AI在企业中的落地，已经走出一条循序渐进的路径。

在长达两年多的实践中，随着开源模型效果提升、DeepSeek进一步教育市场，企业落地AI的难点已经从一开始的成本过高、ROI难评，变成了数据基础薄弱导致的效果不稳定。

从去年到今年年初，我们就曾遇到过多家想落地内部对话Bot的机构，由于文档不完善、业务知识零散而难以取得理想效果。

不过现在，这个问题有了进一步解决的可能。

就在这两天，飞书发布了新的AI功能「知识问答」。这是一款基于企业知识构建的专属AI问答工具，在工作中，当员工/管理者遇到问题，都可以向它提问，获取相关回复。

作为飞书推出的功能，「知识问答」最特别的地方是能根据用户在飞书中的消息、文档、知识库、文件等信息，提供最契合的回答。当然，用户也可以从微信等外部渠道上传工作资料，再经由「知识问答」整理，获取最契合需求的工作答案，甚至进行内容创作。

打个比方，飞书的「知识问答」好比给每个人装上AI工作大脑。这个大脑基于每个企业在飞书上的业务文档而构建，最可能帮助用户获得理想效果。

低门槛操作，专业型回答

飞书给了这个功能最显眼的“Banner位”。

目前被知识问答灰度到的用户，可点击飞书界面左侧或上端的“知识问答”标识进入对话界面。

从功能上看，飞书知识问答的定位非常直接——「整合所有你可访问的资料，让AI搜索回答」。搜索框的下方有使用知识和联网搜索功能，意味着它可以整合用户自己的文档和互联网上的资料。模型侧，用户可选择DeepSeek-R1满血版或者豆包。

作为一直使用飞书管理文档的用户，我们通过内测申请后也尝试了知识问答功能。

先上结论：

- 能用和好用是不同的概念。和不少功能繁多的产品不同，内嵌在飞书中的知识问答使用方式非常便捷——你问它问题，它就给你答案，完全是低门槛上手。

- 在寻找飞书中已有的内容时，知识问答的效果非常精准。不过，再进阶到要求直接输出可交付的创造性成果时，它还有进步空间。

作为关心AI进展的自媒体，我们经常需要编译、学习外网内容。这个编译流程并不简单，涉及到音视频下载、转录、格式调整、翻译、整理等等一系列环节，每个环节中用到的工具也不一样，很容易记不清该在哪一步用哪个工具。

为了方便团队中的新人了解操作细节，我们特地在飞书中写了“播客操作SOP”。于是，我先问问飞书知识问答，从视频中提取音频的工具是什么。

能看到，飞书知识问答给出的答案结合了我们内部的编译SOP文档，和外部的互联网知识，给出了好几个不同的工具。

但我们的需求是严格按照内部SOP操作，所以又尝试去掉联网功能后再搜索。最后，知识问答给出的答案是「剪映」——正是我们日常用来提取音频的工具。

这说明，用知识问答搜索飞书内部的信息，效果是过关的。

接下来，开始试用外部资料和知识问答的结合。

在日常的采写工作中，我们的交流对象常会发送一些自己公司或个人的介绍。

这些资料的格式五花八门，有Word、PDF、PPT等，往往由微信传输。所以在第二个测试中，我尝试将微信中的资料传输到飞书中，再要求知识问答进行整理。

接下来，试着直接让知识问答整理这份资料。

从效果看，知识问答成功找到了我们刚刚上传的分享PDF，并把它整理成了基本可用的图文并貌版本。

再上一个难度，接着让知识问答把这份资料按照四木的风格，整理成适合小红书渠道发布的帖子。

这一次，知识问答出现了一些幻觉——它把之前飞书文档中的一些小红书文案草稿，错误地结合到了这个任务中。

整体试用下来，我们发现飞书知识问答虽然还有提升空间，但起码对企业中的两类人群非常友好。

首先是新员工。他们可以通过知识问答一键查找到公司内部的SOP，快速上手。

接着是常需对外建立联系的员工（比如市场、销售等）。他们的人际交往经常跨出飞书，资料沉淀渠道也五花八门。飞书知识问答的资料上传功能，可以帮这些员工解决跨工具的知识流转问题。

最容易也是最值得上手的企业级AI产品

显而易见，和近期许多AI产品的“黑科技”般的效果对比，飞书的知识问答显得朴素了很多。但或许它才是目前最适合企业上手的AI应用。

2025年，各行各业落地AI的热情明显比之前更高。

这一方面是因为，API降价和开源模型的蓬勃打下了模型的落地成本，另一方面，DeepSeek的破圈降低了大模型的教育成本。

当模型侧无碍，需求又很强，企业接下来要低成本地落地AI应用。

而飞书这次推出的知识问答功能，正是企业低门槛落地AI应用的解法。

之前企业要做出一个融合自己业务的AI应用，从开发侧需要经历技术选型——业务流程梳理——训练开发等多个环节。

这整套流程往往涉及多个环节和不同员工。如果关键人员或者重要数据缺失，很容易效果扑街。不久前，就有一家数字化程度不算高的企业告诉我们，由于核心员工不了解IT部门的语境，难以系统化地说出可被研发参考的业务流程，导致落地BOT的进度非常慢。

而飞书的知识问答功能不需要这样。

它直接“吸收”企业沉淀在飞书中的各种信息，以对话的方式服务员工和管理者。换句话说，如果企业真的能把核心的消息、知识、经验、SOP等内容沉淀在飞书中，基本就在信息流转场景下绕过了技术选型——找人找数据——梳理工作流——训练开发的过程，提升了AI应用落地效率。

当然，对众多的企业客户来说，效率只是一方面。在落地AI的过程中，企业同样看重安全与效率的平衡。

在「知识问答」的发布视频中，飞书的CEO谢欣就演示了一个很有意思的场景：当他和下属同时向「知识问答」提问时，两个人收到了匹配自己权限的不同答案。这个case进一步说明，飞书意识到了AI产品的安全和效率同样重要。知识问答，正在以低门槛又安全的方式进入业务。

目前处于“新手期”的「知识问答」还有些不足，比如，在生成内容等进阶任务中它还有提升空间。但根据我们的测试，「知识问答」的交付效果和飞书内的数据质量息息相关。举个最简单的例子，如果我们给之前的每篇小红书文档都标识清楚主题，就会降低之前测试时产生的幻觉。

这也是「知识问答」的另一重深层价值——它会直观地让企业发现，在日常工作中做好数据治理的重要性。

其实在2023年，谢欣就提出过"AI Ready"的理念，指企业在数据等方面为拥抱AI做好准备，才能与AI时代一起进步。

那时，AI的发展趋势尚未像如今这般清晰可见。在日益增长的业务指标面前，数据治理工作往往被视为一项耗时费力、短期内难以见到成效的“苦差事”，被多数企业搁置一旁。

但时间是最好的见证者。短短两年过去，随着AI技术在各个行业的加速落地，数据质量的重要性已然在各类场景中直接展现。越来越多的企业意识到，数字化一定是智能化的前提。AI时代，数据治理已经是一门必须要补的课。

飞书，或许能成为数据治理中最轻量级起点——只要在日常工作中有意识地记录和整理飞书知识，企业就可以近乎“无痛”地逐步建立一个结构化、高质量的知识库。

在这个过程中，植入在飞书中的知识问答系统，也会成为数据治理效果的“反馈仪”，实时体现数据质量提升的效果。这种容易起步的正向反馈机制，将会激励企业形成真正的智能化良性循环。