笔者在深入体验钉钉AI助理的过程中，慢慢 德国电话号码 找到了方向。当情况时，AI助理回复的是一个考勤结果接口返回的数据。 从纯体验角度来看，这已经是很智能了，不需要让人事再去做统计分析了。可是当笔者代入场景感受后，发现并没有解决真正的问题，因为在钉钉后台笔者并没有配置考勤班次信息，而且在这个新创建的组织里只有笔者一人。 所以在上述场景下，AI助理应该回复暂无考勤记录，你可以先配置考勤信息哦或者暂无考勤记录，快点扩充队伍，并配置考勤吧点击进行配置。
当然现阶段的大模型应用都在要求使用者学会提问，如果在一开始向AI助理提问公司还未配置班次信息，昨天公司的出勤率是多少，笔者就会得到如下回复。 不过如果一个产品需要依赖用户一定的对话成本来提升效率，个人认为这不是好的产品形态。只有一眼看穿用户，才能高效地给出准确的答案，所以笔者认为大模型的信息获取可以不单纯来自于使用者的输入，这样才会让to B发展方向上的AI Agent展现出更高的效率和准确率。 提到to B还得说另外一个方向商业化，但是类似钉钉这种服务企业的to B产品面临一个非常大的问题产品是员工使用得多，但付费购买却需要管理层决策。