1 AI 搜索是什么
AI 搜索指的并不是在搜索算法里加入 AI 的成分。其實(shí)傳統(tǒng)的搜索里，算法的含量已然很高了，也有 AI 的影子。
而這里的 AI 搜索，特指能夠借由大模型的理解、推理和生成能力，實(shí)現(xiàn)自然語言交互基礎(chǔ)上的信息查詢。在查詢之后，結(jié)果清晰明了，還有配套的腦圖和大綱。
這里提到的可查詢的信息，也很全面，幾乎釘釘里涉及到的各類信息，都是可查詢的對(duì)象：私聊、群聊、文檔、日程、待辦、會(huì)議等等，還有知識(shí)庫、日志。這些信息，也并不是散亂組織的，而是有結(jié)構(gòu)的，相關(guān)的人員、聊天、文檔等也都有關(guān)聯(lián)性。這樣互相之間的邏輯就更清楚了。
2 具體的應(yīng)用場景
具體的應(yīng)用方面，第一個(gè)就是提問，就發(fā)生了變化。對(duì)于工作場景下的很多問題，可以用自然語言去提問了。官方給出的案例，能夠看得出來，是可以幫我大大減輕搜集這些信息的工作量的：
第二個(gè)，就是回答問題，是圍繞具體釘釘內(nèi)信息的結(jié)構(gòu)化輸出，直接得到答案，并不是把相關(guān)的聊天記錄和文檔信息給羅列在下面，還得自己翻找。
像這個(gè)，針對(duì)某個(gè)討論的課題，能夠直接搜集兩份資料，得到結(jié)論。
第三點(diǎn)，在結(jié)果之后，還有腦圖和提綱作為參考。同時(shí)，還有推薦的追問問題。比如就剛剛的結(jié)果，我們想了解團(tuán)隊(duì)的成員有哪些，可以看到這種效果：
在我看到的案例中，比較驚艷的是這種，通過各種信息判斷當(dāng)下任務(wù)狀態(tài)的，比如，提問一個(gè)任務(wù)的處理情況，能夠看到任務(wù)的進(jìn)展，以及相關(guān)的負(fù)責(zé)人：
這樣的信息整理，會(huì)大大提升了解任務(wù)情況時(shí)的效率。也防止自己漏掉一些待處理的任務(wù)。
由于這些信息都有出處，也可以追溯到原始信息里去做更進(jìn)一步的了解。
3 AI 搜索之于釘釘
話說回來，想聊聊 AI 搜索對(duì)于釘釘來說意味著什么。
在大模型領(lǐng)域，開放性是原生的，誰的應(yīng)用層都可以調(diào)用，在獨(dú)有的數(shù)據(jù)和信息上做訓(xùn)練，以及做調(diào)試。所以應(yīng)用層的獨(dú)特性和價(jià)值，都會(huì)沉淀在場景和數(shù)據(jù)上。
釘釘在這兩方面有自己的獨(dú)特性。場景是垂直的辦公場景，覆蓋的企業(yè)數(shù)和用戶量很多，能深入很多企業(yè)的具體業(yè)務(wù)流程中，這是獨(dú)特性之一。
另外，前文提到的釘釘?shù)母鞣N信息和數(shù)據(jù)，從聊天記錄，到會(huì)議記錄，到日程和組織關(guān)系，都讓這些信息更加結(jié)構(gòu)化。這是一批特別的數(shù)據(jù)，在別的應(yīng)用層訓(xùn)練時(shí)還苦惱的如何平衡數(shù)據(jù)的關(guān)系與權(quán)重時(shí)，釘釘天然就能拿到工作流中的這些結(jié)構(gòu)和關(guān)聯(lián)。
AI 搜索會(huì)是釘釘圍繞自己獨(dú)特性出現(xiàn)的差異化功能。
我之前也介紹過通用型的 AI 搜索，它們解決的問題是信息的獲取，需求相對(duì)分散和長尾。而 AI 搜索解決的，實(shí)際上是信息的聚合與再整理，需求比較集中和剛需。
很多企業(yè)并沒有很好地組建起結(jié)構(gòu)化的知識(shí)庫，而 AI 搜索能幫助完成很重要的一步：識(shí)別工作意圖。高頻的 AI 搜索之后，理論上可以建立起一套圍繞用戶工作場景的結(jié)構(gòu)化信息庫，理想情況下，這就是企業(yè)自己的知識(shí)庫。這是 AI 能起到作用的很重要的場景，要人去做，往往吃力不討好。
另外比較有意思的是，這次釘釘 7.6 版本升級(jí)后，AI 助理除了默認(rèn)接入通義大模型，也支持自選 6 家大模型，包括：MiniMax、月之暗面、智譜AI、獵戶星空、零一萬物、百川智能。其中多家我之前都做過介紹。
這種開放性，將應(yīng)用層完全跟大模型剝離開來，不只是做做噱頭。大模型可能會(huì)呈現(xiàn)不同的優(yōu)勢(shì)點(diǎn)，有的適合做總結(jié)，有的適合做推理。對(duì)比過之后，用戶可以自由選擇最有利于自己的底層模型。釘釘也不用再受制于單個(gè)模型的瓶頸。這點(diǎn)很有意思，也會(huì)讓 AI 搜索有更多可能性。
4 解決實(shí)際問題的才是AI 產(chǎn)品
我自己不厭其煩地聊這個(gè)觀點(diǎn)，就是解決實(shí)際問題才是產(chǎn)品。AI 的算法再驚嘆，技術(shù)再驚人，如果解決不了用戶需求，就不是 AI 產(chǎn)品。
坦白說，現(xiàn)在 AI 在應(yīng)用場景上的進(jìn)展，跟 2023 年初相比，大家都要悲觀許多。就像我在聊蘋果 AI 的時(shí)候提到的，場景+AI，比 AI+場景要更落地，更有效。
我們?nèi)钡牟皇?AI的技術(shù)，而是 AI 能讓人直觀感受到體驗(yàn)差的場景。
像AI 的確是能夠進(jìn)行內(nèi)容創(chuàng)作的，但今天我日常看到的內(nèi)容里，幾乎沒有 AI 的影子。播客、小紅書和視頻的文案，是很難直接產(chǎn)出的。對(duì)于內(nèi)容創(chuàng)作者來說，更多還是輔助工具，協(xié)助做轉(zhuǎn)錄語音、整理信息的工作。
最多使用 AI 做文本創(chuàng)作的，反而是 SEO 這樣的領(lǐng)域，用大量低成本不講究品質(zhì)（也不需要講究品質(zhì)）的網(wǎng)頁來蠱惑搜索引擎，提升排序。
在許多行業(yè)，也都是如此，原本寄予很高期待的游戲行業(yè)，AI 的滲透率也并不理想。
我的感受是，這幾年，也許依然是大模型在各個(gè)行業(yè)內(nèi)，垂直落地的階段。像在硅谷，AI 創(chuàng)業(yè)者們做的往往都是 toB 的項(xiàng)目，反而不是 toC。跟用戶場景也有關(guān)系。
說到釘釘?shù)?AI 搜索，我當(dāng)然不是在說一定就是非常出色的、了不起的 AI 產(chǎn)品，但釘釘天然有這種使用場景的土壤，作為一家大組織，能轉(zhuǎn)身這么快地提出一些解決方案，已然很值得點(diǎn)贊了。這是我持續(xù)看到 AI 在釘釘落地的原因。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。
感謝您的支持，我會(huì)繼續(xù)努力的!
打開支付寶掃一掃，即可進(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識(shí)別二維碼,即可進(jìn)行掃碼打賞哦
