知识管理专家如何赋能企业AI应用
越来越多的机构，包括政府、企业、学校，都想在内部部署这个大语言模型，实现智能化的管理。
在刚开始的阶段，大家把这个事想得特别简单，认为用一个开源的大模型私有部署，或者用外部大模型的能力，收集内部的文档、图纸、方案、报告，或者视频、音频、聊天记录，把这些数据上网放进去，就实现了智能化管理和智能化应用。
但真正做的时候发现这事搞不定。
这个时候大家就反过头来讲说我要去做知识库，做知识管理。
当然历史上有一些做知识库知识管理时间长的，但这个工作到底该怎么去分工，其实是一个不明确的问题。
传统的知识管理实施和知识库搭建中，知识管理专业人员有自己的明确职责。
在AI环境下，我们认为新增这两个关键职能，也是企业AI应用落地的关键。
以下简单描述：
在AI应用落地的过程中，需要考虑三个维度的人：
- 业务方，包括业务部门和职能部门，他们是需求方;
- 技术团队，包括IT团队和AI团队，很多是一起的；
- 知识管理工作者,承担知识管理实施和知识库搭建的人；
这三种角色谁该干什么，谁该承担什么角色，承担什么职责呢？
我们把它总结成知识管理团队知识库的人的核心设施两个作用和价值。
第一个作用和价值是什么：就是跟业务团队、跟业务专家去合作，选择适用AI落地的场景，并分析出相应的数据信息知识需求。
什么样的场景适合在这个阶段用AI实现？
选择场景的原则是，场景一定是影响范围广、重复度比较高，而且在技术上还有实现的可能性，这是一个选择场景的过程。
但这里的难点在于如何从业务场景到AI的智能实现。要达成这个目的，需要一项关键的分析能力：
需要你能够将这个业务场景在实际工作中，要实现场景的目的，到底需要哪些数据、信息和知识，这个要去分析。
但大部分机构是没有做过这些分析工作的，这些内容属于隐性的、感觉性的。
举个例子说，就容易明白了。
譬如我们经常会说业务专家可以做到一眼看透一个事情，找到解决的办法。
但这个一眼看透，AI其实做不到。如果想让你的AI应用具备这样的能力，你必须能分析出这个“看”是看了什么，本质上是信息的收集和获取，这就涉及到业务数据记录、摄像头拍摄的视频或者传感器的数据，这个时候你需要列出信息获取的框架和清单来，才能让AI去做。
更进一步，看透本质上是分析判断，人在做这种事情的时候，通常是靠专家的感觉，背后是隐性知识。
但你如果想要AI具备这种能力，就必须将感觉显性化成判断的模型、各个维度的权重、例外情况的可能性等要素，才能让AI去帮你判断。
你要分析到这个层次，才能让AI去实现人类能做的工作，这个是知识管理团队需要做的工作。但显然，这个事情并不容易，即便是会做这个事情的业务专家，大部分也没有分析过为什么会做。
具体这个分析的话，需要KM团队的人联合业务专家，跟业务专家去结合，去做这个数据信息知识的分析。要列出模板来，做出清单来，然后才能到让AI去实现。
这是第一个工作，也是AI应用的核心。
如果这一块做不清楚，那AI一定是不可能实现的。真正有经验的人能够看出来，这个事情其实并不好多，在我们的实践中也发现，要实现这一步的工作，需要相关的方法、模板和辅导才能实现。
KMCenter有相关的方法论和辅导，感兴趣可以联系我们的微信号：511956894
个人知识体系构建能力提升线上课程，感兴趣联系微信号：511956894
第二个层次，是传统的知识库跟当前适配AI的知识库知识管理不同的地方，如何让你的知识既能服务于人，也能适配AI，去做知识治理的工作。
人能看懂的东西，AI不一定看懂。
那你就是要即便分析出这些数据信息知识来了，你还要考虑是不是AI能搞明白、能理解，是不是足够的结构化，足够的与内容的一致性、统一性，权限是不是准确的。
这里面涉及到内容结构化、知识的分类、元数据、本体Ontology、知识图谱等这些工作。
AI的落地依赖干净、准确的内容，而这正是多数企业的短板。
混乱的内容消弱AI可靠性，但按照KMWorld最新的调研数据显示，仅17%的企业表示他们的标签与分类体系效果极佳，超三分之一的企业知识结构化程度极低或完全无结构。
这也是为什么大部分企业AI应用概念验证阶段效果还可以，但最后却很难落地的原因。
这里面困难的地方在于，大部分机构并不知道好的内容及其结构应该是什么样的，都是在靠感觉做事情，没有适配AI内容高质量的标准，所以很难做好。
要去做这个工作、形成相关的标准和规范，其实是比较琐碎的。
可行的策略是，先通过选定一两个场景去跑通整个流程，通过点上的落地，建立起初步的标准规则来。
更深入的一个问题是信息和知识的短缺。
譬如想让AI去实现某些功能，但之前的数据、信息或知识可能根本不存在。
比如数据没有监测，那你可能需要加摄像头、加传感器。还有就是，知识可能以隐性形式存在。
专家会做，但并没有把它整理出来，只是感觉的碎片。这时候就涉及经验知识化的工作，这是第二个维度。
这两个维度中，对于简单的AI应用，第一个维度问题不大，第二个维度是关键基础能力。
但从未来角度看，从AI深入结合业务角度考虑，关于从场景、从问题到数据信息知识的分析，大部分企业之前也没有这个训练或做过这个工作，也是挺困难的。
这个层次的工作要做好，都需要知识管理专业人员去提升自己的能力，真正掌握里面的方法论，知道里面的坑是什么，了解流程方法和注意事项，才能真正的做好。
否则的话，这个事儿是落不下来的。
关于这些内容，传统的知识管理里，有些内容是有的，有些是没有的。KMer人员需要尽快提升欠缺的能力，才能在智能化大环境下长袖善舞。
具体的方法论，我们的线下公开课和线上课程里都有纤细的讲，有兴趣可以跟我们一起交流（VX：511956894），互相学习。
该文内容摘自《卓越密码：如何成为专家》，点击【阅读原文】直达京东购买。本文作者为知名知识管理专家作者田志刚。您可通过微信号：511956894 与他联系或加入他的【二班】
@关注知识管理中心公众号：KMCenter
发送“1”可以获取大量高效学习、企业知识管理、个人成长文档、PPT
相关链接
经典培训课程
企业AI知识库搭建与运营培训课程
呼叫中心AI知识库培训课程
个人知识体系构建能力课程
书籍和资料
《卓越密码如何成为专家》
《你的知识需要管理》
免费电子书《企业知识管理实施的正确姿势》
免费电子书《这样理解知识管理》
