工作新习惯
先让豆包干

AI 生产力大会
深圳站

杰森
2026.08.31
飞书

过去五年，我一直在一线陪企业向前走

从抖音流量，到组织管理，再到 AI 转型

2021–2022
巨量引擎

从抖音流量出发

陪企业找到增长的新入口

2023–2024
飞书

从流量走进组织

把增长问题，落到协同与管理

2025–至今
飞书

走向 AI 转型

让 AI 真正进入业务与组织

一直没变

站在企业一线，把新技术变成业务与组织真正能用的能力。

豆包工作已经正式入职到您的企业

豆包、飞书 Aily、Coze 扣子与 Trae 的能力，汇聚成一个企业 AI 工作入口。

以前

四个产品，各有专长

豆包 Logo
豆包 通用 AI 能力
飞书 Aily Logo
飞书 Aily 企业智能体能力
Coze 扣子 Logo
Coze 扣子 智能体搭建能力
Trae Logo
Trae 专业开发能力
现在
豆包工作 Logo
豆包工作 一个入口，完成企业里的 AI 工作
现在

豆包工作的四个优势

01

能干复杂任务

不止回答问题，能把任务从头做到尾

02

模型选择开放

Seed 豆包和第三方模型都能用

03

懂企业上下文

能调用企业知识和业务上下文

04

安全可管控

权限、数据和操作都有边界

飞书

AI Agent正在加速进入企业

概念模型 · 三条线表示能力演进关系，不代表统计数据

能力时间
AI 能力阶跃增长
个人能力跟随提升
组织能力近乎不变
问答助手深度研究Agent 任务执行下一跳？
快速获取信息深入研究问题任务执行变快
分工？业务语义？机制？
个人提效撞到组织天花板
分工、业务语义、机制没有改变
能力差距持续扩大
飞书

今天，我们聚焦三个问题

01AI 趋势
?

面向当下的 AI 趋势CEO 如何迈出拥抱 AI 的第一步？

02价值创造
?

AI 究竟能为企业与个人创造什么价值？

03组织落地
?

面向真实业务场景AI 在组织里如何落地？

01.

CEO如何迈出第一步

面向当下的 AI 趋势

AI 大模型：越来越强，越来越贵

贵与强，一体两面

能力视角

越来越强

强到开始需要被限制，限制本身就是能力的证据。

01 fable5 巨耗 Token

算力换智能，贵得有道理

02 强到“不敢公开”

能力越界，开始触及敏感场景

03 仅少数企业可用

越强，越稀缺，也越受限

贵 强

越强 → 越贵
越稀缺 → 越受限

成本视角

越来越贵

我的 AI 月供账单
美国私人 IP ¥85
Typeless 语音输入 ≈ ¥83
Claude Code Max 20x ≈ ¥1,980
Codex 5x ≈ ¥700
Gemini Pro 公司付费
个人自费 / 月 ≈ ¥2,848
≈ ¥3.4 万 / 年

Gemini Pro 由公司付费，未计入个人自费。

贵，是强的标价；限，是强的勋章。

数字员工在干活，公司的工作记忆也在生长

一边完成任务，一边沉淀知识、经验与上下文

豆包工作 · 帮我干活

一群数字员工

例如睿睿，专门给我的汇报做质检。

数字员工睿睿头像
睿睿汇报质检
数字员工参参头像
参参故事线
数字员工探探头像
探探客户调研
数字员工呆呆头像
呆呆Demo 素材
数字员工图图头像
图图PPT 插画
一会儿大家提问，记得给我加分
持续沉淀 反哺工作
公司工作记忆 · 把活干对

更懂组织正在发生什么

它不是一堆文件，而是 AI 做事时真正需要的依据。

知识

制度 · 文档 · 资料

经验

判断 · 方法 · 复盘

上下文

项目 · 客户 · 协作

它越完整，AI 越能把活干对
数字员工在工作中沉淀 越干越懂，越懂越会干 公司工作记忆反过来指导工作
AI 办公的上半场，比谁活好；下半场，比谁懂你。

关键转变： 管理人 管理好人与豆包工作的协同

协作对象变了。

传统管理
目标 · 分工 · 协调 — 管理人
过去，管理的主要对象是人，靠目标、分工与协调推动协作。
AI 时代
组织上下文 文档 会议 聊天 任务 豆包工作 · 多个数字员工
现在，既要把人带好，也要让豆包工作参与协同。
“我如何管理好人与豆包工作的协同？”

建议一：拆解岗位说明，进而重新梳理人与 AI 的协作边界

人重新定岗，AI 正式上岗

人的岗位说明书

  • 人的价值向哪里迁移？
  • 人对什么经营结果负责？
  • 人继续承担哪些关键职责？
  • 哪些决策必须由人作出？
  • 哪些工作委托给 AI？
  • 人机如何交接与考核？

AI的工作说明书

  • AI 具体承担什么任务？
  • AI 做到哪里必须交还给人？
  • AI 如何理解业务对象和状态？
  • AI 依据什么规则与口径判断？
  • AI 可以调用什么数据和工具？
  • AI 的权限、验收和异常边界是什么？
人的说明书写“价值与责任”，AI的工作说明书写“任务与边界”

销售真正关键的，是三重身份

对外理解客户，对内组织资源，对结果负责

01 看懂客户

客户问题的诊断者

看清真需求、关键人和决策链

02 组织资源

内外资源的组织者

把产品、售前和交付组织成方案

03 推动结果

生意结果的推动者

推进签约、回款和长期经营

销售不是“会说”，而是让复杂的生意持续向前。

销售要跑通“找客户—建信任—签单—回款”的业务闭环

01 · 工作被切碎

业务闭环是目标，现实是高频事务

找客户识别线索与商机
录客户 · 记跟进填 CRM
建信任理解需求与经营关系
日报 · 周报 · 复盘写报告
签单方案、谈判与成交
做报价 · 改标书做方案
回款交付协同与到账
审批 · 订单 · 交付走流程
02 · 价值时间被挤压

100 格工作时间，约 40 格用于直接销售活动

调研显示平均用于 约 40% 直接销售活动

其余时间主要消耗在

填 CRM写报告做报价 改方案走审批跟流程
AI 价值起点

客户经营一直在发生，却仍被大量事务挤压。先让 AI 接住高频、标准化事务，把人的时间还给客户关系与成交判断。

来源：Salesforce《State of Sales》第七版（2026）；全球销售人员平均 40% 时间用于销售，60% 用于非销售工作

AI 加速商机跟进记录的录入

以前，一次拜访结束后，还要把同一段对话重新拆成十几个字段——销售的时间，被困在 CRM 里。

以前 · 拜访结束，工作才刚开始

一条跟进记录，要从头“翻译”一遍客户对话

重复录入
典型跟进记录 10+ 个字段，逐项填写

客户说过的话已经在脑子里，销售却还要重新回忆、整理、拆字段、校对。

客户名称 沟通对象 拜访时间 沟通摘要 客户需求 决策链条 竞品动态 报价反馈 风险判断 下一步计划 跟进责任人 下次跟进时间
回忆对话 整理重点 逐项录入 反复校对
真正的浪费

不是“写一句话”，而是把一次沟通，重新翻译成一张表。

字段为典型流程示意，实际数量随企业 CRM 配置而异

销售填完跟进，AI 立刻告诉他下一步往哪走

不只总结今天，更结合历史跟进判断商机走势、风险与下一步动作

AI 返回给销售的三层答案

跟进记录不是终点，而是一次即时项目 Review 的起点

01
本次总结今天发生了什么

客户需求变化、关键人态度、核心异议、承诺与待办自动归纳

02
历史判断这个商机正往哪走

把本次记录放回历史链路，判断阶段、发展趋势、阻塞点与风险

03
行动指引接下来具体怎么跟

给出优先动作、沟通对象和时限；明确先推进，还是需要拉会

Review 减负
基础判断交给 AI，项目会只讨论协同与拍板

不是所有项目都要拉会：超权限、跨团队或重大风险，再升级进会议

移动端 Demo提交后即时返回
09:425G  ▰
‹ AI
商机指路助手我们今天有一次跟进
•••
今日跟进已提交09:41

客户认可 B 方案方向，希望 15% 折扣；竞品报价低 8%，李总要求周四前回复。

AI
已生成商机指引已结合 7 次历史跟进
本次总结

方案意愿仍在，价格差与审批链是当前主要阻塞。

结合历史判断

近 3 次跟进都停在价格谈判，决策人尚未出现；若本周仍无上层参与，项目大概率继续拉长。

建议下一步
  1. 48 小时内给出守住利润底线的两档方案
  2. 补齐财务拍板人及最终审批链
  3. 折扣越过红线，再拉 20 分钟评审会
当前建议 先推进，不拉会
移动端内容为场景示意；实际建议应基于企业口径、权限与完整历史业务数据生成

方案不必自己做，AI 生成 HTML，让 AI 帮我们去生成

飞书汇报素材库界面截图，展示 AI 生成的汇报素材可被检索、复用和组装

销售价值时间，目标是从约40%逐步提升到约75%–80%

AI 接住高频、标准化事务，逐步把销售时间还给客户经营与成交

今天
约 40% 直接销售活动
AI 接住事务 逐步释放时间
未来目标
约 75%–80% 客户经营·成交判断
销售的 AI 小队

一个人，带着 4 个 AI 小助理协同做业务

运营督导头像
销售 找客户 · 建信任 · 把单签
巡店助手数字员工头像 数字员工

商机助手

语音录入 · 自动解析 · 生成跟进报告

日报助手数字员工头像 数字员工

方案助手

基于历史报价 · 自动生成方案初稿

巡店线路规划助手数字员工头像 数字员工

报价助手

历史签约经验 · 自动给建议

任务督办助手数字员工头像 数字员工

回款追踪助手

账期监控 · 自动催收 · 风险预警

销售不只是变轻松，而是变得更有价值
40% 来源：Salesforce《State of Sales》第七版（2026）；75%–80% 为转型目标值，非当前测量事实

一线经销渠道管理人员的 112 件事

访谈只看见冰山一角；跟岗与留痕后，112 项工作与 AI 机会逐步浮现。

访谈 · 少量工作→跟岗 + 周报会议留痕→完整盘点 · 112 项
①销售计划与指标分解
依据销量与容量编制计划
目标分解至区域渠道与人员
确定重点品项任务
每日跟进销售与出货
制定未达进度补救措施
防止月底集中压货
判断销售健康达成
②经销商经营管理
制定经销商月度进货计划
制定经销商库存计划
检查库存结构与临期风险
督促配置车辆与配送人员
督促配置经销业务人员
检查配送时效与缺货
协调资金与授信问题
协调订单与回款问题
评估经销商覆盖能力
评估经销商执行能力
评估经销商合作意愿
推动弱势经销商整改
调整或补充经销网络
处理区域边界与窜货
处理经销商价格冲突
平衡缺货与过度压货
③通路精耕与终端覆盖
规划销售路线
设定门店拜访频率
检查人员按路线拜访
开发空白市场与乡镇
开发空白门店
提升重点产品铺货率
提升门店覆盖率
检查门店陈列与排面
检查价格标签
检查促销物料
检查冰柜使用
推动新品及时进店
开发学校景区交通场景
管理重点终端与样板店
一线管理者协同走访
④市场活动和促销执行
承接新品与旺季销售专案
分解活动目标至团队
确定活动门店名单
分解物料费用与时限
协调经销商备货
协调经销商配送
核验活动门店真实执行
跟进买赠活动效果
跟进陈列堆箱与冰冻化
回收活动资料
核销活动费用
复盘活动投入产出
整改执行不佳区域人员
规划旺季与节假日专项
⑤销售团队管理
组织晨会
组织周会与月度经营会
分配销售任务至团队
审核拜访路线
审核客户量与工作计划
陪同业务人员跑市场
检查订单质量
检查客户拜访记录
检查终端执行结果
培训产品知识
培训销售话术与谈判
培训费用规范
开展月度绩效评估
提出奖金核算建议
提出人员晋升建议
处理低绩效人员
处理流失与岗位空缺
处理团队纪律问题
培养骨干与储备主管
⑥价格与市场秩序管理
跟踪进货批发与零售价
检查低价甩货
检查跨区销售与窜货
检查恶性竞争
处理渠道价格冲突
管理促销政策范围
防范促销政策套取
监控竞品价格与促销
监控竞品冰柜与新品
上报重大市场异常
⑦费用和预算管理
制定月度市场费用计划
审批促销费用
审批陈列费用
审批终端开发费用
确认费用真实发生
检查费用符合标准
管理ATP与TP预算
对比投入前后销量
对比铺货与终端动销
管控超预算风险
识别重复报销
识别虚假门店与活动
完成费用核销
整理费用凭证
判断费用投向有效性
⑧库存、物流和回款管理
按销量预测提报需求
协调缺货与断货
处理爆品供应不足
跟踪库存周转天数
跟踪产品库龄
推动先进先出
处理临期品
处理破损品
控制经销商退货
控制异常库存
跟进客户账款
跟进经销商回款
管理经销商信用额度
提前安排旺季库存
安排旺季车辆与人员
优化配送路线
把工作逐项拆开，才能看见真正的 AI 机会：事务可自动化、分析可辅助，经营判断与责任仍由人承担。

当 AI 介入，岗位的工作结构开始发生变化

把 AI 嵌入每一项具体工作，释放事务性工时，让一线管理者更聚焦经营判断、关键客户协同与团队辅导。

逐项成熟期净减少工时
AI 确定减少／成熟期下限 流程重构增量／上限减下限（单位：%） 人仍需承担／判断、协商、执行与担责
①销售计划与指标分解
依据销量与容量编制计划30～45
目标分解至区域渠道与人员40～55
确定重点品项任务25～40
每日跟进销售与出货65～80
制定未达进度补救措施15～30
防止月底集中压货25～40
判断销售健康达成25～40
②经销商经营管理
制定经销商月度进货计划30～45
制定经销商库存计划30～45
检查库存结构与临期风险45～65
督促配置车辆与配送人员10～20
督促配置经销业务人员10～20
检查配送时效与缺货30～45
协调资金与授信问题10～20
协调订单与回款问题20～35
评估经销商覆盖能力25～40
评估经销商执行能力20～35
评估经销商合作意愿5～15
推动弱势经销商整改15～25
调整或补充经销网络5～15
处理区域边界与窜货15～25
处理经销商价格冲突5～15
平衡缺货与过度压货20～35
③通路精耕与终端覆盖
规划销售路线45～65
设定门店拜访频率30～50
检查人员按路线拜访50～70
开发空白市场与乡镇20～35
开发空白门店25～40
提升重点产品铺货率30～45
提升门店覆盖率30～45
检查门店陈列与排面40～60
检查价格标签40～60
检查促销物料35～55
检查冰柜使用35～55
推动新品及时进店30～45
开发学校景区交通场景15～25
管理重点终端与样板店15～30
一线管理者协同走访15～25
④市场活动和促销执行
承接新品与旺季销售专案30～45
分解活动目标至团队40～60
确定活动门店名单30～45
分解物料费用与时限45～65
协调经销商备货20～35
协调经销商配送25～40
核验活动门店真实执行30～50
跟进买赠活动效果40～60
跟进陈列堆箱与冰冻化40～60
回收活动资料55～75
核销活动费用45～65
复盘活动投入产出45～65
整改执行不佳区域人员10～20
规划旺季与节假日专项20～35
⑤销售团队管理
组织晨会30～45
组织周会与月度经营会35～50
分配销售任务至团队20～35
审核拜访路线40～55
审核客户量与工作计划25～40
陪同业务人员跑市场5～10
检查订单质量40～60
检查客户拜访记录45～65
检查终端执行结果40～60
培训产品知识40～60
培训销售话术与谈判30～50
培训费用规范45～65
开展月度绩效评估20～35
提出奖金核算建议55～75
提出人员晋升建议5～15
处理低绩效人员5～15
处理流失与岗位空缺10～20
处理团队纪律问题5～10
培养骨干与储备主管5～15
⑥价格与市场秩序管理
跟踪进货批发与零售价50～70
检查低价甩货25～40
检查跨区销售与窜货15～30
检查恶性竞争20～35
处理渠道价格冲突5～15
管理促销政策范围40～60
防范促销政策套取35～55
监控竞品价格与促销30～50
监控竞品冰柜与新品25～40
上报重大市场异常50～70
⑦费用和预算管理
制定月度市场费用计划30～45
审批促销费用20～35
审批陈列费用25～40
审批终端开发费用15～30
确认费用真实发生30～50
检查费用符合标准55～75
管理ATP与TP预算50～70
对比投入前后销量45～65
对比铺货与终端动销40～60
管控超预算风险60～80
识别重复报销55～75
识别虚假门店与活动30～50
完成费用核销55～75
整理费用凭证70～85
判断费用投向有效性15～30
⑧库存、物流和回款管理
按销量预测提报需求40～60
协调缺货与断货15～30
处理爆品供应不足10～25
跟踪库存周转天数55～75
跟踪产品库龄60～80
推动先进先出25～40
处理临期品25～40
处理破损品30～50
控制经销商退货30～50
控制异常库存40～60
跟进客户账款40～60
跟进经销商回款25～40
管理经销商信用额度15～30
提前安排旺季库存30～50
安排旺季车辆与人员25～40
优化配送路线50～70
AI 不会平均地减少每一项工作：越标准、越数据化的部分越先被拿走，人的精力重新回到经营判断、关键客户协同与团队辅导。

建议二：打造 AI 能理解的组织大脑，知识在线，经验共享

水面上下的冰山
冰山上 20% 显性知识
制度SOP手册文档

基础制度与标准记录，在线化、可视化并不难。

冰山下 · 第一层 肌肉记忆
动作习惯手感

习惯成自然的工作动作，常常说不清、写不出。

冰山下 · 第二层 直觉判断
经验信号判断

不靠 SOP 也能拍板，却很少被组织开发出来。

冰山下 · 第三层 经验与默契
调度人脉默契

意外情境做对反应，跨部门协作靠默契。

显性知识 / 隐性知识

把金牌店长的经验，变成随时可问的知识

门店现场 · 看得见的隐性经验 门店实拍现场：热柜旁的风扇将香气引向门口
豆包工作 · 门店知识问答

把经验变成可执行的依据

跨境团队真正要沉淀的，不只是答案，而是答案适用的条件

为什么这部分经验最重要

最懂业务的人，不该成为公司的人肉搜索框

很多公司不是没有知识，而是知识每次都要从老员工嘴里重新生产一遍。

01 · 重复回答

问题每次都像第一次发生

“这个词能不能写？” “这批货能不能发？” “德国站能照搬美国站吗？”

答案散在聊天记录里，经验留在老员工脑子里；新人一换，团队又重新交一次学费。

02 · 正确答案会变

换个国家，答案就可能不同

商品×国家×平台×履约×时间

平台与政策持续变化，旧经验可能失效。AI 必须给出处、适用范围和最后核验日期。

最终价值 让每一次提问，都成为下一次不再打扰老员工的答案。 AI 回答已确认问题；专家只审核新知识与高风险判断。
移动问答 · 随时可查

字节跳动的每一个服务台，如今都由 AI 运行

字节跳动行政服务室，无人值守
字节跳动 · 行政服务室 — 如今已无人值守
知识沉淀与共享 · 来自字节跳动内部的实证
40整个支持团队的总人数
15万全球员工 IT 问题的服务量
87%由 AI 解决，全程无人介入
一支 40 人的团队，服务 15 万名员工 — 因为其中 87% 由 AI 解答。服务台照常运转，房间却已空无一人。
飞书

建议1: 让经验发生在日常协作中

把专家关在会议室里，是问不出真实经验的

01
会议为什么这样拍板
02
群聊共识如何形成
03
文档方案如何迭代
04
日报问题如何推进
05
审批边界如何判断
06
任务动作如何落地
经验发生在哪，知识就沉淀在哪

背景 ＋ 判断 ＋ 动作 ＋ 结果，随协作一起留下

AI 自动采集上下文
事后访谈

把专家关进会议室里问

×
脱离真实场景问题已经被重新包装
×
依赖事后回忆关键细节早已丢失
×
隐性判断难表达专家自己也说不清楚

得到的只是“总结后的答案”

过程采集

从日常协作中采集

01背景
→
02判断
→
03动作
→
04结果
上下文完整 持续自动采集 可以直接复用

留下的是“可还原的决策过程”

落地判断 知识管理不是多开一次访谈，而是让每一次协作都成为知识生产。

建议2: 知识不是越多越好，能复用最重要

知识库的价值不在“存了多少”，而在“被用了多少”

藏书阁 · 死库 一座没人进门的图书馆，
藏书再多也等于零。

文档存量持续增长但调用与复用接近零

误区仓库思维
→
正解消费思维
以“存量”论英雄用文档数、条目数汇报成果
→
以“被调用”论价值查阅、复用、解决问题才兑现价值
只管入库，不管出库存完就结束，无人追踪有没有被用
→
围绕真实问题组织围绕用户会找的问题组织
越存越满，越满越乱内容膨胀，找到好答案反而更难
→
少而精，高频复用一个好答案胜过百篇没人看的文档
KPI 错位只考核沉淀多少，不考核帮到了谁
→
让消费反哺沉淀谁在找、缺什么，倒推下一步该补什么
结论 先让知识“流动”起来，再谈“沉淀”多少。
衡量指标切换 沉淀了多少篇 → 被消费多少次 / 帮多少人解决问题

建议3：知识库质量，直接影响 AI 输出质量

Garbage in, garbage out——模型再强，也无法稳定弥补过期、冲突和缺失的知识。

GARBAGE IN → GARBAGE OUT
输入

低质量知识

过期 冲突 缺失
AI 检索 · 生成
输出

低质量回答

答非所问 前后矛盾 一本正经地答错
结论 先把知识做对，再让 AI 做快。

建议三：AI 时代，每个管理者都需要一个
数字分身

管理半径持续扩大，必须借助数字分身为管理者减负，让管理精力回归真正重要的判断与决策。

减负把重复决策外包给分身
加速拉通时长从天到秒
决策你只做最后一锤定音

AI + 管理的前提是让 AI 更懂你

你的 AI 助理 · 记忆人设
你的数字分身 · 核心模型

如何让 AI 更懂你 —— 从每场会议开始

近 1 年的会议文档及会议发言
会议相关的待办及评论

懂你的 AI · 可以代你做方案评审

构建你的 管理分身

从"年度目标"出发,让 AI 学会像你一样思考

目标 → 过程 → 提炼 → 反馈 → 更准的分身
01 锚定坐标 先告诉分身"我今年要打什么仗"
输入物 年度 OKR · 战略主题 · 关键战役清单
北极星指标
›
02 沉淀语料 把"我在场时发生的事"喂进去
围绕目标的过程 会议逐字稿 · 周会纪要 · 文档评论 · 飞书消息批注 · 决策邮件
成长日记
›
03 提炼分身 从语料里抽取"你怎么想问题"的元规则
产出物 决策偏好 · 表达风格 · 追问习惯 · 红线清单
大脑切片
›
04 持续校准 AI 替你说话时,只需说"这句不对,改成这样"
反馈动作 纠偏 · 补充 · 标注典型案例
师徒制

管理分身的本质,是让你的判断力,从"只能在场时使用",变成"24 小时在线的组织资产"

复盘助手让每一次汇报质量透明化

AI 汇报复盘助手 睿睿

为每次汇报提供精准的复盘建议,持续助力一线售前成长,提升汇报质量。

售前汇报 智能复盘 客户:沃尔玛中国 汇报人:杰森 日期:2026.04.21

AI 洞察 · 执行摘要

向沃尔玛中国市场部全员进行《AI 在消费/营销行业的应用与趋势》专题培训分享并引导业务场景共创 Workshop。

堪称教科书级别的行业赋能与场景共创会。前半场高维认知拉齐,后半场 Workshop 模式彻底激活客户内部各业务线的痛点吐露与真实需求共创(挖掘出门店巡检、标牌核价、商业化履约审核等高价值场景)。面对数据安全、IT 管控等异议,回应专业、客观且不卑不亢。会议最终成功促成客户决策人(Echo)主动明确 Next Step,是一场极其成功的售前宣讲与需求挖掘活动。

综合得分 100 ●●●●● 满分 / 标杆

能力雷达

价值传递清晰度 行业与场景贴合度 客户反馈与互动 异议处理与推进 语言表达与专业度

详细评估

价值传递清晰度30/30
✓咨询顾问式价值传递,老专家经验萃取案例打动人心
行业与场景贴合度25/25
✓山姆前海店实拍 Demo 量身定制,客户主动背书
客户反馈与互动25/25
✓Workshop 双向互动激活痛点,专业预期管理
异议处理与推进10/10
✓数据安全 / IT 管控异议化解,Echo 主动拍板 Next Step
语言表达与专业度10/10
✓竞品评价客观中立,从训练数据源专业剖析展现行业格局

⚔ 高难度攻防实战复盘 · 3 个关键回合

数据安全顾虑 脱离公司防护时,如何确保 AI 信息不外泄? 客观解释大模型机制 + 强化"企业版与个人版本质隔离"
营销归因难题 线下投放与线上销量精准归因可行吗? 诚恳预期管理 — AI 强,但需先建数字化触点 + ROI 模型
IT 管控阻碍 公司多维表格已禁用 Kimi 等外模型字段? 豆包合规过 SSP,山姆陈列 Demo 已跑通 + 出合规白皮书

分身助力管理者的自我进化

有了过程证据，管理者也可以每周迭代一次

一周一次 把“我想变成什么样”，和“我这一周真实怎么做”放在一起看
01
真实证据

飞书自动留下本周表现

会议纪要 · 日程安排 · 文档协作 · 督办进展

记录真实发生了什么
02
评价坐标

AI 对照目标做出评价

我的目标 · 绩效改进方向

说清做得怎样、为什么
03
行动输出

生成下一周的改进计划

改进动作 · 完成标准 · 复盘时间

把评价变成下一周可执行的行动
下周继续校准 新的行动继续在飞书留痕，成为下一轮评价的证据

管理分身，不只替我做事，也持续帮我变得更好

AI 给镜子，改不改、怎么改，仍由我决定

分身可以帮CEO做什么？

先判断两件事：结果有多重要？是否必须由你在场？

在场要求 × 结果
结果重要
结果一般重要
不必你在场 分身可以先行动
01

分身干，你把关

  • 方案初审
  • 常规审批
  • 项目进度追踪
  • 高管汇报前预演
  • 汇报材料初稿

它先做完，你花五分钟过

02

分身全包

  • 会议内容分析
  • 一线情报汇总
  • 数据取数与报表
  • 进度状态同步
  • 承诺事项落表

它做完，你抽查

必须你在场 责任不能外包
03

只能你自己

  • 投资决策
  • 高管任免
  • 组织架构调整
  • 战略方向
  • 危机处理
  • 绩效面谈

分身只能帮你备料

04

也得你去

  • 关键客户吃饭
  • 老员工婚礼
  • 一线突然的访问

你的出现就是全部意义

02.

AI创造什么价值？

AI能否让我们及时洞察消费者需求

过去三年，爆款并不随机：机会集中在 6 条可持续监测的赛道

01
小众水果茶“潮汕化”红利
芭乐 · 黄皮 · 荔枝高辨识香气 + 地域化叙事
供应链驱动 三年持续
02
轻乳茶 / 水果奶成熟心智新组合
柠檬奶 · 水果轻乳茶在“柠檬”心智上叠加奶基底
组合创新 2025 正当红
03
超级植物 / 果蔬茶短窗口黑马
羽衣甘蓝 · 红菜头健康概念 + “可喝的沙拉”
概念驱动 2024 峰值
04
中式养生药食同源
人参 · 阿胶 · 陈皮整根入瓶，让原料价值可视化
健康趋势 三年上行
05
咖啡特调风味升级
生椰 / 烤椰 · 地域风味植物基、气泡与地方风味延展
品质 / 风味 持续
06
经典奶茶翻红旧品类重做
手作黑糖珍珠手作现熬，重做经典认知
手作叙事 2024 集中
机会判断：供应链成熟 × 消费心智迁移 × 可视化产品表达 公开资料与品牌公开图片整理 · 2023–2025

AI情报员——口味雷达：全网口味信号

侧栏可切换 4 视图 · 鼠标 hover 看动效

两年前，AI 只能完成一个步骤

三只松鼠休闲零食开品：同一套 9 步流程，看清每一步是谁在干

两年前9 步里，AI 只承担 1 步
人 8 步AI 1 步打标 1 天 → 10 分钟
  1. 01明确开品目标人
  2. 02采集淘宝热卖人
  3. 03汇总自有商品人
  4. 04清洗与去重人
  5. 05定义标签体系人
  6. 唯一06分类打标AI
  7. 07结构化字段人
  8. 08对比找差异人
  9. 09输出机会报告人
今天9 步里，人只承担 1 步
人 1 步豆包 8 步给目标 → 交报告
  1. 唯一01明确开品目标人
  2. 02采集淘宝热卖豆包
  3. 03汇总自有商品豆包
  4. 04清洗与去重豆包
  5. 05定义标签体系豆包
  6. 06分类打标豆包
  7. 07结构化字段豆包
  8. 08对比找差异豆包
  9. 09输出机会报告豆包
人在干豆包在干
人只定目标，剩下 8 步豆包全包

今天，豆包工作交付一个结果

过程可见，产出可用——从任务执行到数据资产与文档报告

工作状态豆包正在完成任务
▶按右键开始演示
真实操作录屏
交付产出工作完成后，结果直接沉淀
数据收集结构化数据资产热卖品表 · 字段整理 · 可持续复用
文档报告结论与机会建议市场格局 · 差异对比 · 机会排序
真正的智能，不只是给出答案，而是把答案变成可用的成果。

AI 时代，信息“上传下达”正在加速

AI 打通信息链路后，中层价值从“传递信息”转向“推动结果”

组织三层结构 传统信息流被 AI 压缩
层层上报
层层下达
管理层 定目标 · 做决策
中层 组织协同 · 经营推进
一线 业务事实 · 客户信号 · 执行结果
实时汇聚
AI 透明直达
即时触达
AI 会替代信息搬运，不会替代对结果负责。 信息越透明，中层越要靠判断、协调与闭环证明价值

会议透明化 · 一线经营洞察实时直达

纵向经营信息流

经营洞察数字员工

角色
经营洞察分析师
部门
经营管理办公室
能力
汇总会议，发现经营问题
晨会 · 华东
晨会 · 华南
晨会 · 华北
晨会 · 华中
晨会 · 西南
晨会 · 西北
晨会 · 东北
晨会 · 西南（川渝）
晨会 · 闽粤
夕会 · 总部
夕会 · 重点客户
夕会 · 便利店
× 2,000 场销售会议

从 2,000 场销售晨会中提炼洞察，10 分钟送达管理层

销售/经销商 · 一线晨夕会深度洞察报告
1. 执行摘要与背景
2. 产品组合 · 深度反馈
2.1 核心品类——结构性增长
2.2 战略单品——推广阻力
2.3 新品上市——疲软与季节性
2.4 库存压力
3. 渠道动态与终端反馈
3.1 现代渠道——数据后劲不足
3.2 便利店——突破仍未形成
3.3 季节性切换
3.4 价格与竞品的取舍
4. 团队管理与执行
5. 供应链与库存健康度
6. 策略建议
7. 数据切面

销售/经销商 · 一线晨夕会深度洞察报告——执行状态、市场反馈与策略取舍（2026.01.08）

1 月 13 日更新

⚠ 本报告基于 1 月 8 日约 2,000 场一线晨会记录（约 150 万字）。一线声音具有主观性和碎片性，仅作为一手信号补充和 AI 能力验证，不能替代实地调研。

1. 执行摘要与背景

本报告对约 2,000 场一线晨夕会记录进行深度文本分析。这些来自销售现场的原始反馈，穿透层层汇报修饰，呈现销售运转、市场温度与执行偏差背后的真实阻力。

分析显示，销售组织正处于“全力推进”状态。趋势型品类自然增长，但战略核心单品要实现突破，仍受到渠道结构、执行习惯和工具摩擦的明显制约。

关键发现：

1. 品类分化加剧。趋势型品类已经用市场表现投票，传统品类推进困难，暴露出品牌高端化与人群升级中的结构性痛点。

2. 执行层出现数字化疲劳。促销工具（如拍照打卡）执行率低、操作摩擦大，数字工具更多被视为监督负担，而不是业务赋能。

一手经营信息直达管理层
发现“水面下”的问题

让 CEO 10 分钟看懂公司

一句指令，把各部门周报变成一张经营看板

10 分钟 从分散周报
到 CEO 经营全景
01

汇总全公司进展

自动读取各部门周报，统一口径与结构

02

标出异常与风险

偏差、卡点、逾期事项自动浮到前台

03

生成待决策清单

哪些需要拍板、谁来跟进，一页讲清

CEO 不需要逐份看周报，只看被提炼后的经营信号。

AI挖掘公司管理痛点——洞察成本骤降

飞聆 · 多智能体深度访谈引擎

飞聆用多智能体协同完成访谈、追问、归档和分析,把一段段对话转化为可复用的结构化洞察。

1000+
快速调研汇总
15 min
从提纲到首份洞察
4 步
创建·访谈·沉淀·分析
快启动
AI 共创访谈提纲,快速明确调研目标、问题路径和执行方式。
深追问
多智能体协同开场、追问、记录,让受访者表达更自然,信息更深入。
强分析
访谈结束后自动生成结构化摘要、主题标签、引语卡片和分析报告。
可复用
调研结果沉淀为洞察资产,服务产品、销售、运营和管理决策。
实时 · 洞察流
您好,这是关于「便利店选品」的 8 分钟访谈,我会先问几个开场问题。
最近门店货架常调整 SKU,关注「客户偏好怎么变化」。
明白。请回想一下:最近一个月内,有哪个「卖得意外好」或「滞销」的 SKU?
01 · 创建调研
从一个研究问题开始
飞聆快速生成访谈任务,让调研不再从空白文档开始。
AI 主持人0:08
张先生您好,很高兴采访您。下面想问问您日常销售过程中的一些问题。
张先生 · 受访者0:06
最近门店销售里,我比较关心货架的库存周转和新品试销节奏。
02 · AI 访谈
受访者打开链接即可开聊
支持语音与文字,AI 自动开场、追问并保持访谈节奏。
已从 1 段访谈中识别出 3 个关键观点
观点消费者对甜度敏感度上升,老配方在新人群失灵
引语「买回去试了,口感太甜」—— 受访者 12
标签#甜度 #植物蛋白 #口味演变
03 · 洞察沉淀
把真实表达提炼为关键观点
每段表达都会被提炼为标签、摘要、引语和关键观点。
12,840 份访谈已聚合 · 自动归档为 4 个聚类
甜度敏感32%
价格敏感28%
蛋白来源24%
其他16%
04 · 批量分析
千百份访谈自动归档分析
飞聆自动完成归档、聚类和结果分析,让团队快速看到共性问题与决策线索。

用 AI 接管直播间助播工作，让单主播也能稳定接话、控场和跑流程

分工变化 具备状态反馈，才是单主播闭环
机制示意 · 细节待核验
状态反馈动作自动化

AI 建议经主播确认后进入直播流

01 · 声音
真人主播
接话建议
主播确认
TTS 入流

协同前提主播可见播报状态 · 可随时打断

按钮触发直播运营动作

02 · 动作
物理按钮
自动化流程
上链接 / 发券

岗位变化非大直播间，可不再配置人工助播

人负责表达、确认与接管 系统负责建议与标准动作

模拟直播现场
接话建议TTS物理按钮
模拟画面：用于解释机制，不是客户实拍或已验证系统截图

数字员工不只检查合规，还能验证什么话术真正有效

同步录屏、逐字稿与直播数据，找到高转化和掉人时段的话术差异

01 找到在播直播间

账号 · 品牌 · 链接

02 录屏 + 实时采数

在线人数 · 点赞 · 评论

03 转写 + 多维质检

画面 · 合规 · SOP

04 生成飞书报告

风险 · 亮点 · 改进

核心升级

把话术和实时数据对齐

每 30 秒采集
逐字稿
话术片段 A话术片段 B话术片段 C
直播数据
在线人数点赞评论
高转化时段说了什么？ 掉人时段在说什么？
人确认抽查对象 · 录制时长 · 质检范围
AI 执行搜索 · 录制 · 采集 · 分析 · 出报告
03.

AI在企业如何落地

组织级 AI 产品全景：一个底座，两类助理

个人助理 读取企业上下文，服务个人任务
豆包工作 logo
豆包工作个人助理 · 也可进入团队
workbuddy logo
workbuddy仅个人助理 · 不进入团队流程
企业上下文按个人权限读取
双形态→
仅个人●
团队助理重点
不是多人共用一个聊天框，而是进入组织工作
豆包工作 logo
豆包工作团队助理
共同的团队形态 以团队身份进入业务流程
读上下文→跑流程→多人协作→沉淀知识

持续推进任务，直到结果闭环

身份权限安全治理全过程审计
组织能力供给 个人读上下文｜团队进流程
组织上下文 流程引擎 知识资产 安全治理
飞书 logo组织 AI 底座

AI 要为组织工作
必须先认识组织——

组织上下文看得全
流程引擎跑得通
知识资产留得下
规模化运营放得大
安全与治理管得住
关键差异 个人助理读取企业上下文；团队助理进一步进入流程，在多人协作中持续闭环。
模型层 大模型与多模型能力，按场景取用

选择有服务能力的团队，加速AI人才培养

「用人看本质,看潜力不看资历」

经验 技能 知识
自驱 合作性 开放度 韧性 延迟满足

企业用好 AI,先看效率先锋

挑战1: AI迭代速度太快，应对不确定性，需要小步快跑

ROI 算不清,不要等算清 — 看方向 + 用迭代去逼近答案

01

方向 > 短期 ROI

AI 项目缺历史样本,ROI 难以精确测算

方向对了就该干 — 让落地本身回答 ROI

02

小步快跑 · 敏捷迭代

传统 12-18 个月规划周期,在 AI 时代失效

周期越短 · 校准越快 · 错也错得小

AI 时代项目的成功 = 对方向的押注 + 迭代的速度,不是开局就能算清 ROI

飞书

挑战2: 重新思考AI时代的考核、激励体系

当“忙碌”仍然被奖励，员工会理性地让 AI 少干一点

反向激励

旧考核下AI 越能干，个人越吃亏

问题不在使用意愿
而在评价规则

01

AI 接管重复劳动

取数、汇总、文案和流转逐步自动化

02

可见动作自然减少

工时、件数与“忙碌度”不再代表真实贡献

03

旧 KPI 判定贡献下降

仍按个人动作、过程工作量和一次性交付计分

04

员工做出理性选择

保留手工、隐藏方法、不共享 Agent

重新定义“贡献” 从“人做了多少”转向“人机系统创造了什么”

01考结果

工时 / 件数→业务结果 · 质量与风险

02考杠杆

个人完成→人机协同 · AI 承担任务

03考资产

一次交付→Agent · 规则 · 知识复用

考核不改，员工会理性地抵抗 AI；激励改对，AI 才能从个人技巧变成组织能力。

挑战3: 文化排异：AI 进了组织，却进不了核心工作

文化排异往往不是员工“接受不了新技术”，而是组织在用旧规则保护自己

员工真正担心的不是 AI 会不会用，而是三件更现实的事：

三件更现实的事旧规则没有回答
员工真正担心不是 AI “会不会用”
理性选择没有答案时
01
价值归属把经验教给 AI
员工的原话“我把经验教给 AI 以后，价值还算不算我的？”
藏经验
02
效率红利把效率做出来
员工的原话“我把效率做出来以后，会不会先变成裁员依据？”
观望
03
责任边界让 AI 参与工作
员工的原话“AI 出错时，责任最后是不是仍然只由我承担？”
只在低风险任务里浅用

真正的容错文化：允许团队持续纠偏，也让每一次贡献被看见

飞书解决方案团队从 AI 做 PPT 的个人提效，走向 3,000+ 页可流动、可归属的组织知识资产

01
第一轮尝试AI 做 PPT
得到个人提效 但没有解决组织复用
如果当时叫停 故事止步于个人提效
02
组织的关键回应没有用第一轮定义终局
↻
允许纠偏不因首轮未规模化而叫停
¥
承担成本提供 AI 使用补助与报销
★
正向激励对主动探索给予奖励
真正的容错 不是没有标准
而是允许持续纠偏
03
组织能力形成从材料工具到知识资产
AI 做 HTML→飞书汇报素材库→3,000+ 页素材沉淀
飞书汇报素材库，KA 消费综合团队已沉淀 3704 页材料
知识进入组织3,000+ 页可复用素材
行业场景地图，按行业、场景和客户证据组织材料
按行业 × 场景组织
贡献榜，原创、更新、派生和被引用均有记录
贡献持续被看见
知识贡献飞轮贡献越可见，知识越愿意流动
知识被贡献→场景化流动与复用→原创者持续获得积分→更多人愿意贡献

每一次原创、更新与复用都有记录；知识进入组织，贡献仍然属于贡献者

挑战4: 数字资产与数据治理

企业不缺业务数据，缺的是能还原管理过程的数据

业务结果 数据很多

能回答：发生了什么

01订单
02客户
03收入
04库存
05交付
06财务

结果持续入库，指标越来越完整

管理过程 沉淀不足
关键断层 管理黑箱

数据记录了结果，却没有留下判断如何发生

决策依据为什么这样判断
协作过程共识如何形成
例外处置边界如何取舍
责任上下文谁在何时做了什么
管理洞察 只能停在表层
看得到 哪个指标出了问题
答不深 为什么会发生
推不出 谁该采取什么行动

只有结果，没有过程；
洞察就无法深入，行动也难以复盘。

治理方向 让管理过程可计算
结果数据
→
过程数据
→
管理资产

数据治理不只是把表做干净，而是让每一次判断都可追溯、可复用、可计算。

中小企业，最不缺 AI 行动力

按企业规模脱敏后，人均 AI 日投入随企业规模缩小而上升

01

AI 人均日投入指数

3,000 人以上 = 1.0

<1,000 人
2.8×
1,000–3,000 人
2.1×
3,000 人以上
1.0×
02

Agent 人均日投入指数

3,000 人以上 = 1.0

<1,000 人
3.2×
1,000–3,000 人
2.1×
3,000 人以上
1.0×
投入已经先跑起来 下一步，是把个人尝试变成可复制的组织能力

口径：各规模段取原始分组人均日指标均值，以 3,000 人以上企业组 = 1.0；原始组织名称与绝对值已脱敏。

今天最后，只留一个问题

明天上班， 你准备先让豆包干什么？

挑一件真事 让豆包先干 你来把关 跑通再复制

工作新习惯，先让豆包干