跑赢对手的企业，都是怎么用飞书的？

这些成功实践是企业真实诉求落地，也是飞书得以先进的底气。在大会期间，多位嘉宾坐而论道，围绕企业具体场景中的降本增效的话题，展开了精彩的讨论。

参与此次圆桌交流的嘉宾有：

茶百道首席数字官 张睿

中国生物制药｜正大天晴 CIO 曹奋泽

宁德新能源 CIO 梅灯银

影石Insta360 CIO Zach

主持人：钛媒体集团联合创始人联席CEO ITValue发起理事 刘湘明

以下是圆桌对话实录：

刘湘明：首先请大家各自介绍一下自己的公司，以及使用飞书的情况。

张睿：茶百道自2008年创业以来，目前已有超过8000家门店。茶百道是2023年开始使用飞书系统，目前，全集团所有员工以及超过8000家加盟门店，都已经被飞书这个“基座”连接起来，在统一的数字化平台上进行公司的经营和发展。

曹奋泽：中国生物制药是国内领先的创新研究和研发驱动型企业。我们的核心业务覆盖药物研发平台，智慧化的生产和销售体系的全产业链，核心战略主要包括组织整合、全面创新、国际化和数字化，所以数字化已经成为我们最重要的战略之一。

基于数字化的战略我们在2021年落地了飞书，到目前为止，飞书已经覆盖了集团的核心企业，使用人数超过了2万人。

梅灯银：宁德新能源简称ATL，是一家做消费锂电池的供应商，大家经常用的手机、无人机、笔记本电脑、智能手表等，很多都是我们提供的电池，大概一半以上的高端智能手机电池都来自于ATL。

飞书导入ATL的深度和广度都比较好，广度上讲，我们不但全员覆盖，针对于公司的核心生产设备，比如环境的监控等场景，我们也通过飞书来进行预警和管理；深度上来讲，我们对飞书的多维表格、云文档等功能的使用，以及人均使用率还是非常高的。

Zach：影石Insta360是一家专注于影像领域的智能科技公司，主营的产品是全景运动相机、手机稳定器、视频会议相机和一些智能影像配件。我们连续6年在全球全景相机市场位居第一，市占率近70%，而且产品销往全球200多个国家和地区。

目前我们使用飞书有近3年的时间，从2021年到现在，一开始我们是使用飞书的office，后来扩展到飞书的people、飞书的低代码平台，还有很多飞书相关的开发工具，以及开放平台也都是我们常用的提效利器。目前飞书已经覆盖了我们研、产、销、服等各个方面。

刘湘明：在各自的领域，企业有哪些复杂性，又是如何使用飞书应对的？

张睿：茶百道最直接的复杂性源自加盟门店。我们拥有超过8000家加盟门店，如何做到整齐划一，如何能让他们做到高效运营，如何守住食品质量安全的底线等，都是我们面临的问题。

这8000家门店都是独立经营的主体，所以，我们既要确保高效运营，同时又要尊重我们加盟伙伴独立经营的选择和自由。

虽然我们是8000多个经营主体，但是踢出来的“步子”是一个声音，我们通过飞书以及相应的超级流程引擎，实现了各个业务系统之间以及与飞书原子级能力之间的深度链接，将集团或者品牌方所需要贯彻的各种要求、规范，以及实际业务的操作都集成到流程中，使得8000多家门店都按照标准作业流程。

曹奋泽：我们在实际落地飞书的过程中，将自身的业务系统和飞书进行了深度链接，从而解决了业务过程中一些复杂架构和复杂业务分析的问题。

举个例子，在药物营销领域，面临最大的痛点就是：如何解决销售员之间的“方差”问题。就好比一个班级有好学生，也有差学生，老师的任务就是提取一套好的学习方法，赋能到整个班级，提升整个班级的平均成绩。

同理，我们提取一些优质销售员的行为，通过内部的CRM系统，收集了各种销售业务的数据，进一步沉淀为各类业务衡量指标，通过指标之间相互的关联，可以找到辅助业务决策的最佳路径。

与此同时，我们将CRM系统与飞书进行深度对接，比如通过飞书可以自动化生成云文档，文档中包含了不同层级销售员的经营分析报告和指标体系，我们再将这些报告精准地推送到不同层级的销售员。

同时，随着海量数据的沉淀，我们会总结一批做得好的销售员具备哪些行为，并将这些行为固化之后，结合飞书的任务分发机制，发放给每个销售员，从而提升每个销售员的销售能力。基于此，我们还会通过飞书的一键拉群功能，时不时地让大家在群里可以及时地讨论销售过程中存在的问题。

核心点是：我们将自身业务系统与飞书深度融合，打破组织间的信息隔离，大家看同一份数据，共同解决同一类问题，从而提升业务品质和效率。

梅灯银：关于复杂度，我觉得可以从两个维度看，一是业务复杂度，一是系统复杂度。

业务复杂度方面，因为我们的客户基本上每年，甚至每半年都要出一代产品，无论是对于研发、供应链，还是产品特性、生产制造，都有速度和精准度的要求。

这也带来了系统的复杂度，我们有很多不同的系统，支撑各个业务，针对此，我们将飞书作为一个统一应用的入口和门户，用户各种任务的操作，都可以在飞书的平台里链接到后台，各种各样的系统都可以实现一键操作，解决了系统的复杂度。

与此同时，飞书也解决了业务的复杂度。客户有很多的诉求，有些是临时的，或者比较简单的。面对这些诉求，我们自主开发的话，开发周期较长，这时候我们会借用飞书本身自带的诸如多维表格等功能，让用户自助完成，从而提升了系统的效率，以及用户的满意度。

Zach：对于影石来讲，这两年我们面临最大的挑战就是：随着企业规模发展越来越快，高速增长的业务体量和规模对企业IT信息化基座提出了更高的要求。这两年我们也引进了很多外部先进的、不同领域的信息系统，但是仍然存在一些非标的、个性化的需求，没有办法在当前成熟的、封闭的信息系统里，快速完成这些需求的开发和实践。

我觉得飞书自身的开发工具帮助我们很好地补上了企业信息化改造的最后一块拼图。具体场景来看，公司每个部门都存在自己上游的甲方，也会有自己的乙方，公司内部存在非常多的上下游协作关系的部门，需要建立一套需求管理和项目管理系统。

我们通过飞书的多维表格和开放平台建立一套集需求的收集、评审、分配、追踪、跟进，再到需求完成交付后，自动化评价的体系，对于公司的降本和增效都非常有帮助。

刘湘明：各位如何在企业里面发现“效率先锋”这样的人？

张睿：我们最近也在搞“效率先锋”的培训，对我们来讲，我们没办法很好地总结出一个“效率先锋”，或者效率先锋的候选者需要具备什么样的素质，或者效率先锋的画像。

但是我们会在前期的一些推行和实践过程中，给我们内部的伙伴呈现出很多的样例，让他们慢慢也知道，其实你也可以，并不是我们去选择他们，而是告诉大家，只要你在业务方面有感觉、有想法、有意愿、有激情，你就可以有这样的机会，然后我们会给你匹配相应的知识资源、老师资源、展示空间，从而激发候选人的热情，促进成长，

这些人不见得会写java，不见得会写Python，但他需要具备非常清晰的逻辑思维和系统架构能力，有了这个能力后，我们给他一个工具，自然就可以发挥效果。

梅灯银：我认为，数字化不是一个人或者一个团队的事，而是全公司的事，我总结为几个“道”，首先是知道，让他们知道有这个东西能做；第二个是想到，他要能想到把工具跟日常工作结合起来；第三个是做到，就是能够把日常工作繁琐的东西，用飞书这样的工具真正呈现出来。

刘湘明：以大模型为代表的AI技术来临时，我们怎么样去搭上这一波列车，不管是企业的协作效率，或者是在市场上的竞争力能够更上一层楼？

Zach：今天看到飞书上线了一些新功能，我觉得非常好。因为其实飞书多维表格中已经融合了豆包大模型的能力，我们的使用场景主要面向营销和客服团队。

我们收集线上电商、社交媒体上很多用户的声音和评论，导入到飞书多维表格里，再通过AI模型对这些声音分拣，提取核心信息，以及做标签分类，最终提取出用户对我们产品和服务的指向性评论，并且不断通过模型的训练和校正，提升最终输出结果的准确性。

这方面的工作之前是通过人工手动收集实现，自从用上AI的能力后，我们还可以导入更多的数据进来，扩展更多的渠道，我们产品和服务的范围也可以更广。

梅灯银：首先，我非常认同飞书CEO谢欣今天说的一句话——不是把我们的日常工作融入到AI中，而是把AI融入到我们的日常工作中。

我们在AI方面也有很多尝试，举个例子，比如产品日常监控有很复杂的链条，我们要通过实时采集生产过程中的数据，然后通过AI模型分析哪一些设备或者哪一些品种优率较低，进而再分析这个设备是什么原因，哪些指标比较低导致优率低。

有了这些数据后，我们可以定位到某一个设备的问题，再结合日常的知识库，总结出设备到底出了什么问题，大概是什么原因，怎么去维修，将知识库与大模型结合起来。

发现原因后，我们会自动创建工单，员工维修的时候还能基于这个设备的参数，推荐维修方法，这样一来，即便是不太熟悉的员工也能够快速地维修设备，最后再把工单完结后，将维修的经验和知识再沉淀到知识库中，形成一种闭环。

曹奋泽：生物制药是一个相对周期比较长的领域，需要经历药物研发到药物生产，再到药物营销等多个环节。针对不同环节的痛点，可以找到一些AI匹配的方向，从而提升效率。

举几个例子，在药物研发方面，我们面临最大的挑战就是，药物早期研发过程中可能有成千上万个候选分子，最终却只有极少数可以进入临床试验阶段，传统的方法是通过化学家自身经验，批量测试和合成分子，整个过程效率低下且成本高。

基于这个痛点，我们通过数据分析和预测模型的方式，加速药物研发。AI可以基于已有的药物分子数据库和结构，设计和合成新的分子，同时还能预测分子活性、选择性和可能存在的毒性，通过AI筛选出一批最有望成功的候选分子，从而缩短整个药物研发周期。

第二个场景，在药物生产领域，我们面临最大的痛点是如何精细化排产。药物生产需要经过培养基设置、种子培养、细胞培养、生物分离、层析、纳滤、超滤等多个环节，在排产过程中我们还需要考虑前端销售计划、发货计划，以及后端的采购计划、库存计划等众多因素，在这个过程中，我们持续引入AI技术，通过数据分析、机器学习以及预测模型等方式，不断优化排产计划。

张睿：我们把AI利用分为两个阶段：第一个阶段是基于传统深度学习算法的AI应用。在营销端和其他领域我们慢慢向互联网公司学习，大量应用这些能力。

第二阶段就是AI大模型，使用好大模型的能力能让企业的协作效率、市场竞争力都更上一层楼。落到企业实践中，我们大概分了三个层次。

第一就是用好飞书的原生能力，飞书集成了很多原生的AI能力，比如文档的利用、知识的管理等；

第二就是利用飞书智能伙伴Aily的一些能力，做一些简单的模型应用；

第三就是企业要深度去思考，如何把大模型技术与企业运营效率提升结合，举个例子，比如质检场景，我们每天都有质检的流程，一天要产生十几万张图片。我们要从这些图片中识别店家开店、关店操作是否规范，还要确保食品安全监管以及门店生产安全等事宜，如果纯靠人力，是一个巨大的负担，通过AI大模型，我们可以快速生成对图片的分析结果，同时把结果同步提交给相关负责人，让他及时、准确地掌握门店质检情况。

刘湘明：做个简单的总结，当下，我们需要工具结合AI，再结合思想的变化，这些所带来的效率提高，可能会对企业产生完全不同的效果。

（本文首发于钛媒体APP，作者 | 张申宇，编辑 | 张帅）