“人工智能到来后，企业在商业和财务方面会产生新的模式，从人力成本定价迈向智力成本定价。过去企业核心成本是人力成本，企业财报、财务分析都基于此倒算和规划，未来要思考有哪些智能体为企业提供智力服务，以实现商业成功。”12月27日，钉钉副总裁邱达在“2024《财经》跨年演讲：新风向·大家说”上以“企业智能化落地的非共识”为题带来了分享。
邱达首先分享了钉钉在服务中国一家新能源头部客户时所收到的反馈，包括 rag 技术应用时间长、模型迭代快、一线员工能力层次差异、安全问题以及对系统与 AI 结合的期待。
基于这些反馈，邱达提出了三个核心非共识：一是内容求新、决策求懂，追求最新最全且成本最低的模型能力，同时让模型更懂企业数据和能耗；二是企业从人力成本定价迈向智力成本定价，思考智能体为企业创造价值；三是智能渗透到现实物理世界，企业要将 AI 应用到物理空间。
邱达介绍了钉钉在 AI 落地方面取得了诸多进展，接入多家大模型并将选择权交给客户，众多企业和组织通过钉钉应用大模型。他列举了艾维电子、东方希望等客户的案例，展示了钉钉在帮助企业将人工智能落地实际场景，提升业务价值方面的成果。最后邱达强调 to B 的 AI 创新优先发生于协同办公平台，其核心逻辑包括组织信息、组织数据沉淀以及开放性，期待未来钉钉能推动更多 AI 创新和应用，服务企业及员工。
以下为嘉宾部分发言实录：
大家下午好，我是来自阿里巴巴钉钉的邱达，非常感谢财经的邀请，郎酒专员细致而周到的安排以及长江商学院的组织和策划，让我能够来到这里分享这个跨年演讲。
我演讲的题目是企业智能化落地的非共识。我不想再对人工智能浪潮及其可能带来的颠覆和变化做鼓吹，而是想凭借自己过去一年多的从业经验，谈一谈可能的非共识。
在服务中国一家新能源头部客户时，其市值达几千亿。客户反馈的一些心声很有意思：一是基于大模型做问答会有 rag 技术，用 rag 技术做 demo 大概需要一周时间，但半年后项目可能还未上线，因为一直在调优以确保可用性；二是客户反馈基于智能应用在企业端落地时经常出现规划赶不上变化、变化又赶不上模仿的情况，这是因为大模型迭代更新非常快；三是一线员工在应用 AI 方面的能力和熟练程度存在层次差异，比如客户提到员工连提示词工程都不会，甚至还在用方言交流；四是 to B 端企业落地大模型时要注意安全，若企业核心机密、工艺、数据甚至价格等商业敏感信息因应用模型而泄密，那么整个业务或应用就失去了存在的基础；五是客户希望能将过往投入的大量系统与 AI 结合。
我们把客户反馈的这些问题进行了梳理，发现背后有几个关键的期待。首先，客户希望 AI 在应用中能提供可用且准确的确定性服务。在客户净推荐值（nps）里，当 AI 智能应用分数超过 85 分，客户的 AI 落地情况会较好且会自发使用。其次，客户认为模型的选择和部署方式不应由厂家决定，而应将选择权还给客户，让客户在大模型不断迭代变化时能掌握主动权。再者，客户觉得应用场景不应复杂，要让一线普通员工也能轻松使用。另外，安全对于 to B 端来说是非常重要的问题，是一个“零或一”的问题。最后，从技术角度而言，不要因技术炫酷而应用，也不要因应用场景而放弃使用。
围绕这些期待以及钉钉的努力，我分享三个核心的非共识。第一个非共识是内容求新，决策求懂。当我们用人工智能去从事内容相关产业、生成相关产业时，要追逐更新更近的模型能力，这些模型在多模态能力构造和生成上是最新最全且成本最低的；而当我们把 AI 应用于企业决策和核心系统环节时，要追求懂，即使用更符合自身、更懂企业数据和能耗的模型，可通过一些开源模型在企业进行优调甚至独立训练。
第二个非共识是人工智能到来后，企业在商业和财务方面会产生新的模式，从人力成本定价迈向智力成本定价。过去企业核心成本是人力成本，企业财报、财务分析都基于此倒算和规划，未来要思考有哪些智能体为企业提供智力服务，实现商业成功。这意味着未来企业组织中碳基生命和硅基生命交叉融合为企业客户创造价值。
第三个非共识是智能的渗透不仅在屏幕、软件、系统中，也快速进入了现实物理世界。以前人类无法触达封闭场景的管线、危险场所等，现在机器人和 AI 结合后能在这些地方展开手脚，在很多服务企业制造、零售终端等场景，机器人和巨神智能以更快速度逼近可用安装。所以企业要从仅将 AI 智能落地在系统软件，开始思考和筹备将 AI 应用到物理世界和物理空间。
钉钉在 AI 落地方面取得了一些进展。在去年 2023 年 4 月全线接入阿里巴巴自己的大模型通义千问，同年 8 月发布 air pass 平台，今年 1 月发布钉钉智能体，今年 6 月宣布除接入阿里巴巴自己的统一大模型外，还接入中国主流其他 6 家大模型公司，将大模型接入选择权交还给客户。在平台上超过 170 万企业和组织通过钉钉应用大模型，超过 50 万个企业智能体（agent）开始与碳基生命协同沟通为企业带来价值，开箱即用的产品里有超过 700 个 AI 的 agent 应用。
接下来我们看一些钉钉客户的真实案例，这些案例是客户和我们一起将人工智能落地到实际场景，为他们的工作和业务带来真实价值。
以艾维电子为例，这是一家中国的芯片企业，芯片产品的相关文件在互联网上缺乏对应知识，市面上的大模型难以生成二维产品的答案。钉钉帮助艾维电子梳理了过万条产品数据，将芯片结构化成知识图谱并加入向量计算，通过工程化改造使艾维电子的问答准确率超过 85 分的推荐线，让其拥有了伴随自己的超级助理，能够服务好内部。
此外，艾维电子通过官网将这种能力开放给所有关注它的客户。我们把 AI 能力挂在官网后发现，AI 助理不在钉钉上运作，而是在客户的官网，背后是钉钉的 AI 智能助理提供服务能力。
在与东方希望合作时，我们发现东方希望的员工在操作过程中很多场景是戴着手套，且因地域关系存在各地方言。于是我们打造了能听懂方言的 AI 助理，通过方言录入生成工单，帮助一线员工快速通过语音输入与已有的工单系统连接。
在钉钉上，只要是被集成好的平台和工具，我们通过屏幕录制进行拟人操作，生成一次 AI 学习。一旦学习完成，未来 agent 就掌握了这个应用对应的所有操作步骤，无需再进行重复性操作。
企业中常见的数据大屏，在 AI 未介入前是固定格式或呈现。与钉钉的 AI 结合后，数据得以活跃起来。当我们进入钉钉点击数据时会弹出框，在框内提出对数据及相关数据的下钻或分析需求，围绕该数据的所有分析就会持续展开。
许多行业把 AI 能力结合成智能论述案例，通过 AI 加上智能分数，使企业数据不再只服务于老板，一线员工也能拥有数据决策的 BI 能力。当一线员工能把数据用好和分析好时，企业效能和结果会更好。
众多客户如物流、农业、电商、律所、金融、政务等，将 AI 运用起来并传播出去，在钉钉这样的汇聚平台上为中国的 to B 智能服务落地带来更大价值。
最后我们认为 to B 的 AI 创新可能会优先发生于协同办公平台，背后有三个核心逻辑：一是 to B 和 to C 不同，在 to B 平台上天然有组织信息。例如创建一个 AI 智能体，不能看全局数据，要把自己放到组织关系里，看到和响应自己能接触和使用的数据，才是安全的 AI 落地应用，所以协同办公平台天然具备组织关系的数据沉淀。二是在协同办公平台上有大量已沉淀的组织数据，如钉钉上的低代码应用、项目管理应用、集成数据、im 以及钉钉文档等，这些都是大模型做 to B 落地应用非常急缺的。三是因为我们的开放性，支持客户训练调优以及部署好自己的模型，把组织数据和自己的领域模型结合起来，认为大模型在企业里面运用以及落地最好的场景和土壤就是在协同办公平台，我们期待未来越来越多的 AI 创新和应用能够在钉钉上发声，服务更多的客户和企业以及企业中间的员工。
“新风向·大家说”2024《财经》跨年演讲于12月27日在郎酒庄园举行。活动由《财经》杂志、财经商业治理研究院主办，郎酒股份承办，TalkingData联合呈现，长江教育基金会提供学术支持。多位商界领袖及专家学者莅临现场，共同探讨未来发展的新风向与新机遇。
热门跟贴