莎普爱思二度押注“壮阳”赛道：研发投入缺乏千万，主业失血下的“新品故事”？
The following article is from 吴晓波频道 Author 巴九灵内容来源：本文转载自微信民众号吴晓波频道 ( wuxiaobopd ) ，条记侠经授权转载。转载请联系原民众号授权。责编? | 贾宁 ?排版? | 拾零第 9729 ?篇深度好文：4524 ?字 | 12 分钟阅读商业趋势一家电商公司实验把 AI 引入业务，结果制造出了更多杂乱。最近的一场 AI 对谈上，有赞 CEO 白鸦分享了一个企业用 AI 提效 " 翻车 " 的真实例子，让人印象深刻。事情的起因是，这家公司每个部分都凭据自己的玩法搭建了一套 AI 事情流，一款新品保温杯，市场部的命名是 " 黑金炫金版保温杯 "，电商团队觉得不敷好，改成了 " 烫金奢华版保冷杯 "，短视频团队凭据自己的玩法又改了一轮。这就导致，AI 提效只在极小规模内建立，一旦涉及多部分协作，就会因为部分间的信息差而爆发杂乱，反而拖累效率。类似的情形其实很是普遍。一、AI 可能拖垮了团队？洪信是一家连锁消费企业的招聘团队卖力人。招聘流程分为三个办法：首先，接收用人部分上报的岗位需求，确定岗位画像并撰写招聘 JD；接着筛选简历、组织多轮面试并汇总面试评分；最后，与用人部分相同决定录用结果，并把候选人沉淀进人才库。因为办法少、流程牢固，招聘一直被视作 AI 提效的重点场景之一。但洪信的感受却并非如此。他从很早就开始实验带队搭建 AI 事情流，卖力各环节的员工凭据自己的需求搭建出了一个个小工具，有的能用来生成岗位 JD、有的能用来筛选简历，但这些工具之间因为信息不互通而各自成了孤岛。】最后的结果是，各下属部分汇报时都能拿出 AI 提效的漂亮数据，但最终招聘的整体速度和质量没有多大提升。高度流程化的业务容易反被 AI 困在流程里，非标准化的业务则依赖 AI 对庞大性的理解能力。内容事情是个典范的非标业务。以小巴团队为例，输出一篇文章的流程大致是：编辑部讨论确认选题和写作思路；作者收集素材并撰写稿件；主编审稿并反响意见；定稿宣布。这也是内容机构的常见事情流程。虽然流程相对牢固，但审稿的标准是动态的，因为差别类型的选题会对应差别的审核标准，每一家内容机构也有自己的奇特定位和价值观，对应的选题规模、作风调性、写作要领论乃至雷区禁区都纷歧样。这也导致，在我们最初实验搭建审稿机械人时，仅靠人工总结的审稿要求训练出的智能体始终效果不佳，因为审稿的实质是判断，而判断必须建立在经验的基础上。再好比，协作链路比较长的数字化业务，容易被困在散落的信息里。腾讯旗下 AI 工具 WorkBuddy 的产品经理 Neil 跟我们分享了一个互联网企业里最常爆发的场景。当产品经理要设计一个新功效时，会希望 AI 能基于已有的产品设计、历史文档、用户反响、团队的商业化战略和运营计划，给出一个周全缜密的计划。但这样的诉求往往无法告竣，因为上下文散落在差别的地方：有些在集会纪要里，有些在团队头脑风暴留下的聊天纪录里，有些在种种文档里，另有的停留在卖力人的脑子里。所以产品经理虽然可以翻开对话框，用最前沿的 AI 生成需求文档，但它无法真正理解产品的历史，所以最终给出的总是一个看似完美但经不起推敲的计划。而无论是基于哪一方面的原因，最终的结果，就是 AI 在许多场合并没能做到提效，反而制造了新的麻烦。二、从个人工具到团队工具AI 专家、特殊产研首创人吴畏有个视察。AI 在企业里扩散的路径通常有两种：一种是自下而上、从真实业务场景里长出来的，利益是贴近业务，坏处是容易碎片化。另一种是自上而下由治理层统一制定，更容易标准化，但纷歧定能真正渗透到一线。到目前为止，人们的大大都注意力被自下而上的厘革吸引，但这种零碎厘革往往难以撬动更大的效能。而要过渡到质变，则需要自上而下的标准化，由治理者带动重构事情流。如今企业缺的不是会用 AI 的人，而是把这些人的要领酿成组织资产的机制。所以，最好的路径不是二选一，而是上下结合。但效劳组织的 AI 需要更体系化的能力。好比，能共享组织的上下文，理解真实业务逻辑；能把种种差别的办公软件嵌入事情流；有清晰的权责界限，�；ば畔⒛�；还能把散落在种种情景中的要素搜集起来，统一、动态地治理。并且，中国的组织治理生态中确实保存奇特的痛点：如场景疏散，大宗信息沉淀在差别的办公软件里，整合难度大；另外，海内许多新兴行业如直播、电商、科技公司迭代极快，没有恒久稳定的标准流程，需要更灵活的 AI。正因如此，WorkBuddy 团队也在 AI 办公工具中，推出了 " 项目 " 功效，就是为了更好地适配中国的职场生态。简单来说，它开辟了一个多人和多个智能体可同时在线的空间。人和 AI 在这个空间中围绕同一个任务协作，分工、推进历程和 AI 产出都被纳入同一套任务流，并在权限界限内清晰泛起。在线文档、腾讯集会、网盘等生态里的资料也能被连接进来，成为 AI 可以连续读取和挪用的团队上下文。和 " 在文档里挂一个 AI 助手 " 差别，项目里的人和 Agent 是同一个任务流上的协作节点，Agent 不可是回覆问题，而是真正承接、流转、交付待办。随着项目不绝推进，AI 会越来越熟悉真实业务需求和流程，最终生长为能力可复用的 " 超等大脑 "。这个思路在小巴团队已经获得了乐成的实践。我们把内容团队的历史资料全部喂进了项目资产，包括吴老师所有著作、文章、演讲，编辑部历史所有文章，以及内容的阅读量数据，要求它基于历史文章并融合自身的内容创作经验，制定一份审稿规则。WorkBuddy 会凭据目标拆解要害行动，在要害节点弹出卡片让用户确认，按办法逐项完成事情�；谡庑┳柿�，WorkBuddy 梳理出了频道的内容逻辑，包括高阅读量文章的选题和题目有何纪律、开头和结尾如何设计、价值导向和语言作风，等等。在此基础上，它梳理出了一套审稿规则，能够从差别维度对稿件加权评分，并多维度提出建议。目前，这一思路也被扩展到了短视频、知识付费等多个部分。WorkBuddy 的奇特价值之一在于，它能够连接富厚的办公生态如知识库、课程平台、网盘等，让沉淀历史经验的链路越发丝滑。另外，WorkBuddy 内置了富厚的高质量专家库和技术库，我们可以直接挪用这些资源。WorkBuddy 团队自己在协作中也有诸多痛点，项目功效很洪流平上解决了这些流程断点。好比，WorkBuddy 每天会收到上千条用户反响，这些反响的处理往往要跨多个平台完成：功效 BUG 要在工单平台分派给研发，用户建议要录入在线文档里的需求池，处理历程中还要在通讯软件里跟进处理历程，最后再整理回复口径同步给客服。整个历程要经历四个环节、涉及三个角色、串联三个平台，只要有人漏看消息、响应不实时，反响就可能卡在某个环节，只能靠人工重复鞭策，专职人员每天处理反响就需要泯灭泰半天的时间。引入 WorkBuddy 项目后，团队用连接器接入用户反响平台，将反响筛选规则、各�？槁袅θ恕⑷挝穹峙珊突馗垂娣冻恋砦桓� Skill，放入项目空间；再建立准时任务，由 AI 每天自动完成反响拉取、分流和回复。所有反响都会在计划看板里生成待办，统一监控进度。最终，原本需要人工跨平台串联的流程，酿成了项目空间内的自动流转，团队每天只需花 10 分钟确认结果。除此之外，团队的产品开发、项目治理等流程也陆续被搬进项目空间，进一步提升了协作效率。洪信最近也领导团队把招聘流程搬进了 " 项目 "，整个业务流程被串联起来。每位候选人在计划看板里酿成一张待办卡片，被清晰分派给对应成员。AI 辅助每个环节的同时，把招聘历程中的信息动态汇总和更新，进度一目了然，信息差被最洪流平抹平。并且，项目系统使用时间越长，AI 越熟悉公司的需求和业务流程，准确性有了明显提高。在产品上线后连续收到的反响中，WorkBuddy 团队发明这种模式对许多行业、领域都有适用性。它的精髓是，让 AI 进入人类真实的协作情况，获取到完整的团队上下文，形成智能体，然后接管事情流。三、超等个体不料味着超等组织AI 没能让组织真正提效，另有一个常见的认知误区：企业以为，只要内部泛起几个善用 AI 的 " 超等个体 "，他们的效率就会自然外溢到整个团队。但其实，1+1 并不可大于即是 2。一方面，超等个体数量有限，往往只是组织里的一小撮人。这种状况在古板行业会更明显。一位治理着一家小型工程制造企业的年轻企业家告诉我们，公司员工年龄整体在 35 — 40 岁，即便他自己有用 AI 革新业务流程的强烈愿望，但老师傅们大多对新技术并不伤风，主动使用 AI 的员工集中在较年轻的技术、外贸和市场部分。他也实验过让年轻员工把 AI 工具、skill 和使用要领教给老员工，但很快发明各人普遍学习动力不强甚至心态抵触。另一方面，超等个体之间也保存信息差。现代组织是高度分工的，一个人可能对自己的事情很是熟练，却对其他人的事情内容一无所知。所以即便超等个体有意愿，他们纷歧定有能力设计整个协作系统。叠加前述，即便他们有能力搭建团队化事情流，组织也未必接得住，因为 AI 协作首先要求企业内部有一套洁净统一的知识底座，不然知识库自己的杂乱只会放大杂乱。这些因素导致超等个体对组织提效的孝敬并不高，像被封印了能力的武林妙手，只能做些看门护院的杂活。WorkBuddy 在构想 " 项目 " 功效时，也考虑到了超等个体的经验如何复用的问题。落到功效属性上，具体围绕三个机制形成：一是共享配置，把 Skill、专家、连接器一次性配置好，让团队在同一套能力底座上协作。为了降低工具使用门槛，系统内置了大宗适配各行各业的 Skill 和专家 Agent，连接器则用于买通种种办公生态。企业也可以把自身的数据资产沉淀成自界说的 Skill 和专家接入系统，让个人经验真正转化为组织资产。二是共享计划，提供一个面向团队的待办看板，人和 Agent 都可以加入待办的生成、流转和处理，每个成员都清晰知道自己要处理哪些事项、对应的配景上下文是什么，做到事事有着落。与此同时，每一次行动和版本调解都可追溯，这让超等个体的做法自己就能成为团队共享的学习样本。三是共享资产，即统一沉淀团队共享文件，Agent 可以自动读取挪用，让每一次任务执行都获取最新、最全的上下文。最新产出在人类确认后可以自动回流到资产库，实现连续迭代，相当于每一次任务执行，都在为下一次提供复利。这种设定也有助于提升全员积极性，因为团队成员越积极地优化资产，AI 的能力和整体效率就越高。工具的能力最终指向如何让人类更好地协作，WorkBuddy 团队希望这个产品能成为企业探索未来组织形态的一块跳板。而这种针对 B 端的、对标准化协作工具的探索，很可能成为 AI 下半场全球竞争的一个重要趋势。结语20 世纪中期，治理学家在英国的煤矿里做过一个视察。煤矿引入了新技术，事情效率却反而下滑了，视察出的原因是，技术破坏了已往的组织协作模式，矿工的事情体验变得更差了。他们据此提出理论：技术系统和社会系统必须一起设计，盲目把新机械塞进旧组织，可能不但无法创立新效率，反而会打碎原有的协作。久远来看，每一次技术革命的起点都是制造出一小撮技术精英，而终点是革新社会分工和劳动的形式。技术不会替代人，也不是某种筛选工具�？梢栽ぜ�，今天的 AI 会以类似的姿态走向下半场。* 文章为作者独立看法，不代表条记侠立场。好文阅读推荐：苏姿丰 MIT 演讲：未来，有这种思维的人最值钱微软 25 亿美元押注：下一个 10 年，只剩这 2 种公司分享、点赞、在看，3 连 3 连！