员工就只能知道个大概几位数营收，而管理者不但能知道准确数字，还能看到各个部门具体营收、占比等等。

当然，一些奇怪的问题它也会拒绝回答。

必须要提一嘴，知识问答属于飞书的进阶功能，在企业级知识问答场景中，由于信息抓取来自内部信息，它需要企业使用了一段时间飞书，员工减少习惯本地存储的惯性，有一定的知识沉淀和基建设施，比如文档、消息、会议记录、图片、视频等，才能让知识问答有条不紊的抓取和判断信息，输出精准有用的答案。

知危编辑部平时不管是开会记录、同事沟通，还是稿件创作，只要是工作上的事儿，基本都在飞书上搞定。

当有一定的知识沉淀之后，用好知识问答很依赖于 “ 会提问 ”。

比如 “ 梳理知危编辑部今年的选题，提炼关键词并分析可以重点开拓的企业或选题方向 ” 这样的问题，实际上权限需求不高，但是对于编辑有重要的参考价值，知识问答的回复不仅给出了成功选题和低效选题，还给了具体的开拓方向和建议。

这其中有些内容我们压根没有意识到，当怀疑是 AI 的幻觉时，我们查询了判断来源，发现原来是跨部门同事分享中的一个很小的数据。

由于我们公司更偏向类似于报社这样扁平的内容岗位为主的企业架构，我们也咨询了一些同样在飞书上的零售企业，看看它们使用知识问答到了什么阶段。朋友表示用的比较多的是总结周期内的工作内容，写日报用；或者出了问题不知道找谁，先来问问答案，更像一个工作助理。

当然目前的知识问答也还存在一些局限，比如飞书内部生态资料的互通还不够，像是日历行程、多维表格等数据，还在打通的路上，随着调用的大模型能力不断升级，飞书的知识问答上限将会在未来不断提高。

在知危编辑部看来，知识问答的潜力还远远没有发挥，除了直接的提高个人工作效率之外，它还有非常多进阶的玩法等待人们去开发，去问，甚至辅助使用者作出决策和趋势预判。

其实，真正的知识问答应该是像滚雪球一样知识沉淀越来越多，问答效果越来越好的，其实除了技术层面的支持，也需要企业人才之间的共创，从而创造更大的价值。

另外，企业内部知识和外部公网知识的融合或许也是一个挑战，当两种知识之间存在差异或冲突时，如果无法有效融合，会显著降低回答的可靠性和实用性，怎样在不同模态间建立准确的语义关联，并有效融合内外部知识，是提升回答可靠性和实用性的关键，这也考验 Agentic RAG 的可控性。

抛开知识问答，我们想谈谈 AI 时代的企业数字化和企业知识的管理面临什么样的困难，首先还是要先实现 AI ready，用上像飞书这样的产品，实现企业系统和数据的充分整合和沉淀，先把 “ 水 ” 储够，最终才能获得 AI 的收益。

或许最主要的还是人，来自于组织文化与人才能力的制约，与时代发展无关。类似知识问答的搜索基础版本在 2010 年左右就曾推出过，比如 IBM Omnifind。可以认为，大模型的应用是技术的飞跃式发展，但是场景并非新鲜。

从组织来看，本身的部门壁垒其实直接影响知识的流动，某种程度正是这种企业权力结构，才形成了数据护城河，或许飞书知识问答这样的工具会反向检验企业架构的合理性和壁垒程度。

另外，复合型人才的密度影响企业知识的质量。因为既懂业务又通技术的团队往往拥有更多的权限，能够在日常工作中沉淀更多的知识和经验，从而反哺知识库，他们的存在像桥梁一样，能物理意义上降低优质知识的获取门槛。

说到底，有了知识问答这样好的生产力工具，只是企业在 AI 时代实现数字化的第一步。

撰文 ：Rick

编辑 ：大饼