AI时代知识管理专业人员的新定位和新职责
作者/Zach Wahl
知识管理行业正经历飞速变革。能够把握机遇、主动拥抱变革的从业者，将迎来前所未有的发展良机；反之，心存畏惧、一味抗拒变化的人，很快就会被时代淘汰。
从知识管理咨询的视角来看，我们在合作方乃至客户身上，都亲眼见证了这两种截然不同的应对心态。不少客户委托我们界定 —— 或者说重新定义 ——“人工智能时代下，知识管理究竟意味着什么”。
那些能高效运用人工智能技术、补齐企业AI战略短板、打通内部各业务板块与知识资产、落地企业级 AI 项目的知识管理专家，在组织中的核心地位将前所未有地凸显。他们直接承接企业最高优先级战略项目，理应成为组织中不可或缺的核心人才。
与此同时，若企业推进AI项目时未引入知识管理团队协同，工程、数据、技术等其他职能部门会逐步拓宽自身业务边界，着手解决各类知识相关难题。当这些部门意识到知识管理对AI落地的战略价值后，便会开始接管原本归属知识管理领域的工作。
倘若企业没有清晰划分各岗位权责，也未对内宣传知识管理部门的专业价值，极易造成职责交叉、重复劳动，甚至让其他团队重复搭建知识管理团队深耕多年、持续打磨成熟的专业能力。
反之，重视知识管理岗位、将其视作企业 AI 战略核心合作伙伴的组织，则能规避这类低效问题，加快 AI 落地进程，充分盘活现有沉淀的知识与能力，不必从零起步重建体系。
我将人工智能时代下知识管理从业者的全新定位划分为五类角色，每一类都对应一套独特的能力体系与从业背景。值得重点说明的是，这五类角色所依托的专业能力，本就是知识管理从业者多年来深耕的核心本领。当下 AI 热潮带来的唯一改变，是这些能力的应用场景与行业重要性大幅提升。
知识管理工作本身一直具备极高战略价值，但过去数十年里，从业者往往很难向企业证明其业务收益。过去二十年间，我们大部分工作都在梳理业务逻辑、向管理层阐释知识管理的价值，以及它如何影响企业经营业绩。而如今，人工智能的成功要素让这套价值逻辑变得清晰易懂，知识管理从业者也更容易向企业证明自身与专业能力的核心作用。
角色一：知识缺口填补者（知识生产）
任何企业级 AI 系统的效果，都取决于它可调用的信息质量。一套优质 AI 解决方案，需要整合高质量数据、业务内容、行业专家及各类知识资产，完整承载企业内部专业经验，从而输出全面、准确、贴合业务场景的结果。
想要实现这一点，企业必须提前将各类知识资产数字化、标准化存储，便于 AI 系统直接调取使用。这绝不止是整理项目复盘、事后报告那么简单，而是真正意义上的知识沉淀：不仅记录操作方法，更要萃取内部专家背后的决策逻辑与底层原因，并将其纳入数字化知识库。
依托语义层架构，企业可以系统化挖掘信息缺失、知识断层问题，也让知识管理从业者第一次能够主动预判、补齐各类知识缺口。
传统核心能力：知识沉淀、知识流转共享
角色二：知识资产策展人（结合应用的展示）
和知识缺口填补者相似，知识资产策展人同样负责保障 AI 系统拥有完整、高质量信息来源。二者区别在于：前者侧重新增知识资产的挖掘产出，后者专注存量资产的运维管理，持续保证内容实时更新、结构规范、安全可控。
这里的信息来源不局限于传统知识库、企业内网、门户等非结构化资料。成熟的 AI 体系会融合多元知识资产，既包含结构化、非结构化数据，也涵盖人才、产品、业务流程等软性资产。
想要胜任该角色，知识管理从业者需要协同各类信息管理人员，统筹、串联企业内分散在各部门的特色知识资产。
传统核心能力：内容战略、内容治理、内容运营、线上实践社群运营、企业文库管理
角色三：知识工程师（搭建语义体系）
语义体系是多数企业打通数据壁垒的关键纽带，也是打造稳定、高性能 AI 系统的核心差异化优势，具体包含分类体系、本体模型、业务术语表三类工具。
多数企业中，分类体系与本体模型长期归属于知识管理范畴，业务术语表则更多由数据团队负责。但在人工智能时代，整套语义体系是 AI 输出具备业务语境、减少幻觉、生成准确完整结果的底层根基。
深耕语义搭建的知识管理从业者过去常年需要向企业证明自身工作价值，如今随着语义对 AI 落地的决定性作用凸显，其岗位价值终于获得重视。
语义专家还需配套掌握业务引导、业务对齐能力 —— 仅精通语义架构设计远远不够，还能协助企业梳理落地场景、搭建标准化业务问询体系，形成聚焦业务、迭代优化的设计思路。
传统核心能力：分类体系搭建、本体设计与建模、元数据管理
角色四：AI 治理监督人（治理体系）
即便是落地完善的 AI 项目，依然会出现回答偏差、无法响应查询、输出结果不完整等真实风险，这正是 AI 治理的核心工作范畴。
理想状态下，AI 治理应前置介入：统筹归集知识资产、核验内容与数据源质量、提前识别潜在知识缺口，防患于未然。但当问题发生时，还需完整开展对外同步与整改修复工作 —— 同步问题详情、公布解决方案，并确保整改根除根源问题。
早在 AI 普及之前，知识管理从业者就长期充当企业的 “问题补缺者”，如今这项职能应当正式固化、提升层级。
传统核心能力：治理体系搭建、跨部门沟通、系统性思维、产品负责人管理
角色五：跨域桥梁搭建者（引导协调沟通）
能够打通企业内割裂数据源、业务系统、人才与知识资产的 AI 项目，才最容易取得成功。这类项目依托企业全部数据、信息与知识，结合业务场景，为使用者提供完整解决方案。
实现这一目标，仅靠优质技术方案、语义架构或完善知识库远远不够。成熟 AI 需要打破企业内部长久以来各自为政的部门壁垒，统筹协同各业务板块。
例如，必须打破 “数据” 与 “内容” 分属不同职能、相互割裂的固有认知；统一全企业的数据协同标准、安全规范与语义体系，AI 才能真正发挥价值。
对绝大多数企业而言，这件事本质是人的协同问题。知识管理从业者职业生涯始终在搭建跨部门沟通桥梁、破除组织孤岛。如今，他们擅长的引导、协调、沟通能力，应当用于统筹企业 AI 就绪度建设，搭建可持续长期运营的落地模式。
传统核心能力：会议引导、全域治理、业务落地规划、产品管理、变革管理、组织架构设计
知识管理从业者沉淀了大量实操方法与千锤百炼的专业技能。事实上，以上五类角色、对应的工作职责，早已存在于知识管理领域，并非全新岗位；真正改变的，是这些能力在企业 AI 战略中获得的重要地位。
主动找准自身在企业 AI 项目中定位、发挥价值的知识管理从业者，将拥有更大话语权，对企业发展产生更深层次的影响。
行业发展高度依赖知识管理从业者主动传递自身岗位价值，制定适配 AI 时代的全新知识管理战略，助力企业释放人工智能的商业潜力。
来源：enterprise-knowledge
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》
