附上本期直播時間軸，幫你快速跳轉(zhuǎn)感興趣的部分

00：28  Agent在企業(yè)中應(yīng)用廣度與深度

14：43  AI Agent從單點應(yīng)用向著智能協(xié)同演進(jìn)

22：50  AI Agent定義，什么是真正的AI Agent

49：03  Agent的大規(guī)模應(yīng)用，對于企業(yè)的管理和組織帶來的沖擊有多大？

以下為對話實錄，經(jīng)筆者整理：

劉湘明：請先介紹一下易點天下應(yīng)用Agent的情況，應(yīng)用的深度和廣度。

張奧迪：目前市場上現(xiàn)有的Agent/AI產(chǎn)品主要可以分為幾類。首先是編碼類的AI Coding，還有就是寫分析報告類的，以及AI運營，包括建設(shè)各種Agent 的平臺工具，還有就是內(nèi)部的AI信息化。

首先我們在產(chǎn)研側(cè)應(yīng)用AI最廣泛。受到交付率以及質(zhì)量需求的影響，產(chǎn)研側(cè)是最早應(yīng)用AI Coding的環(huán)節(jié)；

第二個是，因為營銷科技公司的屬性，所以在素材創(chuàng)意方面，我們比較早的應(yīng)用了AI相關(guān)產(chǎn)品。無論是圖片類、視頻類的，還是數(shù)字人類、TT素材等設(shè)計類的工作；

第三個是，AI運營類。通過AI工具幫助員工完成部分標(biāo)準(zhǔn)化、重復(fù)性的工作。

第四個是，AI信息化，包括了出差、請假審批，還有企業(yè)知識信息查詢，物品領(lǐng)取、退還等等，包括我們各個部門的服務(wù)臺。通過信息化的AI轉(zhuǎn)型，我們提高了工作效率。

廣度方面，AI幾乎覆蓋了所有的崗位，日常的關(guān)鍵場景。

深度方面，AI Agent已經(jīng)能夠處理近乎80%的工作場景。

劉湘明：是否有統(tǒng)計過易點在使用多少個Agent？

張奧迪：主要可以從兩個層面來看，一個是泛Agent；另一個是垂直的、專業(yè)的Agent。

泛Agent化更像是AI+RPA，其實就是一個自動化的工具，能夠幫助員工完成一個垂直場景的工作。那這里面我們交付很多。泛Agent化方面，我們交付了20多個產(chǎn)品，比如，產(chǎn)研協(xié)同流程里面有個項目立項，所有項目立項的自動化是由Agent完成的。完成立項后，立項的整個流程和細(xì)節(jié)，現(xiàn)在只需要把立項報告放到系統(tǒng)中，通過自動化的方式取代人工填寫。此外，在AI信息化方面，通過協(xié)同多個Agent，完成日常辦公的信息調(diào)度工作。

在垂直、專業(yè)Agent方面，協(xié)同辦公的Agent完成之后，進(jìn)而推進(jìn)復(fù)雜的多個Agent（數(shù)字員工）之間交互。這個過程中，在多個Agent協(xié)同工作的過程中，保持目標(biāo)的一致性是最難實現(xiàn)的。

劉湘明：AI Agent從單點應(yīng)用向著智能協(xié)同演進(jìn)，從模型為中心向著以目標(biāo)為中心，在這個過程中，共分為幾個階段？每個階段的具體能力有哪些？

張奧迪：首先，以模型為中心，就是單點能力。最早在大語言模型問世之后，推出了很多編排流的工具，我認(rèn)為它更像是一個輕代碼平臺。平臺中融入了很多AI節(jié)點和AI插件，這個過程中，我們可以通過簡單的提示詞，就做出一個AI chatbot。

當(dāng)時，行業(yè)內(nèi)很多認(rèn)為這就是Agent平臺，但你會發(fā)現(xiàn)，這個平臺中，能力是碎片化的，且還是缺失目標(biāo)感的，這時候我們依賴的僅僅是模型本身的能力提升。

當(dāng)來到以任務(wù)為中心的時候，就出現(xiàn)了一些更復(fù)雜的工具，以及一些工程化的提示詞，以及手工編排。結(jié)合在一起就變成：我會用很復(fù)雜的工作流的編排去收斂它的穩(wěn)定態(tài)。其實我們做模型應(yīng)用，我現(xiàn)在理解就是我們在“不確定中尋找確定性”。

因為大模型本來是生成式的，肯定會有一些幻覺，還有一些記憶的問題。如何解決？我們用我們歷史的運營經(jīng)驗，變成一個標(biāo)準(zhǔn)的 workflow，然后再加上本身大模型的意圖理解的能力，構(gòu)建起以一個任務(wù)為中心的點，這個更像是AI+RPA的方式做自動化。這種類型的應(yīng)用包括了合同識別、自動流轉(zhuǎn)、智能客服等。

最后，我們就到了以目標(biāo)為中心。這個過程更為復(fù)雜，企業(yè)不需要更多的進(jìn)行編排，可能是以模型為中心，加上以任務(wù)為中心，結(jié)合在了以目標(biāo)為中心里。比如，一些Agent可能是workflow的編排，一些是以模型為中心做的Chat，但在Agent入口，只需要我們輸入需求，就能自動化的拆解，自主調(diào)度各類AI工具，或者Agent，并且還要具備狀態(tài)感知，才能調(diào)動起整體Agent的協(xié)同狀態(tài)，還需要保持長的上下文記憶能力。這時候，模型才能做到專業(yè)的Agent水平，以目標(biāo)為中心的結(jié)果導(dǎo)向。

劉湘明：能否舉個具體的例子？

張奧迪：以我們公司內(nèi)部建設(shè)為例。最初我們處于以任務(wù)為中心的階段，我們可以編排很多工具，比如在電商場景中的，換假發(fā)、摳背景圖等，這就需要用到很多編排，可能是通過模型微調(diào)進(jìn)行收斂，也可能是用comfyUI的方式，調(diào)參數(shù)進(jìn)而收斂模型穩(wěn)定性的狀態(tài)，這也算是workflow的編排。在整個過程中，我們發(fā)現(xiàn)素材類的生產(chǎn)，可以把很多垂直類的效果場景單獨拿出來，編排成一個穩(wěn)定的workflow。

以目前通用Agent生產(chǎn)的素材，主要分為兩步，第一步是生產(chǎn)出來，第二步還需要對素材進(jìn)行編輯或剪輯。但當(dāng)兩步融為一體之后，就需要非常的垂直化。比如有很多的視頻素材，需要做一個類似于故事繪本，首先需要將單點畫面做出來，然后通過首尾幀一致性文生視頻再進(jìn)行拼接。這其實就是編排的以任務(wù)為中心的一個案例。

此外，我們在營銷領(lǐng)域，以電商營銷為例，現(xiàn)在的一些AI工具、電商站，其核心要么是通過買量投放，進(jìn)行獲客；要么是通過SEO。SEO里面有很多步驟，比如首先需要尋找關(guān)鍵詞，通過一些工具尋找長尾關(guān)鍵詞，進(jìn)而建設(shè)落地頁——如何將關(guān)鍵詞“埋”到營銷的內(nèi)容頁中，并將整個網(wǎng)站的布局做出來，讓它更適合SEO。第三個是外鏈購買，第四個是數(shù)據(jù)反饋。

我們有一個剛對外發(fā)布的SEO的產(chǎn)品，剛發(fā)布就有大幾百個網(wǎng)站開始使用了這個產(chǎn)品。這個產(chǎn)品其實就是通過workflow+MCP+自主調(diào)度多方 AI工具的能力，將前面提到的環(huán)節(jié)全部變成自動化的執(zhí)行路徑。最終實現(xiàn)：用戶只需要將他的網(wǎng)站鏈接扔進(jìn)來，就會自動完成關(guān)鍵詞分析篩選和落地頁建設(shè)。此外，在網(wǎng)站建設(shè)方面，我們可以調(diào)用一些編排能力強的AI工具，更好地建設(shè)網(wǎng)站布局。再加上易點員工幫助運營操盤，實現(xiàn)整個SEO路徑的全部自動化和Agent化。

劉湘明：相當(dāng)于在Agent大規(guī)模應(yīng)用過程中，最核心、最有難度的一點是智能任務(wù)編排的系統(tǒng)建設(shè)，是這樣么？

張奧迪：我認(rèn)為它不是最難的，最難的是一開始人的思想理解。分為兩點，第一點，員工會認(rèn)為，Agent跟ChatGPT、DeepSeek等的區(qū)別是什么？員工會提出：我天天在用（ChatGPT等模型）然后你又讓我建設(shè)Agent，為什么？

第二點，業(yè)務(wù)人員本身的精力都在完成KPI考核方面，如何有精力建設(shè)Agent？對于企業(yè)而言，Agent建設(shè)的過程是成本，當(dāng)效果沒有達(dá)到穩(wěn)定預(yù)期的時候，是否還會繼續(xù)投入，是個未知數(shù)。

第三點，推廣Agent的過程中，我會要求大家梳理SOP，SOP如何梳理，為什么要梳理SOP。

這三個問題都需要通過組織的力量解決。比如需要貫徹思想，培訓(xùn)，讓員工理解，拉齊大家的認(rèn)知。這個過程中會發(fā)現(xiàn)，剛開始培訓(xùn)或拉齊認(rèn)知的過程中，員工的認(rèn)知參差不齊，有的人每天都在用很多AI工具；而有的員工遇見問題了并沒有選擇用AI工具，而是求助于其他同事。讓大家切實感受到AI Chatbot與AI Agent是不一樣的。

此外，我們會在一開始收集大量的零碎的需求。比如一些短劇團隊，我們收集需求之后，會幫助他們建設(shè)一些短劇Agent，一開始會有選短劇，選品。另外，運營人員每天也會看大量短劇，總結(jié)數(shù)據(jù)，這件事完全可以使用大模型進(jìn)行。員工輸入短劇視頻或者文本，總結(jié)出一個包括人物角色關(guān)系在內(nèi)的，結(jié)構(gòu)化的腦圖和概要，讓員工掃一眼就知道短劇的內(nèi)容，就能增加運營人員的效率。此外，在短劇內(nèi)部設(shè)置付費的關(guān)鍵點，AI可以剖析劇情的矛盾點和聚焦點，從而推薦出付費的關(guān)鍵點。

通過這些案例，用戶就會發(fā)現(xiàn)Agent與一般Chat之間的差別。Agent能夠串聯(lián)起整個場景，人只作為一個像L2輔助駕駛一樣的關(guān)鍵存在。這時候，員工就會產(chǎn)生觀念上的改變，就會有一些主動找過來尋求開發(fā)Agent的需求，

第三個階段，當(dāng)正向反饋逐漸出現(xiàn)，就會發(fā)現(xiàn)其實踩了很多坑。第一個就是，很多需求并不是AI能夠完成的。從一開始的不信任，到后來的神化AI。這就需要對AI有甄別的能力去篩選哪些AI能做，哪些做不了，此外，企業(yè)還需要專業(yè)的Agent建設(shè)的團隊。易點從工程、算法、數(shù)據(jù)分析等部門抽調(diào)了一些同事，組成了Agent建設(shè)小組，專注于Agent建設(shè)。進(jìn)而甄別業(yè)務(wù)部門提出的AI需求是否可行，這個過程需要業(yè)務(wù)部門提供詳細(xì)的SOP的梳理，才能知道如何編排任務(wù)流，用哪些工具，才能達(dá)到最好的效果。

當(dāng)宏觀的收集到了所有的SOP，就能知道組織AI化的天花板在哪里，并且隨著經(jīng)驗積累和大模型能力的提升，就能知道組織AI化的進(jìn)程達(dá)到了百分之多少，我覺得這是很有意義的一件事。

劉湘明：一個合格的、真正的Agent到底是什么？

張奧迪：真正的Agent需要具備這幾點能力。第一個是意圖理解，需要理解用戶的目標(biāo)是什么。第二個是任務(wù)拆解，需要具備自主拆解任務(wù)的能力。第三個是自主調(diào)動，Agent需要知道每一步做什么，并調(diào)用相應(yīng)的工具。第四個是長上下文記憶能力、理解能力，以及多Agent狀態(tài)感知的能力。

所以，非常專業(yè)的Agent的建設(shè)是十分復(fù)雜的，并不是編排一個流就結(jié)束了。而是又回歸到大型的工程建設(shè)，我覺得Agent的建設(shè)更像是集團化數(shù)據(jù)中心建設(shè)，是一個龐大的工程系統(tǒng)。

舉個例子，我們在AI信息化的過程中，做了一個ALL IN ONE的AI——易鯨靈。當(dāng)我開車時，我可以跟它說“幫我訂個幾點的會議室”，雖然它的架構(gòu)不是最先進(jìn)的，但它能滿足我的需求。這個過程中，第一個Agent是意圖理解，我們通過復(fù)雜的提示詞（接近1000行）進(jìn)行調(diào)度。設(shè)置提示詞也需要技巧，因為當(dāng)你獲得一個穩(wěn)定的提示詞模板，再加上長上下文之后，這個模板又會變得不穩(wěn)定，為什么會發(fā)生這樣的情況呢？因為大模型會理解“我必須按照這種模板來做”，稍微換一下說話方式，大模型的理解力就會下降。

所以，在長上下文提示詞構(gòu)造里，需要構(gòu)造多種口吻，比如反問、正向問、疑惑問等多個模板，讓它能夠理解這些問題模式，長期來看，對大模型的理解能力的增長有很大幫助。

回到剛剛提到的調(diào)度，拋出問題后，Agent會調(diào)度到下面十余個不用的Agent，比如會議場景，它就會調(diào)度到行政，會議預(yù)定等相應(yīng)工具，調(diào)度飛書里面預(yù)定會議的接口。

除此之外，還需要判斷很多因素，首先是，我需要跟誰組建會議，那個人行程跟我目前會議行程沖突碼？進(jìn)行信息檢索；第二個，Agent會將會議間隙拿出來，組建會議，然后尋找哪些會議室是空閑的，另外還會詢問用戶參會人員規(guī)模，并匹配相應(yīng)的會議室，最終選擇出一個最佳的會議室，并預(yù)定這個會議室。在此過程中，需要我們收斂AI，制作工具，將穩(wěn)定性做好。

再復(fù)雜的情況就是，需要多個Agent之間協(xié)同做一件事。定會議室場景中，因為整體鏈路短，所以Agent需要保持的記憶也短。但當(dāng)我需要長上下文交互的時候，就會發(fā)現(xiàn)，原先使用的先問一個提示詞，然后再自己結(jié)合上下文，混合成一個新的提示詞的方式，已經(jīng)超過了大模型本身的輸入限制，會被截斷。截斷之后，就會發(fā)現(xiàn)模型的回答很蠢，這時候又要在大模型之外，連接緩存機制（每一個對話都有它自己的一套外部系統(tǒng)緩存，）這又到達(dá)另外一個復(fù)雜程度了。會發(fā)現(xiàn)要構(gòu)造一個非常垂直或者專業(yè)化的Agent 解決復(fù)雜的長鏈路的場景，一定要把大模型當(dāng)作操作系統(tǒng)來看，圍繞它構(gòu)造一個 native 的 AI 應(yīng)用。

我覺得我們正在往一個非常復(fù)雜的Agent構(gòu)建路程中前進(jìn)，未來還會有更多的坑出現(xiàn)。包括大量Agent出現(xiàn)之后，還需要維護(hù)它，不斷迭代。

Agent的管理也是一個問題。企業(yè)需要結(jié)合場景的難易程度，尋找適合的Agent建設(shè)工具，現(xiàn)在有大量的工具，目前仍處于“淘汰賽”階段，明年可能還會出現(xiàn)新的工具。所以企業(yè)需要保持一個變化的心態(tài)建設(shè)Agent，但在組織內(nèi)部，又需要有一個聚合，聚合到自己的平臺。將零散的一些場景集合到自身平臺上使用，當(dāng)業(yè)務(wù)需要這些能力的時候，企業(yè)可以在Agent平臺上統(tǒng)一構(gòu)建一個開放接口給他使用。

在這個過程中也會遇見很多問題，比如算力成本問題。有些部門可能只需要用大語言模型，有些部門會用到多模態(tài)模型，企業(yè)需要構(gòu)建分賬體系，更像是商業(yè)化平臺落地，最后你會發(fā)現(xiàn)，你構(gòu)建的其實是一個AI中臺。

AI中臺底層能力是，接入大量服務(wù)商AI模型，再上一層，需要結(jié)合業(yè)務(wù)場景構(gòu)建一些小的微調(diào)（模型），一些垂直領(lǐng)域場景，并沒有能達(dá)到最好效果的通用化模型。再往上就是Agent建設(shè)，這一層會調(diào)用大量AI工具，尋找一些確定性的方式，再往上就是面向業(yè)務(wù)人員，通過接口調(diào)用Agent，完成工作。

劉湘明：有一個細(xì)節(jié)，上下文在某種意義上也需要進(jìn)行分級和定義，這方面，易點天下如何處理的？

張奧迪：剛才我們聊到的所有方式，都是為了降低幻覺。以單點Agent為例，首先，每個Agent都會用到RAG，向量化檢索知識庫內(nèi)容。我們在做易鯨靈的時候，會把每個業(yè)務(wù)日常的FAQ，以及經(jīng)驗等數(shù)據(jù)，維護(hù)在統(tǒng)一的文檔池中，這就形成了企業(yè)級的知識庫。將經(jīng)驗變成了可操作的穩(wěn)定流，就讓每個Agent都有了RAG的能力。

第二個，在長上下文應(yīng)用中，在單點Agent中，外部存儲的臨時文件會結(jié)合RAG。但當(dāng)多個Agent需要協(xié)同時，就需要把每個Agent里面外掛的知識庫，以及上下文管理，提取出來，進(jìn)行統(tǒng)一管理，進(jìn)而在進(jìn)行任務(wù)分配。這是當(dāng)下我們遇見的最大挑戰(zhàn)。

前不久，manus 發(fā)布了技術(shù)復(fù)盤，對于行業(yè)來說，是一個非常好的指引。里面暴露出了未來可能會遇見的問題。

我認(rèn)為企業(yè)未來的壁壘是：企業(yè)內(nèi)部可被AI模型利用的，私有的知識庫。微調(diào)可能會是一個好的方向，但是在我看來，與微調(diào)相比，企業(yè)還不如把上下文和知識庫RAG做好，會推進(jìn)的快一些。

劉湘明：目前，一個Agent開發(fā)的流程和周期大概是什么樣的？

張奧迪：流程方面，主要有兩種。第一種是需要梳理企業(yè)內(nèi)部所有的SOP；第二種是零散的收集需求，尋找真的AI需求，并將AI需求放在SOP中，觀察進(jìn)行到哪一步了。

第二步，對流程進(jìn)行編排或者自主調(diào)度，進(jìn)行規(guī)劃，產(chǎn)出一個解決方案（可能是框架圖，也可能是技術(shù)手段），并進(jìn)行技術(shù)選型、工具選擇，進(jìn)而將這些工具接入到企業(yè)AI中臺。

第三步，開發(fā)。在整體調(diào)度方面，我們有十余個員工，但具體制作Agent方面，1~2個員工就能制作一個相對簡單的Agent，即便是復(fù)雜的工程化的Agent，十余個員工也足夠。

Agent的建設(shè)與數(shù)據(jù)中臺的建設(shè)類似。當(dāng)Agent變多時，需要知道每個Agent的流向，以及相互的關(guān)聯(lián)關(guān)系。這特別像數(shù)據(jù)中臺建設(shè)過程中的數(shù)據(jù)血緣。此外，Agent也需要類似數(shù)據(jù)中臺的質(zhì)量監(jiān)控。

當(dāng)企業(yè)內(nèi)部全部Agent化之后，就會存在特別多的Agent，這時候就需要類似數(shù)據(jù)中臺的數(shù)據(jù)治理，定期對Agent清理一遍，將低熱度（低使用頻率）的Agent清理掉。并且，當(dāng)AI能力不斷提升之后，企業(yè)還需要將不同的、垂直的Agent合并成一個。整個過程就是傳統(tǒng)的復(fù)雜工程的建設(shè)過程。

框架只是給了企業(yè)快速入場的平臺，最終企業(yè)還需要脫離框架。因為現(xiàn)在Agent的框架還沒有達(dá)到成熟態(tài)。AI應(yīng)用還沒有像數(shù)據(jù)中臺似的，達(dá)到標(biāo)準(zhǔn)化建設(shè)階段。還會有一些新的開源框架，以及規(guī)范出現(xiàn)，才能逐漸到達(dá)像數(shù)據(jù)中臺建設(shè)那樣的標(biāo)準(zhǔn)化。

劉湘明：Agent與傳統(tǒng)的IT系統(tǒng)的關(guān)系，以及Agent團隊與IT團隊的關(guān)系是什么樣的？

張奧迪：團隊方面，因為大家都理解了一定要擁抱AI，所以大家都在想方設(shè)法的利用AI升級原有系統(tǒng)，這又回到了+AI和AI+的討論中。

AI+是以AI為主導(dǎo)，這時候就需要統(tǒng)一的入口，統(tǒng)一的交互?？赡軙霈F(xiàn)一個ALL IN ONE的調(diào)度中心（新入口）。

+AI是將傳統(tǒng)的系統(tǒng)，例如BI、OA等，結(jié)合上AI需求或SOP，更像是助手的形式。比如在OA提交了立項申請，就可以通過AI助手自動填寫。

所以，傳統(tǒng)的交互跟AI的交互完全不排斥，大家不要為傳統(tǒng)系統(tǒng)變成對話就是AI的錯誤認(rèn)知。在應(yīng)用AI的過程中，用戶還是需要區(qū)別場景與用途。

這引出了另一個問題——場景的復(fù)雜度有多深？為什么行業(yè)內(nèi)會存在“AI會首先顛覆SaaS”的觀點？因為SaaS本身是要用通用解決定制化需求，為了盡可能的避免定制，所以SaaS軟件會在通用上下很大功夫，會做的越來越復(fù)雜，最后還衍生出了軟件培訓(xùn)師，需要對使用者進(jìn)行培訓(xùn)才能使用。

而這件事恰恰是AI擅長的。比如，ChatGPT能將一段毫無邏輯、雜亂無章的話，結(jié)構(gòu)化，并篩出邏輯，在軟件學(xué)習(xí)領(lǐng)域，AI可以幫助企業(yè)降低SaaS軟件的學(xué)習(xí)成本、使用成本。

劉湘明：Agent的大規(guī)模應(yīng)用，對于企業(yè)的管理和組織帶來的沖擊有多大？

張奧迪：我認(rèn)為會變成人機協(xié)同的范式。以產(chǎn)品經(jīng)理為例，使用AI可以幫助其總結(jié)文檔，并且協(xié)助其與開發(fā)人員交互。比如，現(xiàn)在產(chǎn)品經(jīng)理可以利用Agent直接生成網(wǎng)頁，從眾多生成的網(wǎng)頁中選擇一個符合預(yù)期的，同步給前端工作人員。

整個過程，在弱化設(shè)計師參與的同時，也將產(chǎn)品語言與研發(fā)語言同步（原先需要產(chǎn)品人員與研發(fā)溝通需求，不斷修改，現(xiàn)在只需要產(chǎn)品經(jīng)理將生成的網(wǎng)頁代碼發(fā)給研發(fā)就能解決）。通過人機協(xié)同的方式，改變了原有的員工之間的配合模式。

不過使用AI也存在一些問題，比如AI會“獻(xiàn)媚”。以產(chǎn)品策略撰寫為例，我提供了方案，AI結(jié)合長上下文記憶理解等能力，會先贊賞你的方案，AI會用各種解釋，闡釋你的方案很不錯。我現(xiàn)在在使用的過程中，就會明確跟AI說“不要獻(xiàn)媚，請客觀評價”。這也是人機協(xié)同的一個變化。

此外，組織關(guān)系也會隨著AI應(yīng)用變得更扁平。通過Agent助理，企業(yè)管理層可以篩選、評估、總結(jié)基層員工的匯報內(nèi)容，進(jìn)行風(fēng)險預(yù)判，讓管理者能優(yōu)先處理更為重要、緊急的事。

劉湘明：企業(yè)如何構(gòu)建Agent才能更好的實現(xiàn)目標(biāo)？

張奧迪：第一步需要統(tǒng)一思想，需要通過培訓(xùn)等方式，將企業(yè)內(nèi)部人員對AI的認(rèn)知拉齊。

第二步，企業(yè)在用AI的時候，省錢不應(yīng)該是優(yōu)先考慮的問題，企業(yè)不必刻意省錢。AI工具要多用，消耗的Token越多越好，這樣企業(yè)才能積累經(jīng)驗。

第三步，梳理業(yè)務(wù)SOP。

第四步，需要組織引領(lǐng)、推動Agent落地。無論是內(nèi)部抽調(diào)人員研發(fā)Agent，還是成立單獨的部門做。

按照這四步走，會有比較好的效果。同時，企業(yè)還需要有擁抱變化的心態(tài)，即便踩到坑了，只要能快速的迭代，不管是認(rèn)知上的迭代、組織思想上的迭代，還是工程建設(shè)上的迭代，最終才能做好。

劉湘明：知識庫的建設(shè)在哪個階段開始比較好？

張奧迪：知識庫已經(jīng)足夠了。只要企業(yè)能夠?qū)⑽臋n詳細(xì)歸類，并將日常FAQ和經(jīng)驗結(jié)構(gòu)化的積累下來，就是一個好的企業(yè)知識庫積累機制和狀態(tài)。

另一方面，非結(jié)構(gòu)化的數(shù)據(jù)未來會越來越重要。雖然現(xiàn)在沒有一個完整的實踐經(jīng)驗：非結(jié)構(gòu)化數(shù)據(jù)會應(yīng)用到數(shù)據(jù)中臺，或者會給未來的營銷效果提升非常多，但這是個趨勢。

劉湘明：謝謝張總的分享。

張奧迪：謝謝。

763人已贊賞 >

敬原創(chuàng)，有鈦度，得贊賞

贊賞支持

0

15

0

掃描下載App