“AI 将会是水电煤一样的底层能力，不是所有人都要自己产水产电，而是思考如何用好它们。企业需要一个好的工具和平台来让自己迅速入局。”
2023 年被看作大模型元年，而 2024 年被看作大模型大规模落地元年。2023 年 11 月，比尔·盖茨发表了一篇文章，他表示，AI 代理（Agent）将是大模型之后的下一个平台，不仅改变每个人与计算机互动的方式，还将在五年内彻底改变我们的生活。
而对很多企业而言，在讨论走向 Agent 的 AI Native 化之前，或许更应该优先讨论的问题是，你 AI Ready了吗？
“AI Ready”理念由飞书 CEO 谢欣2023年11月提出，指企业在数据系统等方面为拥抱 AI 做好准备，与 AI 时代共同进步。谢欣认为，AI Ready 这件事，需要企业更加系统性、全面性地投入，这是踏向 AI 时代的第一块踏板。
为什么要单独提出“AI Ready”的理念？这跟大模型的工作原理有关。大模型是一个技术综合体，它涉及到大算力、大数据、大算法的方方面面。 企业使用 AI 的场景基本是基于行业和场景的数据加业务流程，这是真正让 AI 进入企业的内核，而且没有捷径。
企业数字化水平越高，沉淀的高质量数据越多，大模型的养料就越丰富——AI Ready 的状态就越充分。从这个角度来说，大模型的发展一定程度上推动了企业数字化的进程。
用大模型通晓世界知识，但在解决专业知识领域上能力不足，甚至会一本正经地胡说八道。为了让聪明的大脑更好地为企业服务，需要给它更专业的企业数据及系统信息沉淀，让它从“聪明大脑”变成“有聪明大脑的企业专家”。
数据的质量对于大模型效果影响显著。专业数据越多、质量越高，价值也就越大，企业想要大模型部署效果表现好，离不开企业提供足量、质量够高的数据来支撑模型的二次训练与微调。
比如，客服是一个 AI 优先改造的场景。假如一家美妆电商公司使用不加企业数据喂养的大模型，AI 客服就无法理解这家企业的赔付逻辑、商品情况，就无法真的承担起客服的工作。
数字化水平的高低与 AI Ready 的状态息息相关。数字化水平较低的企业，AI Ready 的状态也会比较差。
比如，如果企业还停留在传统的纸质办公的阶段，财盛证券数据都没有数字化，大模型更是“巧妇难为无米之炊”。
一些规模较大的企业数字化水平并不差，陆续上了不同的业务系统，共同承载了企业的数据资产。但由于缺乏统一的数据治理，导致数据散落在不同的“数据烟囱”中，也很难一键导入大模型。
而最先实现 AI Ready 的企业，已经率先拥抱 AI 了。飞书就是其中一个代表性的工具。
安克创新是一家全球化的消费电子企业，有一项很重要的工作是消费者洞察。他们会把销售过程中得到的用户反馈收集回来，进行分类和打标签，并把这些数据存储在自研的 QMS 质量管理系统中。
过去，要想利用这些数据反向指导业务，比如搞清楚消费者为什么退货，在哪个渠道上经常退货等问题，需要配备一个专门的研发团队，登录系统，下载数据，制作报表。
而去年，通过飞书智能伙伴，安克创新正在把 QMS 系统进行新一轮的迭代升级，产品经理、研发团队、客服团队，都可以在飞书上使用直接用问答的方式进行提问，快速了解退换货的渠道、原因、数量以及下一步的改善措施等等。
安克创新研发工程师 William 表示，飞书智能伙伴，让质量管理系统，变成了“质量智库”，“就像打个响指一样”，这些关键洞察就在身边，被真正用起来。
据公开信息显示，飞书智能伙伴已经与数家企业进行了深度共创，除了前文提到的安克创新，还与元气森林共同探索 AI 在门店管理场景提效的可能性；与企业服务公司数米科技一起利用飞书智能伙伴重塑销售场景；与电商营销公司追极传媒合作，用 AI 打造高效业务流程……
AI 将会是水电煤一样的底层能力，不是所有人都要自己产水产电，而是思考如何用好它们。企业需要一个好的工具和平台来让自己迅速入局。飞书的特质决定了它或许是最好的选择之一，是打开就能用的 AI 水龙头。
文章为作者独立观点，不代表财盛证券观点
