亲自打造。
将行业·商业模式数据、组织知识、业务工作流与智能体协作落地为实际的 AI 平台。
首页/ AI Lab
TIL AI LAB
TIL AI Lab 亲自开发并运营 NextBM200、AI ToolBox 和 AI Company。我们将商业模式探索、组织知识工作、客户咨询及 AI 智能体协作落地为实际服务,并持续研究 AI 擅长的工作与应由人来把关的判断。
这些经验并不止于平台。我们将 AI 融入组织的调研·决策·执行流程,并设计由人先定义问题、进行批判性判断的培训。
相比培养掌握更多功能的高级用户,我们更致力于打造能够与 AI 一起更好地思考并负责任地执行的个人与组织。
构建 · 运营 · 学习 · 验证
AI 能够快速给出答案并提高生产力。同时,它也可能自信地给出错误答案,或让人跳过思考过程。TIL AI Lab 将平台开发·组织应用·培训与验证贯通为一套统一标准,明确哪些工作交给 AI、哪些问题与假设应由人先提出、需要验证什么,以及由谁承担最终判断与责任。
将行业·商业模式数据、组织知识、业务工作流与智能体协作落地为实际的 AI 平台。
在调研、业务策划、内容、提案、客户咨询及重复性知识工作中使用 AI,检验其成效与局限。
相比学习工具功能的培训,我们更注重问题定义、前置思考、交叉反馈、批判性验证与学习迁移。
将 AI 的结果区分为事实·解读·假设,审查依据与可执行性,并将其转化为负责任的决策。
我们不以 AI 取代培训与判断,而是让 AI 为优质培训和负责任的执行增添价值。
AI LAB 平台
三大代表性平台是 TIL AI Lab 的鲜活实验室。从创意探索到组织知识工作、客户触点及多角色智能体协作,我们亲自解决各类不同问题;您还可以在“更多”中查看正在开发或已完成的内部 AI 项目。
基于 5,000 多个商业模式数据和行业趋势探索创意,并将其发展为具体的业务模式。通过趋势探索器、创意工作室、自然语言商业模式搜索、BM 报告及 API·MCP 集成,为个人创意构思以及企业新业务调研与评估提供支持。
在同一平台上运营帮助团队处理重复性工作的 Inside AI,以及连接客户提问·咨询的 Customer AI。用户可亲自创建并共享提示词应用与工作流,并将公司内部手册·业务知识·产品信息用于商业计划、市场·竞争分析、营销、提案和客户咨询。企业知识咨询机器人和面向客户的 AI 应用,可将官网访客的提问与体验转化为销售线索收集和人工咨询。
由负责调研·知识运营·营销·创意·开发的多位 AI 团队负责人及子智能体团队分工协作。通过连接自有记忆系统、外部调研管线和幻灯片模型,完成 PPT·PDF·HTML 资料制作及重复性知识工作。系统利用 SSOT·SOP 中沉淀的公司知识和业务标准,重要决策与外部执行均须经人工批准。
上传团队的业务内容或商业计划书后,系统将以一般上市公司及信息披露企业的公开数据为依据,对商业模式的客户·价值主张·收入结构·关键活动进行结构化,并诊断优势与待改进之处。基于分析结果,自动匹配具有相似商业模式的领先企业,共同探索可比较案例、差异化方向和下一步验证任务。这是一项企业 BM 分析项目。
利用 AI 和可扩展的主题分类体系,对分散在经营·营销·销售·产品·业务开发等领域的资料进行结构化,并跨越部门与业务领域探索所需信息及其关联。这不仅是存储信息,更是一项帮助组织更快找到依据、发现新机会的知识·洞察探索项目。
基于社会企业披露数据,对社会价值、业务结构、盈利模式、核心利益相关方及执行能力进行结构化,从而分析·诊断商业模式。系统自动匹配具有相似 BM 的领先社会企业,提供比较案例与对标要点,帮助组织快速探索改进领域和增长方向。这是一项内部分析项目。
AI 执行体系设计
组织引入 AI 工具,并不意味着马上就能取得更好的成果。TIL AI Lab 从组织需要解决的问题出发,将优先应用的业务、人与 AI 的角色、所需数据与知识、验证标准、审批节点和运营规则设计为一套完整的执行流程。
优先选择不仅能节省时间,还会影响客户价值、决策质量、知识复用和组织绩效的问题。
区分由 AI 支持的探索·整理·初稿·重复性工作,以及由人负责的问题定义·验证·批准·责任。
将组织文档、业务标准、外部信息及所需 AI 工具纳入实际工作流。
明确用于核查事实、来源、质量、安全、偏见与执行风险的标准,以及人工介入节点。
审查试点运营结果,并将其整理为 SOP、角色、指标和分阶段推广路线图。
AI 赋能培训与工作坊
相比学习如何使用 AI 工具,我们更注重学习如何与 AI 一起更好地思考。
HAMMA 是 TIL 的 AI 培训方法:由人先思考,与 AI 进行交叉反馈,再由人的判断来完成。它不以 AI 使用方法来定义培训的本质,而是将 AI 的探索与反馈价值融入自主学习、创造力、问题定义与解决。
了解 HAMMA 培训·工作坊AI 第二意见
如果说 AI 执行体系构建了业务流程,那么 AI 第二意见会独立审查该流程产出的结果是否达到可用于实际决策的水平。
在商业计划书、提案、调研、战略方案和管理层报告中,区分有依据可核实的主张与需要再次确认的假设,找出缺失视角、逻辑跳跃、商业可行性及执行风险,并按修改优先级进行整理。
了解 AI 第二意见我们推动的改变
不依赖某位熟练使用者的提示词,而是将问题定义·验证·审批与执行流程沉淀为组织的共同标准。
不只看产出速度,还要同时提升依据质量、备选方案广度、判断理由与可执行性。
建立一种由人先思考、AI 拓宽视野,并由人承担最终判断与责任的协作方式。
培养组织的学习能力,使其在培训与项目结束后,仍能阐释、判断并应对新的问题。
构建 · 运营 · 学习 · 验证
TIL AI Lab 兼具亲自开发·运营平台的经验与人类主导的培训原则。我们从组织的问题出发,将 AI 的角色、数据与知识、验证标准、学习与执行方式连接起来。相比先列出 AI 工具清单,请先告诉我们,您的组织更需要解决好哪些问题。
ANSWER ENGINE
您可以从项目视角快速了解The Innovation Lab的作用与方法论。
我们亲自开发·运营 NextBM200、AI ToolBox、AI Company 等 AI 平台,并研究 BMT-BM Analyzer、InsightMiner、SEBM Analyzer 等内部 AI 项目。基于这些经验,我们提供组织 AI 执行体系、人类主导的 AI 培训及 AI 结果验证服务。
相比培养熟悉大量功能和提示词的高级用户,我们更注重问题定义、前置思考、与 AI 的交叉反馈、批判性验证和学习迁移。我们采用由人先思考并负责最终判断的 HAMMA 方法。
适合已经在使用生成式 AI,但各团队做法不一、缺乏结果验证与审批标准,或希望将个人生产力扩展为组织可重复成果的企业·机构。
形成 AI 应用优先级、人与 AI 的角色结构、所需数据·知识·工具的连接方案、验证·审批标准、运营规则及分阶段执行路线图。
我们会根据项目需要,运用 NextBM200、AI ToolBox 和 AI Company 的运营经验。我们并不把引入平台本身作为目标,而是选择适合组织问题与学习目标的工具和方法。
AI 执行体系设计是在组织业务与决策中建立 AI 角色及运营规则的项目。AI 第二意见则是一项独立审查由 AI 撰写或完善的特定文档,并核查其依据、逻辑、商业可行性和执行风险的服务。