實測釘釘 AI：我最喜歡的還是問答機器人

AIGC行業(yè)資訊2年前 (2023)發(fā)布編輯員

1.8K 0 1

之前在文章里聊過，AI 落地場景才是大廠們需要關注的——單純強調大模型的性能，未必經(jīng)得起考驗。另外早點進入市場，獲取用戶，也有利于 AI 模型的迭代。

昨天跟朋友拿到了釘釘斜杠“/”的測試邀請碼，體驗了一番，先說結論：

– 從可用性而言，整體還是略超出預期的。雖說看起來，出乎意料的比例沒那么高，但的確有很多落地場景。

– 從目前覆蓋的應用場景而言，大都是確定性比較強的任務，比如寫電子郵件、做摘要等等。對于創(chuàng)意類的任務，完成得還不夠好，不能直接完成很多細節(jié)的工作。

– 從 AI 結合的方式來看，釘釘還是把 IM 當做核心的界面，圍繞 IM 實現(xiàn)更多 AI 的能力。對我體驗下來而言，對投喂專屬 AI 機器人的功能，感知是最興奮的。

具體而言，這次釘釘把 AI 融入到了主要 4 個場景模塊，我對它們的評價分別是：

– IM+AI：很有特色，也是個人認為最能滿足剛需的。問答機器人想象空間很大

– 會議+AI：是能明確提升效率的功能，也是相對剛需的場景。

– 文檔+AI：中規(guī)中矩，略超出預期，在可用的程度。算是行業(yè)常規(guī)。

– 應用開發(fā)+AI：略低于預期。還是在準確度和可用場景上做提升。

以下是展開的評測內容：

第一部分與 IM 結合：群消息摘要、問答機器人

這次的邀測功能里，最有特點的還是 IM 相關的兩個 AI 功能。

第一個是聊天消息摘要。這是工作場景下最吃痛的地方了，常常一小會兒不在，就不知道最近群里發(fā)生了什么，有哪些重要信息。一條一條去瀏覽查看，成本實在很高，而且往往看到的內容都是大量的冗余。

摘要在這塊就太有用了。

大致效果是這樣的，可以一鍵快速生成，看到過去聊過的內容：

這對于工作場景之外也很有價值。很期待微信有類似的功能，可能在座的朋友，不少也是面對 999+ 的群消息，沒有勇氣點進去了吧。

在這次測試的所有 AI 功能里，最讓我興奮的，其實是另一個功能——問答機器人。

我在之前的文章里講過，我們可以依靠大模型，以及私有的語料，去訓練一個掌握獨特信息甚至語氣的 ChatBot。而釘釘?shù)倪@個問答機器人就是這樣的。

在一個群組里，可以給機器人投喂各種內容（釘釘文檔），機器人就能記住和掌握這些信息。這里是一個案例。

在我投喂之前，機器人并不了解半拿鐵播客是不是逐字稿，甚至不知道半拿鐵是不是播客：

然后我把前陣子發(fā)過的這篇有關半拿鐵的介紹文章投喂給了群組的機器人：

當我再問機器人的時候，結果就完全不同了：

這只是投喂了一小篇文章。這個問答機器人可以學習數(shù)十萬字的文檔，成為真正的知識庫。

可以想象得到，至少在以下場景將會變得非常好用：

1）部門業(yè)務知識。各種部門里的業(yè)務信息和歷史留檔可以投喂，后來新人到群里，跟機器人交流學習就可以了，不用閱讀大量的可能沒有經(jīng)過整理的部門文檔。

2）主題學習群組。對于某個特定主題，比如用戶體驗，可以有一個群組專門用來投喂各種書籍、論文和學習資料，這個機器人就變成了專業(yè)老師，跟他交流能夠得到新知。

3）產(chǎn)品售后答疑。將產(chǎn)品的特點、使用方式、注意事項都喂給機器人，客戶在群里就可以隨時艾特客服機器人，得到想要的回復，工作人員也可釋放生產(chǎn)力。

知識管理是個老生常談的問題，但管理知識的工具其實一直都局限在目錄文檔這樣的形式里，對于內容知識的整理，不是一般人花少量時間就能搞定的。怎么梳理文檔、怎么管理撰寫的流程，一直是痛點。很多部門人員流動頻繁，部門文檔早就堆成屎山，用不起來了。

從 AI 是不是可以改造知識管理這個角度說，這是最讓我興奮的功能了。

我過往待過的大廠，也沒有把知識管理真的搞明白的。要是能通過 AI 解決，讓 AI 去消化過往的文檔內容，這工作量就不可同日而語，是完全不同的局面了。也許對知識管理來說，無論是企業(yè)內的，還是外部場景的，都很有意義。

第二部分與會議協(xié)同：會議自動智能摘要

就在今天上午，阿里的通義大模型發(fā)布了一個新的板塊，就是用來做音視頻處理的「通義聽悟」。這個名字起得一目了然，就是對音視頻內容進行轉寫，同時做進一步的處理，比如區(qū)分角色（能到 10 人以上），做會議摘要的提取，重點的標注，乃至待辦事項。并且處理的內容長度目前官方稱，是不限制開會時長和轉寫字數(shù)的。

我們來直接實驗一下。

我找了兩個朋友按照一段腳本模擬了一場會議，內容是我跟池建強老師之前聊過的那期播客（三五環(huán) No.109）中的一段，主要是聊文檔中的 AI 能幫我們做什么，很快就可以得到轉出的內容：

同時重點是能得到幾條分議題的摘要總結：

這樣就能方便與會者，以及未來復盤會議的人，能快速捕捉到會議講了什么。

如果說文檔的 AI 功能效果還可以，有一定的應用場景的話，那會議智能摘要應該說效果也還可以，應用場景就更加剛需了。

第三部分與文檔結合：AI 協(xié)助圖文創(chuàng)作

文檔結合 AI 已經(jīng)是一個最常見的場景了，Notion、微軟 Microsoft 365等都在文檔AI上下了功夫，國內釘釘?shù)拇_是趕在前邊的，我們重點看看效果如何。

1 直接創(chuàng)意

文檔里可以讓釘釘 AI 幫忙直接進行創(chuàng)意，根據(jù)簡單的提示寫一篇文章。

比如，我們讓它寫一個完全開放的故事：

效率還是很高的，實時就會出現(xiàn)大段文字：

故事的完整性很不錯，并且提到了幾個關鍵點：李峰為什么要轉行（實現(xiàn)個人價值），李峰具體做了什么（學習了解行業(yè)、建立渠道、管理團隊）。還包括一些小細節(jié)（工作是高薪）等等。當然故事本身很正向，比較積極，這點會顯得不太現(xiàn)實。

從這個案例看，還是不錯的。如果再調教一下、補充一些細節(jié)，想必是能夠到可用的程度的。

總的來說，創(chuàng)意的部分隨機性比較強，有的的確能幫上忙，但也不是都很驚艷。算是中規(guī)中矩。

2 推廣文案

在文檔創(chuàng)作的部分，還有一個指令，是寫推廣文案，試試看給三五環(huán)寫個推薦：實測釘釘 AI：我最喜歡的還是問答機器人

為了檢驗實用性，我們可以要求更具體，比如寫小紅書風格：

再比如，寫知乎風格：

整體上來看，輸入更多的 prompt 的效果顯然是更好的，有了明確要求，給的結果就還不錯。從實驗結果來看，知乎的味兒不夠沖，小紅書的還不錯。

同時可以看得出，AI 是不了解三五環(huán)的，也沒有去搜集相關的信息，因此在表述上，完全都依賴提供的這簡單的一句話。在一句話的基礎上，「硬說」了這么多，還是值得給個肯定的?？偟膩碚f，還是滿足預期的。

3 寫大綱

幫助列大綱，也是官方推薦的使用方式之一：

就像大家評價類 GPT 模型的一個主要的體驗是有結構、很完整一樣，對于這個大綱的完整性我是很滿意的，前后的邏輯關聯(lián)是有的，內容的覆蓋也都不錯。算是有點超出預期了。

4 寫郵件

既然是工作場景，肯定免不了要寫郵件。

當然這個會顯得冰冷，看 AI 能否理解這個問題，做調整。

不得不說，這個改完確實有「那味兒」了。在不少類似的職場的場景里，還挺好用的。比如給下屬寫點評、給老板寫匯報、給同事寫感謝信等等。雖說遣詞造句還要潤色，但對大多數(shù)不擅長寫作的朋友來說，作為底稿，應該非常好用了。

5 生成表格

直接輸入每一列的字段名，就可以直接生成。當然，要是只生成一張空表，那這個功能看起來就很廢了。這里的生成表格最大的不同是，AI 會協(xié)助填寫一些內容，可以當做是基礎的示例。

比如像這個：

對于一些知識性的信息，AI 就可以直接幫我們填好，甚至只需要微調就可以：

這里有一些常識性的錯誤，應該是信息獲取有誤。也期待早日能接入搜索引擎，或者提升語料的準確度吧。

文檔的部分就展示這么多。官方推薦的指令還有：頭腦風暴（起名字、sloGAN），職位描述、新聞稿、合同等等。對于基本的應用問題都是不大的，也能在沒有思路的情況下提供一些啟發(fā)，或者在撰寫時不夠熟練，讓AI幫忙潤色。

就文檔相關的 AI 功能體驗說，確實接近了 GPT-3.5 的水平，較大家通常吐槽的國內大模型都差兩年而言，算是略超出預期了。

第四部分與應用結合：拍照讓 AI 生成應用

釘釘還提供了拍照生成應用的 AI 功能。這個功能是可以拍攝你手繪的表格，直接變成群組里的應用，比如用戶調研問卷、工廠巡檢反饋、選題報送申請等。

像這是我手繪的一個示例，我故意把字寫得歪歪扭扭一些，還做了涂改：

在群組里就可以直接生成一個可以填寫的應用表單：

顯然識別是有錯誤的，我想把應用的名字和字段改掉，發(fā)現(xiàn)失敗了：

可能是要嚴格的格式才可以？目前這塊顯然還有優(yōu)化空間，我沒有再繼續(xù)讀說明書去研究了。這個拍照生成應用對我而言，稍微有點扯虎皮了，實際上是生成表單，雖說是應用，但應用的類型有點過于單一。

另外就是對話的交互，在制作表單應用方面，真的未必是高效的。就像剛剛的表單，我手繪加上反復調試錯誤的工夫，可能早就在編輯頁面手工弄好了，AI 就顯得有點雞肋。當然，在很多不太方便操作、需要用口頭表述的場景下，AI 也許會更有價值。

官方提到比較重要的一點，也是讓我覺得拉回一些分數(shù)的，是釘釘宜搭低代碼由于覆蓋了各種行業(yè)的應用模板，就可以在高頻場景下，比如行政、財務、制造流程等方面，基于你初步搭建的應用，結合 AI 大模型的理解，從模版庫里提供一些字段建議，這也算是 AI 的重點使用了。

可以理解目前可用性還不太夠，但依然能感知到 AI 在企業(yè)應用方面的巨大空間。釘釘花了不少時間鉆研如何做開放性的生態(tài)，其中最難解決的問題，還是滲透進各行各業(yè)的場景，并圍繞不同的場景搭建應用（低代碼、酷應用）。

AI 是一個很顯而易見更簡潔、更優(yōu)雅的實現(xiàn)方式，不是堆砌代碼和工程量，而是讓 AI 輔助判斷，配合垂直領域的知識庫（有投喂的問答機器人，以及未來很可能提供的 toB 模型），這塊在未來將變得更加有意義。

寫在最后

在最后，補充幾個核心的觀點。

第一，從可用性而言，整體還是略超出預期的。雖說看起來，出乎意料的比例沒那么高，但無論是寫大綱、寫郵件，做群摘要、會議摘要，還是組建自己的知識機器人，都是能深刻改變我們職場工作的習慣的。

在這些高頻的場景下，釘釘做的這些AI 功能已經(jīng)到達可用的地步了。這也是大模型發(fā)展的一個轉折點：真正落地到了一部分的應用（替代掉了大量的手工），那 AI 就會更快速地成長，從而形成閉環(huán)的效應，繼而再替代更多的手工。

哪怕是剛剛提到的 AI 生成應用看起來還不成熟的功能，有了使用量后，迭代也將會是有加速度的。

第二，從目前覆蓋的應用場景而言，大都是確定性比較強的任務，比如寫電子郵件、做摘要等等。對于創(chuàng)意類的任務，完成得還不夠好，AI 也不能很順滑地理解我們的需求，直接完成很多細節(jié)的工作（比如對表單應用的修改，就怎么說都不好使，還得加一堆規(guī)則）。

因此這也是一直以來給我們打工人的啟示：要有抗風險能力的話，多做創(chuàng)意類的，而不是確定性很強的工作。

第三，從 AI 結合的方式來看，釘釘還是把 IM 當做核心的界面，圍繞 IM 實現(xiàn)更多 AI 的能力。而且正如前面所說，我也對 IM+AI 的部分最為興奮。

群聊天摘要和投喂養(yǎng)成的專屬 AI 機器人功能，實在很有價值。畢竟在當下，無論是工作，還是生活，我們大部分內容的生產(chǎn)就發(fā)生在 IM 中。不管是辦公? IM 釘釘，還是微信這樣的產(chǎn)品，AI 的協(xié)助就能加最大的杠桿了。這跟我之前聊過的（當群聊從協(xié)作的樞紐變成界面）就有了對應。

最后說回釘釘斜杠“/”，這的確是國內目前比較容易能快速落地的AIGC應用了。用 AI 重塑產(chǎn)品，會讓釘釘變成不僅是辦公協(xié)作類，還可能是所有類型產(chǎn)品的排頭兵。

很期待接下來 AI 在國內更多產(chǎn)品上的落地.