知识管理是人工智能有效的前提,是必选项而非可选项。如何将知识嵌入你的人工智能中？

为了避免失败的实施并最大限度地提高人工智能的价值，组织必须将知识管理视为基础的必选条件，而不是可选项。

这是它的样子：

1.知识战略对齐

人工智能目标必须与关键业务知识领域保持一致。知识管理战略界定了最重要的知识——需要捕获、共享和保护的知识。
示例：实施人工智能进行欺诈检测的银行，必须确保其能够结构化地访问之前的欺诈案件数据、政策和客户行为档案。

2.知识地图和分类

在训练人工智能之前，你必须知道你所知道的。知识映射确定了关键的来源、格式和流程。
如果没有这一点，人工智能将得到碎片化、重复或过时的数据，从而导致不可靠的输出。

3.知识内容治理

谁拥有知识？谁更新它？多久时间更新？
建立治理确保人工智能得到干净、最新和值得信赖的知识，并且基于人工智能的决策是可审计的。

4.文化准备

知识管理培养了一种协作、透明和学习的文化。人工智能在这样的文化中蓬勃发展，团队对机器辅助的见解持开放态度，并愿意为知识改进做出贡献。

5.人机交互设计

知识管理促进了共享理解，弥合了人工智能与人类之间的鸿沟。当用户了解人工智能如何做出决策时（得益于共享的知识库），他们更有可能信任和使用它。

如何开始：将知识嵌入你的人工智能之旅

如果你正在计划或正在努力实施人工智能，这里有一个有效整合知识管理的路线图：

第一阶段：评估

进行知识管理成熟度评估。
绘制关键知识资产和流动图。
识别将影响人工智能性能的知识差距。

第二阶段：对齐

使人工智能目标与知识管理战略保持一致。
定义人工智能和知识流的成功指标。
让知识管理专业人员尽早参与人工智能开发。

第三阶段：建设

创建分类法、元数据模式和知识库。
实施知识管理工作流程。
确保知识是机器可读的（结构化数据、标签、链接概念）。

第四阶段：治理与维持

在人工智能运营中建立知识管理角色（知识管理员、内容所有者）。
监控知识质量和更新周期。
使用AI输出来通知新的知识创造（闭环反馈）。

结论：智能人工智能需要智能知识管理

人工智能不会取代人，它将取代那些无法管理知识的组织。如果你想让你的人工智能提供商业价值——无论是通过更快的决策、更好的客户服务还是卓越的运营——你必须首先建立支持它的知识基础设施。
知识管理不是人工智能项目的“后台”。这是基础。
所以，在你再投资一美元于算法之前，问问自己：
“我们真的知道我们所知道的吗？我们准备好把它教给我们的机器了吗？”