Der Kampf der Büro-Agenten, der Schwerpunkt liegt nicht auf den Agenten.

Nach dem Ende des Kampfes um die roten Umschläge und der Nutzung des Hypes um Hummer stürzen sich große Unternehmen eifrig auf das nächste Schlachtfeld: die Produktivität. Die Aufmerksamkeit großer Tech-Unternehmen ist manchmal noch kürzer als die Haltedauer von Privatanlegern.

Der Grund ist einfach: In dem Börsenprospekt von SpaceX hat der geschäftstüchtigste Musk der gesamten Branche eine Rechnung aufgemacht:

Der gesamte zukünftige Markt für KI-Anwendungen wird auf 28,5 Billionen US-Dollar geschätzt (ohne China und Russland), davon 2,4 Billionen für Infrastruktur und 22,7 Billionen für Unternehmensanwendungen. Was das Volumen von Abonnements und Werbung für Endverbraucher betrifft, hat der stets mutige Herr Musk nur 1,36 Billionen geschätzt, was weniger als ein Bruchteil des Volumens für Unternehmensanwendungen ist.

Auf technischer Ebene entwickelt sich „Code“ allmählich von einer vertikalen Fähigkeit zu einer allgemeinen Fähigkeit. Wenn das Programmierniveau des Modells hoch genug ist, kann es natürliche Sprache in ausführbare Schritte übersetzen und anschließend in realen Szenarien erstaunliche Agent-Fähigkeiten zeigen.

Infolgedessen erobert Tencent Workbuddy weite Gebiete, Alibaba Qwen Office wird schnell eingeführt, ByteDance geht wie immer entschlossen vor, das Feishu-Team wird in Doubao integriert, das Produktsystem wird umfassend neu ausgerichtet und das neue Produkt Doubao Work wird auf den Markt gebracht.

Im Gegensatz zu ähnlichen Produkten ist Doubao Work tief mit Feishu verbunden. Sie können sich direkt mit Ihrem Feishu-Konto anmelden, und die vorherige Enterprise-Version von Doubao in Feishu wird ebenfalls zu Doubao Work.

ByteDance hat insgesamt drei Zugänge für Doubao Work eingerichtet: 1. Die eigenständige Doubao Work-Anwendung; 2. Der Arbeitsmodus in der Doubao-Anwendung; 3. Der Zugang zu Doubao Work in Feishu.

Eines ist bereits auf dem Vormarsch, eines wurde gerade neu gestartet, und ein weiteres schärft noch seine Waffen. Aber dasjenige, das seine Waffen schärft, ist manchmal am furchterregendsten – niemand weiß, wen es treffen wird, wenn die Waffe fertig geschliffen ist.

Sich von den Massen zu lösen und tief in Produktivitätsszenarien einzutauchen, ist bereits zum Konsens großer Unternehmen geworden. Ob KI Geld verdienen kann, hängt davon ab, ob der Chef bereit ist, Rechnungen auszustellen. Aber ein neues Problem taucht sofort auf:

Gegenwärtig scheint der Schutzmechanismus von Agent-basierten Büroanwendungen in der Intensität der Werbeschaltung in Aufzügen zu liegen, sodass die Verkäufer von Focus Media zu den größten Gewinnern werden.

Derzeit sind die Agent-Produkte der großen Tech-Unternehmen nicht völlig identisch, aber ihre Unterschiede entsprechen denen zwischen Jason Statham und Vin Diesel, zwischen Wu Jing und Araki Hirohiko – sie sind stark homogenisiert.

Agent-basierte Büroanwendungen bestehen aus zwei Ebenen von Fähigkeiten: Erstens das Modell, das die Obergrenze des Verständnisses und der Schlussfolgerung bestimmt, und zweitens das Harness, die Infrastruktur hinter dem Agent. Einfach ausgedrückt legt das Modell die Strategie fest, während Harness für die konkreten Arbeiten und die Betriebssteuerung zuständig ist.

Theoretisch hängt die Benutzerfreundlichkeit eines Agent-Produkts davon ab, wie solide das Harness ist. Aber letztendlich ist Harness ein Ingenieursproblem, und es ist abzusehen, dass die Harness aller Unternehmen früher oder später homogen werden.

Angesichts der Tatsache, dass OpenAI das Harness von Codex bereits als Open-Source veröffentlicht hat, wird dieser Prozess nicht lange dauern.

Weder das Modell noch die Funktionen bilden einen Schutzmechanismus. Nach dem langen Kampf um KI-Büroanwendungen wurde die „Seele“ schließlich an Focus Media übergeben – wo liegt das Problem?

Kontext

Die ersten trendigen Menschen, die für die Arbeit bezahlen, haben ein Problem erkannt: Ob ein Agent gut funktioniert, hängt kaum mit dem Agent-Produkt selbst zusammen, der Schlüssel liegt im „Kontext“.

Was ist Kontext? Es ist der konkrete „Sprachkontext“ bei der Arbeit.

Zum Beispiel bedeutet der Satz „Hilf mir, das zu ändern“ in einer Entwicklergruppe, den Code zu ändern, in einer Designgruppe bedeutet er, das Bild zu bearbeiten. Die Erfahrungen der menschlichen Mitarbeiter im Unternehmen bilden den vollständigen Kontext. Wenn dem Agent nicht genügend Kontext zugeführt wird, kann der Agent nur wörtliche Übereinstimmungen durchführen und die wahre Absicht nicht verstehen.

In dem weit verbreiteten „Wenfeng-Protokoll“ hat Liang Wenfeng ein Beispiel angeführt: Der Chef bittet Xiao Wang zu ihm zu kommen, unter der Voraussetzung, dass der Chef weiß, wer Xiao Wang ist, welche Position er hat, wo er sich befindet, wie man ihn findet und was man beachten muss, wenn man ihn sucht.

In diesem Szenario kennt der Chef den vollständigen Kontext des Unternehmens vollständig. Wenn der Agent am ersten Tag im Unternehmen arbeitet und noch nicht einmal alle Mitarbeiter der Abteilung kennt, muss er sich darauf verlassen, dass Menschen genügend Kontext eingeben, um zu einem „alten Hasen“ im Unternehmen zu werden und Aufgaben genau auszuführen.

Daher hat Liang Wenfeng eine wichtige Voraussetzung für die Sache festgelegt, dass „KI den Menschen übertrifft“: Geben Sie der KI den vollständigen Kontext und vollständige Anweisungen.

Auf Agent-basierte Büroanwendungen angewendet, gilt das gleiche Prinzip. Wenn es keine Dokumente zu den Verwaltungsvorschriften des Unternehmens gibt und Sie die KI fragen, wie viele Tage Jahresurlaub Sie haben, kann die KI selbst nach dreitägiger und nächtlicher Recherche zum Arbeitsgesetz keine genaue Antwort geben.

Der Kontext großer Unternehmen ist extrem komplex, er stammt aus Dokumenten, Daten, historischen Aufzeichnungen, internem Wissen und Regeln des Unternehmens und umfasst die gesamte Geschichte und Struktur der Organisation.

Zum Beispiel kann der Besitzer eines einzelnen Kleidungsgeschäfts die Frage des Agents „Wie viele Stück eines Kleidungsstücks wurden verkauft“ sehr schnell beantworten. Aber für ein Einzelhandelsunternehmen mit Tausenden von Filialen wird der Agent zuerst einige Gegenfragen stellen: Nach der Berechnungsgrundlage für denselben Laden oder für die Filiale? Online oder offline? Werden Rücksendungen mitgezählt? Nach der Berechnungsgrundlage für Bestellungen oder für den Wareneingang?

Der Kontext von KI-Enthusiasten und Ein-Personen-Unternehmen befindet sich auf der Festplatte des Computers und kann jederzeit abgerufen werden. Der Kontext von Unternehmen liegt in ERP-, POS-, E-Commerce-Backend-, Mitgliedschaftssystemen und Logistiksystemen, und jedes System hat seine eigenen statistischen Grundlagen und statistischen Zeitpunkte.

Daten sind der Kern der KI. Wenn der Unternehmenskontext nicht gut abgerufen werden kann, wird die Leistungsfähigkeit des Agents stark eingeschränkt.

Goldman Sachs erwähnt in seinem Bericht „Decoding the Agentic Economy“: Im Agentic-Modus muss das Modell ständig den Zyklus „Denken – Abrufen – Tool aufrufen – vollständigen Kontext neu lesen“ durchlaufen, sodass der Token-Verbrauch explodiert.

Mit anderen Worten: Ein starkes Modell + Harness ist ein guter Ausführer, der genau das tut, was man ihm sagt. Aber im Unternehmensbetrieb muss er mit dem vollständigen Unternehmenskontext kombiniert werden, um zu einem nützlichen Arbeitsagenten zu werden.

Man kann sogar sagen, dass die Benutzerfreundlichkeit eines Agents kaum mit dem Agent selbst zusammenhängt, sondern von der Vollständigkeit des Kontexts abhängt. Deshalb nutzen einzelne Nutzer den Agent hervorragend, während unternehmensweite Agenten noch keine ausgereifte Form zu haben scheinen.

Große Unternehmen, die die Werbung in Aufzügen geschaltet haben, haben dieses Problem tatsächlich erkannt: Je zahlungsfähiger der Großkunde ist, desto komplexer ist sein Kontext.

Fragmentierung

Ob der Kontext eines Unternehmens vollständig abgerufen werden kann, hängt zunächst von dem Digitalisierungsniveau des Unternehmens ab.

1997 führte Huawei das IPD-System (Integrated Product Development) von IBM ein. Das System erstreckt sich über mehrere Abteilungen wie Forschung und Entwicklung, Marketing, Beschaffung, Fertigung und Finanzen. Die Umsetzung war sehr komplex, das Angebot von IBM betrug mehr als 2 Milliarden Yuan, und Huawei hat es sofort akzeptiert.

Huawei hat der Informatisierung schon immer große Bedeutung beigemessen. 1993 hatte Huawei nur mehr als 300 Mitarbeiter, gründete aber intern mehr als ein Dutzend spezialisierte Entwicklungsteams für MIS (Management-Informationssysteme). 1995 gab Huawei weitere Millionen Yuan aus, um das ERP-System von Oracle einzuführen.

Unternehmen, die bereits 1997 die Bedeutung des digitalen Aufbaus erkannt haben, waren damals nicht viele; Unternehmen wie Huawei, die keine Kosten für den digitalen Aufbau scheuen, gibt es auch heute nicht viele. Daraus ergibt sich ein Problem:

Der Kontext der meisten Unternehmen wird nicht systematisch erfasst, nur die Anwesenheitsdaten der Mitarbeiter sind überreichlich vorhanden, sodass nur ein Agent zur Überprüfung der Anwesenheit abgeleitet werden kann. Nur wenige Unternehmen verfügen über ein strukturiertes Wissensarchiv und ein standardisiertes Dokumentensystem.

Auf der einen Seite bleibt der Digitalisierungsgrad vieler Unternehmen noch im Stadium der Offline-Verarbeitung mit Office, der lokalen Speicherung in Rechenzentren mit großen Eisenketten und der asynchronen Übertragung über Chat-Software stecken;

Auf der anderen Seite werden bei der Digitalisierung von Geschäftsprozessen eine Vielzahl von Büroanwendungen eingesetzt. Ein Unternehmen mit einem Dutzend Mitarbeitern muss möglicherweise Dutzenden von SaaS-Unternehmen Empfehlungen aussprechen.

Infolgedessen ist der Kontext des Unternehmens an verschiedenen Stellen verteilt und nicht systematisch. Selbst in Unternehmen mit einer starken Dokumentenkultur fällt es den Mitarbeitern schwer, alle ihre Überlegungen und ihr Verständnis zu „dokumentarisieren“.

Gleichzeitig ist ein großer Teil des Kontexts eines Unternehmens stark fragmentiert, einschließlich, aber nicht beschränkt auf spontane Diskussionen in Gruppenchats, kurzfristig organisierte Betriebs-Review-Meetings und die manipulativen Reden von Vorgesetzten in Chat-Protokollen. Wenn der Chef Sie kritisiert, dass „Ihre Praxis der Unternehmenskultur noch nicht solide genug ist“, wird der Agent, der den Stil des Unternehmens nicht kennt, sofort überlastet.

Aber genau die alltäglichen Szenarien, die menschliche Mitarbeiter durch ständiges Sehen und Hören kennenlernen, können den wahren Zustand des Unternehmensbetriebs wirklich widerspiegeln.

Im Internet gibt es einen Witz: Ich habe alle fünf Jahre Chat-Protokolle an die KI übergeben, und die KI sagt, dass er mich laut Datenanalyse nie geliebt hat. Das ist tatsächlich der Prozess, fragmentierten Kontext zu sammeln und vollständig an die KI zu übergeben.

In „The Truman Show“ war der Kontext von Trumans ersten 30 Lebensjahren vollständig von Kameras aufgezeichnet worden. Wenn es damals KI gegeben hätte, hätte man sie direkt an einen digitalen Menschen übergeben können, um die Handlung fortzusetzen, und Truman hätte gehen können, wohin er wollte.

Aber in Unternehmensorganisationen ist es weder realistisch noch machbar, jeden Mitarbeiter bewusst dazu zu bringen, Kontext zu sammeln. Das führt dazu, dass eine große Menge an implizitem Wissen innerhalb des Unternehmens fragmentiert verborgen bleibt.

Daher ist die wichtigste Kampffläche im heutigen intensiven Wettbewerb um KI-Büroanwendungen, nach dem Überwinden des „Schneebergs“ der Modelle und dem Durchqueren der „Wiesen“ der Harness, wie man den verborgenen Kontext in der Unternehmensorganisation vollständig erfassen und systematisch sammeln kann, um die intelligente Obergrenze des Agents zu erhöhen.

Oder mit anderen Worten: Die effektive Erfassung des Kontexts ist der Schlüssel zur Produktdifferenzierung von Büroagenten und auch der Schlüssel, um zu vermeiden, dass Mitarbeiter für die Arbeit bezahlen, und den Chef dazu zu bringen, freiwillig Rechnungen auszustellen.

Handeln Sie

Wo befindet sich der vollständigste Kontext eines Unternehmens? Die Antwort ist Bürosoftware, genauer gesagt kollaborative Bürotools wie Slack und Feishu.

In der letzten Zeit sind auf dem US-Markt sehr viele Produkte mit dem Konzept „KI-Coworker“ entstanden. Sie zeichnen sich dadurch aus, dass der Agent in die konkreten Schreibszenarien des Unternehmens integriert wird, sodass er wie ein normaler Mitarbeiter mit Menschen zusammenarbeiten kann, sogar selbst Arbeit sucht und bis zur Selbstvergessenheit Überstunden macht.

Warum muss man die Bürosoftware nutzen? Der Schlüssel liegt im Kontext:

Nur wenn ständig Daten in der echten Büroumgebung eingegeben werden, kann der Agent allmählich ein Langzeitgedächtnis für das Unternehmen entwickeln und von einem Praktikanten zu einem „alten Hasen“ werden.

Das spiegelt tatsächlich das Problem wider, das bei der Implementierung von Agenten gelöst werden muss: Die intelligente Fähigkeit wird vom Agent bereitgestellt, aber der Unternehmenskontext ist in IM-/Kollaborationssoftware gespeichert, und beide müssen miteinander verbunden werden.

In den sozialen Medien im Inland gibt es viele Tutorials zur Integration von Agenten in Feishu, genau wegen des Kontexts, der in Feishu gespeichert ist. Sogar die Agent-Produkte großer Tech-Unternehmen zeigen bei Kundendemonstrationen schwerpunktmäßig den Prozess der Verbindung mit Feishu.

Auf der einen Seite trägt Feishu als Bürosoftware natürlich den Unternehmenskontext und hat einen strukturellen Vorteil gegenüber ähnlichen Produkten. Auf der anderen Seite hat Feishu viel in die offenen Fähigkeiten der CLI investiert und ist von Natur aus KI-/Agent-freundlich.

ByteDance hat das natürlich auch erkannt und Doubao Work auf Kontoebene mit Feishu integriert. Das Ziel ist, den Unternehmenskontext vollständig zu verbinden und gleichzeitig Sicherheitsrisiken durch außer Kontrolle geratene Berechtigungen zu vermeiden.

Mehrere große inländische Internetunternehmen verfügen im Grunde über ein vollständiges Ökosystem von Modellen über Agenten bis hin zu Kollaborationstools. Der echte Schutzmechanismus von unternehmensweiten Agenten liegt wahrscheinlich darin, wie viel Unternehmenskontext in diesem Ökosystem angesammelt wurde, um Bindung zu erzeugen.

Mit anderen Worten: Was den Ausgang des KI-Büro-Wettbewerbs bestimmt, ist tatsächlich die Qualität des Kontexts, den die Unternehmensorganisation im eigenen Ökosystem angesammelt hat. Wenn nur eine große Menge an Anwesenheitsdaten angesammelt wurde, kann der Agent die Personalabteilung nur dabei unterstützen, die Anwesenheit streng zu kontrollieren.

Die Stärke von Feishu liegt in der Kontextansammlung. Die von Feishu geförderten Cloud-Dokumente, mehrdimensionalen Tabellen und intelligenten Protokolle sind an sich eine KI-native Arbeitsweise:

Zum Beispiel werden in Feishu Cloud-Dokumenten alle Kommentare, Änderungen und Diskussionsprozesse aller Mitarbeiter im selben Dokument online protokolliert. Jede Spalte in einer mehrdimensionalen Tabelle ist ein Feld mit klar definierter Bedeutung, und Tabellen können miteinander verknüpft werden.

Ähnliche Produkte behandeln Dokumente nur als „Ergebnis“ der Arbeit, aber Feishu hat Cloud-Dokumente so konzipiert, dass sie bereits den „Prozess“ der Arbeit