最近看了些关于 AI 应用的内容，有几个点觉得很实用，结合自己在企业场景里的思考，记录一下。

一、把会议记录当成「元数据」，喂进企业知识库

在公司里用 AI，第一件事就是把会议记录利用起来。

关键思路：不要把会议记录当成一份份孤立的文档，而是把它当作元数据——企业内部的、结构化的知识数据源。

这样一来，原本碎片化的信息（每次开会讨论的内容、决策、结论）就能被系统性地记录、沉淀下来。数据攒够了，AI 就有了足够的「企业知识」，回答内部问题时才有依据，而不是泛泛而谈。

一句话：先有数据，再谈智能。

二、把 AI Agent 放进团队的讨论群

第二个思路是把一个 AI agent 直接放进团队日常沟通的群里（Slack / Teams / 飞书都行）。

好处是它会「顺便」接触到团队成员的日常分享与讨论。比如和产品经理聊产品需求时，这段对话可以被自动记录下来。

需求聊完之后，一份产品方案的初稿（Draft）基本就能出来了——直接可见，然后在这个基础上再做修改调整。

核心价值：让 AI 待在信息发生的地方，而不是让信息来找 AI。

三、让用户少学新东西

第三点关于「怎么让用户更容易用上做好的 AI 应用」。

一个思路：尽量让用户少学新东西——不要求他们去记新网址、学新操作界面。

尽量在用户原有的使用习惯上，把新应用融入进去。这样接受度会高很多。

同时，要尽量能拿到用户的反馈，并在反馈的基础上不断迭代——这样才能打磨出真正好用的产品。

四、让 AI 嵌入业务闭环，做跨团队边界的 Skills

更深一层，是让 AI 参与一个业务的闭环，并且尽量去做一些跨团队边界的 skills。

这样一来，每个团队除了自己的核心业务之外，还能简单地用这些 skill 去完成原本需要「交接给其他团队」的事情——不用每次都等人、等流程、等排期。跨团队交接这件最消耗效率的事，被 skill 接住了。

由此可以推出一个心态上的分界：80% 的基础工作可以交给 AI 真正完成，剩下 20% 才需要人的参与。人应该把精力集中在判断、决策和例外处理上，而不是重复性的基础劳动。

小结

  • 数据先行：把会议记录当元数据，喂成企业知识库。
  • 就近植入：Agent 进团队群，在对话发生处沉淀需求与方案初稿。
  • 降低门槛：融入原有习惯、少让用户学新东西，并靠反馈迭代。
  • 嵌入闭环 + 跨团队 Skills：AI 参与业务闭环、承担跨团队交接；80% 基础工作给 AI，20% 留给人做判断。

四点合起来其实是一件事：让 AI 融入既有流程，而不是让流程来迁就 AI。