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]

核心观点 - 在AI时代，企业选择AI产品的核心标准应从“功能”转向“效果”，因为“功能≠效果”是当前行业的普遍问题 [1][4][22] - 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和财务预算的部门，因其职责是规避风险，而AI投资本身具有高风险和难以量化回报的特性 [10][28] - 推动企业全员成功拥抱AI需要“上下同欲”，结合自上而下的战略与自下而上的员工自发实践，例如通过“AI效率先锋”大赛等形式来发现和激励内部创新者 [14][32] AI产品选择标准 - AI时代软件选择的范式发生变革，从比较功能转向比较效果，因为大部分AI产品的功能差异不大，真正的竞争在于处理问题、生成内容的效果好坏 [5][6][22] - 当前行业普遍存在“只谈功能，不谈效果”的不理想情况，几乎所有AI软件公司都如此，给用户选择带来挑战 [1][4][22] - 为解决此问题，飞书借鉴新能源汽车自动驾驶分级（L1-L5），提出了AI功能成熟度M1-M4分级标准，以帮助用户评估和选择 [6][23] - M1代表非常不成熟、仅可内部测试的阶段，M4代表非常成熟、几乎适用于所有场景的状态 [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），部分新功能在M2，极少功能达到M4 [6][23] - 飞书将所有AI功能标记成熟度并公开，呼吁更多厂商采用类似标准，同时建议企业主在选择时自行评估功能的实际成熟度 [8][25] - 提升成熟度（效果）远比开发功能困难，例如飞书知识问答功能为达到M3级别，花费18个月将回答正确/令人满意的比例从最初的10%-15%提升至“大部分情况下满意” [8][25] 企业落地AI的动力与阻力 - 推动AI落地的动力并非来自特定技术部门或懂技术的员工，而是遍布于公司各部门中“愿意折腾、愿意尝鲜”的个人，包括越来越多非技术部门的员工 [8][26] - 企业落地AI的主要阻力出乎意料地来自财务预算和安全管控（风控）部门，原因在于这些部门工作认真负责，其核心职责是规避企业风险 [10][28] - AI投资本身被认为是企业当前最大的风险之一，因为其投资回报率（ROI）不清晰、结果难以预测，从统计上看失败概率可能大于成功概率 [10][28] - 当财务部门（CFO）以传统ROI思维审视AI投资时，业务部门往往无法提供有效的回报证据，从而导致投资被阻止 [10][28] - 为克服阻力，建议将财务及风控部门的评估思维从ROI（投资回报率）转变为COI（不作为成本），即评估“如果今天不进行这项AI投资，三年后公司可能会失去什么” [11][29] - 微软被引为案例：其在2023年对AI进行了全面且领先的战略投资，但2024年因担心影响利润和股价而大范围暂停投资，导致到2025年在AI领域已“全线落后”，并失去了早期与OpenAI合作的部分特权，之后虽调整策略恢复投资，但已错失先机 [13][31] 推动企业全员拥抱AI的实践方法 - 成功的关键在于“上下同欲”，即结合高层战略与基层员工的主动拥抱，因为AI发展尚处早期且不成熟，自下而上的创新涌现至关重要 [14][32] - 飞书通过实践发现，“AI效率先锋”大赛是一种有效的落地方法，能帮助企业从各个部门和层级中发现并激励愿意拥抱AI的员工 [14][32] - 飞书已与数百家客户共创，完成了500多场“AI效率先锋”比赛，在此过程中发现了超过5万名“效率先锋”，并搭建了超过16万种不同的AI应用系统，用于企业运营的方方面面 [14][32]