最近两周，钉钉异常活跃，看点频频。
从成为阿里集团独立业务的消息开始，到发布个人版，8 月 22 日钉钉又宣布推出 AI PaaS 及其最新的 AI 应用——数字员工。
在今年这一波大模型技术浪潮中，而钉钉给外界的感觉是:快。从 4 月发布的一条「斜杠」开始，钉钉相继发布文档、IM、会议、低代码、Teambition、脑图等各个场景下的「+AI」功能，最新的 AI 应用是钉钉个人版和数字员工。钉钉方面表示，在大会前，已经完成了 17 条产品线、55 大场景的智能化改造。
此次钉钉总裁叶军提出，面向生态伙伴和客户开放智能化底座 AI PaaS，表示将用大模型帮助生态把产品重新做一遍。
但，快不一定等于有序。前几个月，钉钉的产品功能迭代，更像是一个个独立产品「+AI」的过程。这种一窝蜂的快的背后，到底怎么思考钉钉在大模型链条中的位置？有没有壁垒、怎么认知用户所关心的实用性、数据隐私等关键问题？
极客公园独家采访了叶军与钉钉首席产品官齐俊生。叶军认为，AI 现阶段的「主要矛盾」是用户对大模型的高期待，和大模型本身能力之间的差距。
在齐俊生看来，「从落地角度，这的确有一个从技术到实际应用的落差。坦白讲，整体体系逻辑，我们一开始确实没完全想明白，但钉钉有创业文化，团队先跑起来总不会错。于是钉钉全线产品都接入大模型在试，这个试的过程很关键，让我们逐步想明白钉钉智能化的目标、价值和路线，也沉淀诞生了 AI PaaS 这种底座。」
大模型虽然在快速进化，但目前还存在很多不可靠问题，钉钉怎么解这道题？他回应，经过 100 多天、十几款产品的摸索，钉钉逐渐把智能化的路径趟出来了，依托 AI PaaS 的底座，和「魔法棒」统一的 LUI 入口，钉钉正在从原来的提供生产力工具，转向追求直接给客户输出生产力。
01
从工具，到创造工具
AI PaaS 和数字员工，是钉钉想明白智能化顶层设计逐渐清晰后的一次落地。这是钉钉发展中的一次关键价值转变。
数字员工，是钉钉推出的一种新的 AI 应用形态。在钉钉的理解中，数字员工可以被拉入群，被「」，还可以使用工具做任务，甚至可以不断学习、扩展新技能。最为关键的，它能被赋予权限，参与到业务流程中去。
比如，在面对诸如写招聘 JD，安排面试，甚至候选人推荐、能力分析这样的问题，一位「HR 数字员工」可以即便在下班时间，也能 7x24 实时秒回，并根据提问者的自身情况精准作答，甚至会依据 1 号直聘的沉淀的行业数据，给出候选人的能力分析。
钉钉总裁叶军介绍数字员工｜钉钉
拟人化的数字员工，是钉钉认为的一种「价值很直观｜的产品形态。齐俊生认为，「去讲 AI 辅助创新，去讲自然语言交互带来产品升级，给客户的价值并不直观。但换成雇几个招聘、财务、IT 的数字员工，就能帮助几个人解决过去几十人解决不了的问题，客户瞬间听懂了。」
当然，在钉钉上，AI 与用户交互的方式和应用形态，不只是数字员工这一种，还有比如在钉钉音视频会议中，「数字分身」可以代替用户出席会议，帮助用户了解会议的重要信息，会后还可以推送会议总结；
点餐拼单场景，用户可以在钉钉群内用自然语言点单、拼单，无需离开群聊一键付款；
「AI 小助教」则可以帮助教师智能批改作业、沉淀学情数据，生成备课建议和讲解用的 PPT 等。
这么多场景里的「AI 生产力」，虽然来自不同的软件服务商，但都源于一个共同的技术底座——AI PaaS。借助它，钉钉生态的 ISV 和企业客户的 IT 部门，可以开发各种场景下的「AI 生产力」。就像前文展示的，饿了么基于这一底座做了拼单助手，蜜蜂家校做了 AI 小助教助手；1 号直聘做了数字员工；钉钉自己做了会议助手。
这是底层逻辑的转变。在之前，钉钉给人们的认知是提供 AI 生产力工具，来帮企业解放生产力；现在钉钉造了一个 AI PaaS，来让生态、客户，可以创造 AI 生产力工具。
02
大模型之痛的钉钉解法
AI PaaS，原理是是一个技术平台，简言之是提供了一个将 AI 开发、训练的过程，进行标准化、简单化的规范。其目的，是让 SaaS、软件接入 AI，或者训练专属数据模型更容易。
这一逻辑自然没错。但关键问题是同样是「+大模型」，为什么 ISV 需要 AI PaaS，而不是直接合作大模型厂商？
最核心的原因，是当前的大模型还在快速进化中，远还没到人们想象中那样无所不能。即便是有 OpenAI 加持、工程化能力最为出众的微软，也不得不面对一系列「+大模型」的现实问题。
例如，震撼世界的 Copilot 系列产品，直到概念片发布的 4 个月后，才以高出普通版 40% 的价格向一些大客户开放一部分功能，而要实现概念片里的全部效果，取决于大模型和工程化两方面能力的再进化。日前，业内有消息称，微软新版 Windows 和 PC 厂商合作的订单正在洽谈延期发布，因为前者没有按计划如期推进。
再或者，几个月前刷屏的 AutoGPT，作为大模型应用之一——Agent 领域的代表，也被众多用户吐槽，「实际上用不起来」。Demo 演示的使用场景看起来很流畅，可以自主使用工具帮助用户完成任务，但 Demo「可能是从 1000 个使用场景里面挑了一个最好用的，剩下的 900 多个，大部分都没法用」。
而在钉钉看来，今天 AI 的「主要矛盾」是用户日益增长的对大模型的期待，和大模型本身能力之间的差距。
齐俊生表示，大模型的演进从外界看，迭代速度是很快，但真正到了深水区，特别是要落到 To B 领域，就必须保持客观理性的态度去使用它。他举例，比如财务场景、法务场景，是不允许出错的。To C 看上限、看想象空间，To B 更强调下限强调可靠。「只有客观先以理性的态度和严谨的路径去推进大模型的落地，才能更有效地通过工程化等能力提升他的准确性、可靠性和易用性。」
客户侧的反应也侧面验证这一观点。在钉钉向企业客户邀测的 4 个月里，邀测客户呼声最高的是类似问答机器人、知识库机器人这样能高效解决问题的 AI 功能，它们能直接进知识库阅读文档，输出相比大模型更为准确结果。
他的直观感受是:客户在提升效率、辅助决策的场景对大模型有期待，甚至希望大模型可以解决原先专家决策类问题——诸如「你看我这一百个项目里哪个风险最高」。这是他眼中的 AI PaaS 的必要性所在。
03
试错试出来的系统设计
AI PaaS，被齐俊生认为是钉钉在 AI 发展中最具竞争力的壁垒，也是发挥钉钉业务场景、数据价值的核心优势。其核心在于工程化能力，包含对大模型的上下文、记忆、推理、预处理等能力的「抽象」，以及数据安全、性能等问题。
有了 AI PaaS，钉钉下接大模型能力，上接千行百业的用户真实需求，让大模型的能力可以更简单的进入企业场景。钉钉里的生态 ISV 和企业 IT 部门只需要按照 AI PaaS 所定义的流程、规范，就可以训练专属数据模型、开发 AI 技能，不必烦恼「怎么才能使开发的应用具备大模型的推理能力」，「怎么让训练完的数据突然『懂行』」
在 AI PaaS 之上，是钉钉伙伴伙伴甚至客户所开发的各种 AI 技能，这些技能按不同需求组合后，可以以不同的形态与用户交互，包括拟人化的数字员工，场景化的 AI 如聊天 AI、文档 AI、会议 AI，和行业化的 AI 如 AI 助教。
钉钉公布的智能化产品体系｜钉钉
这是钉钉团队在想清楚后，对于智能化的整体思考输出——一个囊括 AI 定价、底模型交互调度、数据训练、AI 应用开发、技能体系，以及最终面向用户的数字员工、智能助手等产品形态的系统设计。
这一套设计被钉钉称为「魔法棒套件」，类似于微软不仅有 Copilot 的 AI 交互方式，也设计了更后台的 Grounding、Graph(图谱)等等，与之不同的，是钉钉正在将这一套逻辑开放给生态伙伴，且一同还带着钉钉上丰富的应用场景。
在智能化系统设计的摸索过程中，钉钉也陆陆续续解决了重新设计交互、重新评估模型的「底线」、重新组织 AI 生产力的问题，来重建大模型时代的数字化:
Re-design:ChatGPT 使得 Chat 成为必要的前表层架构，从用户体验的角度来看，需要统一的交互界面，钉钉魔法棒应运而生。这次发布会上，钉钉发布了/ 魔法棒的升级产品体验，在钉钉右上角会出现一个/，点这个/ 出现一个界面，可以进入钉钉统一的 LUI 交互模式。所有的功能交互，会逐渐被这根魔法棒替代，包括钉钉自己的 AI、和钉钉生态的 AI。
Re-evaluate:PaaS 层抽取共性需求时，需要给分层分类给予技能，也需要给出「置信区间」，即在多大程度上生成的结果是准确的，因为这是企业场景，需要在准确、效率、合规、成本等条件中取平衡。
Re-organize:数字化在大模型时代的需求，是通过 AI 能力实现自动化并直接增加生产力。数字员工本质上就是改变了企业的生产力组织方式，把 AI 从工具，变成组织里生产力的一部分。而钉钉也需要由过去向企业提供数字化工具，变成直接提供生产力。
齐俊生说，钉钉在今年 4 月时也提出过 No APP 的思路，这个观点背后，就是未来可能不再需要那么多 GUI 的功能页面，而是交由 AI 代替处理过程信息，一根魔法棒实现完成所有的生产需求。而开放 AI PaaS，其实也是在将钉钉的魔法棒设计开放给行业，这些由 AI PaaS 创造的工具，也正在完成从 GUI 到 LUI 的转变。
叶军在生态大会上也提出，在即将上线的钉钉 7.1 版本，这根魔法棒将会完成阶段改造。届时，无论是协同场景的文档、会议、Teambition，管理场景的人事、OA，或者是更侧重业务的数字员工、宜搭、生态伙伴的应用等等，都将可以从这根魔法棒中唤起。甚至，也许钉钉上的功能栏，陆陆续续会消失掉，用户通过对话来实现所有功能、产品的交互，而不用再去打开一个个窗口，作为一个拥有 2300 万客户的企业数字化头部企业，钉钉看起来是国内第一个在大模型技术落地的思考上，形成了完整生态战略的平台。它的思考和动作、后续的产品创新和生态演进，值得进行持续的关注。在大模型还在成长的过程中，让它从玩具到工具，这也是中国 AI 发展迫切需要的。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
