核心观点 - 飞书CEO谢欣在演讲中指出，AI时代企业落地面临的核心矛盾是“功能不等于效果”，当前行业普遍存在只谈功能、不谈效果的问题[1][4][18] - 为应对此问题，飞书提出并实践了AI功能成熟度（M1-M4）分级体系，以帮助用户选择产品，并呼吁行业采纳类似标准[1][6][18] - 企业落地AI的主要阻力并非来自对技术不敏感的员工，而是来自负责风险管控的财务预算和安全部门，因其职责是规避不确定的投资风险[1][10][18] - 建议企业将财务评估思维从传统的投资回报率（ROI）转向“不作为成本”（COI），即评估不投资AI可能带来的未来损失[1][11][18] - 推动企业全员拥抱AI的关键在于“上下同欲”，通过“AI效率先锋”等自下而上的实践活动来激发各层级员工的参与[1][16][18] AI产品选择标准：从功能到效果 - AI时代软件选择的重点应从比较功能转向评估效果，因为大多数AI产品的功能差异不大，真正的差异在于处理问题的效果好坏[5][6][22] - 当前几乎所有AI软件公司都只宣传功能，而不告知效果，这给用户选择带来了困难[1][4][18] - 飞书借鉴新能源汽车自动驾驶分级，提出了AI功能成熟度M1-M4分级标准：M1为非常不成熟仅可内部测试，M4为非常成熟可在几乎所有场景应用[6][23] - 飞书自身产品功能大多处于M3级别（大部分生产生活场景可用），部分新功能为M2，极少功能达到M4[6][23] - 飞书的知识问答功能为M3级别，经过18个月的迭代，其回答问题的正确率和满意度从最初的**10%-15%** 提升至“大部分情况下让人满意”，这18个月主要投入在提升成熟度和效果，而非增加新功能[8][25] 企业落地AI的动力与阻力分析 - 推动企业AI落地的动力并非来自特定技术部门或懂技术的员工，而是遍布于各个部门中“愿意折腾、愿意尝鲜”的个人，包括越来越多不懂技术的非技术部门员工[8][26] - 企业落地AI的主要阻力往往来自财务预算部门和安全管理控制部门，这些部门因职责要求规避风险而阻碍AI投资[10][28] - AI投资本身被视为企业当前最大的风险之一，因为其投资回报率（ROI）难以清晰界定，且从统计上看失败概率可能大于成功概率[10][28] - 以微软为例，其在2023年是AI战略最全面、投资最大的科技公司，但2024年因担心影响利润和股价而暂停投资，导致到2025年在AI领域已“全线落后”，并失去了作为OpenAI唯一合作方的特权[13][31] 企业采纳AI的财务思维转变 - 建议企业财务部门将评估思维从传统的投资回报率（ROI）升级为“不作为成本”（COI），即考虑如果今天不进行某项AI投资，未来三年公司可能会失去什么[11][15][29] - 这种从ROI到COI的思维转变，有助于平滑企业整体落地AI的进程[11][29] 推动企业全员拥抱AI的实践方法 - 实现企业全员拥抱AI需要“上下同欲”，即结合自上而下的战略与自下而上的涌现[14][32] - 飞书通过“AI效率先锋”大赛的实践，发现并激发了企业内不同部门、不同级别员工拥抱AI的热情[14][32] - 该实践已完成**500多场**比赛，发现了超过**5万名**“效率先锋”，并搭建了超过**16万种**不同的AI应用系统[14][32]

AI应用与创业转型 - 公司因ChatGPT重启公众号创作并开启AI学习与转型之旅[1][2] - 经过两年半AI实践后公司达到创业六年最佳状态[4] - 原创设计出一套AI课程理论体系并实现产品化[5] 发现问题阶段思维模型 - 乔哈里窗模型用于理解AI能力边界及商业机会象限[9][10] - 黄金圈法则强调优先明确"为什么用AI"以避免无效开发[15][17] - 二八法则聚焦20%高价值要素避免资源浪费[19][21] - 用户旅程地图通过亲身体验或AI模拟发现隐性需求[25][26] 拆解问题阶段方法论 - 金字塔原理+MECE实现结构化拆解适用于Prompt/OKR设计[28][30][32] - 奥卡姆剃刀原则选择最简单闭环方案防止过度复杂化[34][36] - 第一性原理回归本质变量重构业务流程[39][41][43] - AI-First思维优先判断AI代劳可能性释放人力创造力[44][46] 验证迭代阶段策略 - MVP思维要求一天内完成60分原型快速验证[49][51] - 迭代思维通过Prompt→Output→Review循环优化[54][56] - 复利思维沉淀高ROI方案形成组合杠杆效应[59][61][63] - ROI思维强化成本收益意识区分投资与无效成本[64][66][68]