01
Context 不完整
聊天、邮件、Excel、会议纪要分散存在，AI 不知道哪一份是正本，也无法判断当前状态。
AI Friendly + AI Native
让 AI 读得懂业务，也动得了流程
AI 的主战场已经从搜索和生成，走向 Agent 与执行。企业真正要建设的，不只是一个 AI 工具，而是 AI 能理解上下文、调用动作、并把结果写回业务的协作平台。
AI 落地的瓶颈，不只是模型能力
当信息分散、判断标准靠经验、流程各自为政时，AI 很难稳定地产生业务结果。
02
规则没有结构化
审批标准、SOP、FAQ 和例外处理藏在人的经验里，AI 缺少可复用的业务地图。
03
结果没有写回
AI 生成了内容，但没有进入任务、审批、台账和通知，无法形成可追踪的业务闭环。
企业 AI 的闭环路径
价值来自连续动作，而不是一次性生成。
Capture捕捉会话、会议、文档、现场反馈和业务事件。
Structure沉淀为 Wiki、Docs、Base 和标准流程。
Understand让 AI 理解状态、规则、权限和判断依据。
Execute触发任务、审批、通知、更新和协作动作。
Write-back把结果回写到业务系统，保留证据与历史。
Lark 的价值：Context 与 Hands 在同一空间
Lark 不是多一个协作工具，而是把人、AI、Agent 放在同一个业务上下文里工作。
协作入口
Messenger、Meeting 和协同空间，让人和 AI 共享会话、会议与协作现场。
信息基座
Docs、Wiki、Base、Meeting Notes 汇聚正本、状态、历史与业务知识。
执行层
Approval、Task、Workflow、Message 让 AI 能通知、起票、审批和更新。
开放基础
Open Platform、Lark CLI、API 和权限体系，支撑更灵活、更安全的 Agent 实现。
可复制到多行业的场景
行业不同，方法相同：先整理上下文，再连接动作。
行业
AI Friendly
AI Native
零售
把门店日结、FAQ、促销和门店台账结构化。
自动汇总异常、提醒跟进、追踪改善结果。
医疗与护理
沉淀交接、培训、资质、设施和事件记录。
抽取风险、生成待办、强化审计与安全闭环。
建筑
统一进度、图纸变更、照片、审批和协力方信息。
识别差异、创建整改任务、自动推动审批。
后台职能
结构化申请、合同、制度、发票和 FAQ。
自动校验内容、生成回复、写回台账和流程。
三阶段建设路线
从“能读”到“能动”，再到组织级 AI Operating Model。
AI Friendly
整理正本、命名、状态、权限和历史，让 AI 拥有稳定可读的业务地图。
AI Native
把任务、审批、消息、工作流与开放能力接上，让 AI 进入真实业务动作。
AI Operating Model
让人、AI、Agent 围绕同一上下文协作，形成从决策到执行的组织闭环。
AI 时代的竞争力，取决于 Context 与 Hands 的连接质量
Lark 的核心价值，是把 AI 能读懂的业务上下文，和 AI 能推动的执行动作，放进同一个协作空间。