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。
![Image](https://zh-cn.albdirectory.com/wp-content/uploads/2024/05/%E7%94%B5%E8%AF%9D%E5%8F%B7%E7%A0%81%E6%95%B0%E6%8D%AE-5-1024x576.png)
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。