在大模型技术重构软件的今天，企业数字化正从“记录数据”向“预测与决策”转型。然而，非结构化数据的清洗难题与 AI 幻觉的不可控性，成为了技术落地最大的阻碍。

作为新一代的 Work OS，飞书多维表格并未止步于 Copilot 式的辅助，而是选择了将 AI 能力“原子化”地融入字段与流程，并引入工程化的评测体系以确保企业级交付的可靠性。本次演讲将从产品负责人的第一视角，深度复盘多维表格如何通过“AI 字段捷径”、“工作流 AI Agent 节点”实现 AI 能力的原子化封装；首次公开研发团队如何构建“工程化评测集”让 AI 真落地、真好用；并探讨“应用模式”这一新型架构如何通过数据与交互解耦，解决企业级的治理挑战。

演讲提纲：

1.  设计哲学：AI 的原子化重构
   • 拒绝“外挂式” Copilot：从“对话框”到“字段与节点”的内嵌式演进
   • 原子能力拆解：AI 字段捷径、工作流中的 Agent 节点，以及 AI 生成工作流
2. 信任构建：从 Demo 到 Enterprise Ready 的工程跨越
   • 直面 Garbage In, Garbage Out：高质量数据基座的重要性
   • 北极星指标：拒绝模型“跑分”，建立面向业务场景的评测集
   • 工程实践：如何像测试代码一样测试 AI，确保交付结果的准确率
3. 架构演进：应用模式与业务解耦
   • 技术债的解法：从“表格协同”到“前后端分离”的架构升级
   • 安全沙箱：如何通过应用模式实现数据与交互的解耦
   • 治理实践：在零代码环境中实现更细颗粒度的权限管控与安全落地
4. 未来展望：构建 All-in-One 的智能业务底座

听众收益

• 产品洞察： 了解飞书如何将 AI 智能体、AI 工作流等前沿概念转化为可落地的原子化产品功能，理解“Native AI”与“Copilot”的设计差异；
• 工程参考： 获得一套经过实战验证的企业级 AI 落地评测方法论，为企业内部 AI 选型或开发提供评估标准；
• 架构启发： 理解“应用模式”如何平衡业务灵活性与 IT 管控安全性，找到无代码平台在大型组织内的最佳架构形态。