Inside Microsoft’s marketing team: Scaling expertise with AI

企业领导者正面临一个熟悉却前所未有的挑战规模。

随着市场变化加速、客户期望持续提升以及技术发展速度令人应接不暇，每家企业都被要求加快步伐。团队需要在资源保持不变的情况下交付更出色的结果。

AI正在帮助组织应对这些挑战。我看到的最有力案例集中在扩展高绩效团队已设定的判断标准、战略规划和成功衡量体系。AI代理能够将这些专业知识持续应用于日益增长的工作量中，帮助团队在不牺牲质量的前提下实现更高产出。

我们团队对此有切身体会。随着创新周期加速，产品发布频率已从季度节奏提升至每周甚至每日。我们的团队现在需要支持的工作量同比增长达150%。

为缓解压力，我们寻找AI能够帮助微软团队更快获取信息、减少重复协调、并在依赖共享背景的工作中提升一致性的场景。为此，我们使用了微软企业级AI应用构建和管理平台Microsoft Foundry，创建了基于业务知识且嵌入工作流程的代理，帮助团队在更大规模上运作，同时专注于最需要专业能力的核心工作。

为什么上下文至关重要

一个关键教训很快变得清晰：AI的效果取决于其可访问的数据质量。通用型AI可以生成内容，但企业决策依赖于文档、工作流程、业务系统、沟通记录和机构知识中分散的信息。

对我们而言，Microsoft IQ帮助将业务背景与AI能力连接起来。无需让员工从多个来源收集信息，代理可以直接调用人们日常依赖的知识库，提取相关信息并支持更优决策。

但IQ的作用不止于此。它还能连接塑造企业实际运作的知识体系和工作流程。

这一转变改变了AI的潜在价值。AI不再仅仅是帮助人们查找信息，而是能帮助团队基于对业务全局的共同理解开展工作。

仅有上下文还不够。突破点并非单一代理，而是创建了让团队能够建立在已有成功经验之上的机制。

当人们分享成功的代理和AI技能时，专业知识开始变得更容易复用和扩展。最初由一个团队提出的想法，可以迅速为其他多个团队创造价值。

Microsoft Foundry变得至关重要，因为它使我们能够将代理扎根于组织知识中，将其连接到现有工作流程，并在超越单一团队的范围内实现落地应用。

在许多方面，这反映了AI应用过程中更广泛的经验教训。正如Jay Parikh最近所写：“AI本身无法改变企业，真正起作用的是围绕AI的系统。”以下示例展示了我们在营销组织中如何实践这一理念：

在规模化中提升质量标准

随着Microsoft Foundry业务的扩展，我们需要创建的内容数量也大幅增加。目前，我们的团队每年需要审核并发布超过200篇博客文章，而保持一致的质量标准越来越依赖于少数主题专家。他们大量时间被重复应用于相同的审核标准。

为避免从零开始审核每篇草稿，我们的一位内容负责人记录了她用于评估优质博客的评分标准，并不断优化直至符合团队预期的标准。

通过Microsoft Foundry，我们将专家定义的评分标准转化为可重复的工作流程，能够在内容提交给人审阅前识别差距和改进机会。该功能直接集成到内容创作流程中，为每篇草稿提供即时反馈，并将专家定义的标准普及到所有内容创作者。

原本需要大量人工操作的审核周期现在可在几分钟内完成，每年为团队节省超过2000小时的工作量，同时显著提升满意度。更重要的是，这种方法展示了组织在许多领域可应用的更广泛模式：利用AI规模化执行既定标准，使专家能够专注于判断、指导和经验创造最大价值的领域。

我们自动化的是一致性，而非判断。我们的团队基于专业经验设定标准；AI代理则根据该标准审核每篇博客。

在触达客户前验证信息

随着创新步伐加快，一个问题反复出现：我们传递的信息能否与目标客户产生共鸣？

在微软，我们始终以客户为中心。这促使我们寻找在信息触达客户前进行评估的方法，而不仅仅依赖内部意见。

我们通过AI Messaging Assistant（AMA）实现了这一目标，该工具帮助团队在推向市场前，从不同受众视角评估信息和定位。团队不再仅依赖内部意见，而是可以压力测试信息是否清晰、相关且具有可操作性。

通过Microsoft Foundry，我们为AMA构建了一个基于真实客户对话的虚拟人物议会，并整合了团队日常依赖的专业知识、产品知识、信息指导和业务背景。这使我们能够从一次性AI实验转向可重复的工作流程，让团队能够基于对受众需求的共同理解评估信息，而无需每次审核都重新建立这种理解。

更广泛的模式是：在信息触达客户、合作伙伴或员工前，利用AI对关键决策进行压力测试。

在加速节奏中保持团队协同

随着业务发布活动的加速，保持团队协同变得比完成工作本身更加困难。新的公告每天层出不穷，优先级快速变化，信息分散在计划待办事项、文档、会议和运营系统中。我们的营销人员花费了过多时间收集背景信息，却未能投入足够时间采取行动。

为应对这一问题，我们首先将营销工作的实际执行方式写下来，将原本未明文规定的流程转化为清晰的规范。在掌握这一规范后，我们能够对工作内容进行分类：哪些部分需要营销人员的判断，哪些可以自动化处理，哪些可以委托给AI。

通过基于Microsoft Foundry构建的代理系统，我们连接了团队已依赖的各类系统，包括计划待办事项、文档、会议信号和其他运营数据源。团队无需手动从数十个地方收集更新信息，而是可以通过实时视图掌握关键进展、即将发布的活动以及影响上市计划的变更。

这将团队协同从人工操作转变为可重复的工作流程。团队不再耗费时间整理信息，而是更专注于理解发生了什么变化、这些变化为何重要，以及下一步需要采取哪些行动。

挑战从来不是缺乏专业知识，而是在快速变化的环境中协调这些专业知识。

其成果不仅仅是沟通速度的提升，更是组织协同的改善。当团队基于相同的基础开展工作时，决策速度加快，交接流程更加顺畅，组织也能更快响应变化。

扩展专业知识，减少摩擦

在所有这些案例中，目标从来不是单纯追求自动化。真正的目标是让专业知识在能创造价值的任何地方都可用。回顾过去，我们学到的教训不是某个单一的AI能力改变了我们的工作方式，而是围绕这些能力构建正确的系统，使专业知识、背景信息和判断力能够在团队中实现规模化扩展。

技术将持续发展，商业节奏也将持续加快。但关键的差异化因素始终如一：人类提供判断，人类制定战略，人类定义成功。AI的作用是帮助他们实现规模化扩展。