人工智能加持下的知识管理工作怎么开展-pg电子官方网址入口

人工智能正在经历“iphone时刻”

近年来，预训练大模型技术迅速发展，日趋成熟，大模型增强了ai技术的通用性，进一步拓宽了人工智能技术落地的应用场景。如自然语言生成、对话系统、语音合成、图像生成和视频生成等等。

随着chatgpt这一现象级应用的出现，这些通用的人工智能应用场景随之落地，冲击着各行各业，所有行业都需要思考如何与人工智能实现人机协同，重新定义认识拓展自身的工作，是我们必须回应的现实问题。

未来十年，chatgpt这类aigc应用将颠覆拓展现有的内容生产模式，其是对用户产生内容ugc、专业生产内容pgc的有益补充，人工智能生成内容aigc，可以实现以十分之一的成本，以百倍千倍的生产速度，由ai生成各种任务规则型内容。据gartner预测，到2025年aigc的生成量将达到10%左右。

这是自印刷术发明以来的空前“哲学与实践挑战”和“智能革命”。印刷术催生了由可复制经验的共享构成的现代科学方法。人工智能则不然，它基于地球上积攒的未经核实的海量数据，得出没有来源的结果。启蒙运动时期的科学是在积累确定性，新的人工智能产出的则是累积的模糊性。两种类型知识内容各有优劣及其用处，缺一不可。

人工智能对知识工作、知识管理的影响

类chatgpt人工智能应用尽管还存在一些知识可信、数据隐私保护、场景设计与落地以及相关的一些社会治理问题，但其带来的冲击与效率革命已经来势汹汹，改变正在加剧发生。而人工智能下受冲击最大的是知识工作。所谓知识工作，泛指那些需要专门知识、复杂分析、细致判断及创造性解决问题技巧才能完成的任务。工业时代的大规模生产对人类的体力提出了很高的要求，迫使人们必须依靠工业自动化的手段来弥补体能上的不足；现在数字化时代和知识时代瞬息万变的快节奏对人类的智力也提出了更高的要求，人们需要借助知识工作自动化来弥补智力上的不足，进而去更好地完成复杂而多变的任务。而人工智能、aigc、chatgpt就是能够实现知识工作自动化的工具和手段。

与知识工作相伴而生的是知识管理工作。知识管理工作是建立在知识的管理上的，这其中不仅涉及到如何将数据、信息等从低层次维度内容抽象到高层次维度知识化的过程，还涉及到如何应用挖掘用足用好员工智慧与经验的过程。

知识管理流程的两大关键核心动作：知识获取、知识创作，这二者间有巨大需要人工介入填补的鸿沟。企业知识管理，总会碰到一个特别大的难题——如何让员工多、快、好、省地产出内容，出彩完成工作，而其中耗时最多，体验最不友好的就是耗费了大量的时间在知识的寻源获取确认以及整合创造上。而随着人工智能技术的引入，其能在充分理解我们的语义的基础上在公域资源上快速获取与生成，无疑又全又快，质量还不差，基于此的知识工作无疑在效率和质量上都有了长足的进步。其他的关于知识的管理与分享的动作也取得了长足的进步，如知识的自动爬取、知识的自动分类、自动打标签标注等工作。大大提升知识的自动化、智能化管理水平，让人能够将更多的精力用来开发整合出自身需要的知识，让需要的知识、经验能够被用足，用好。

类chatgpt应用强在语义理解、强在知识表示、强在逻辑推理、强在知识补全、增强、生成上，无疑为知识管理工作打开了一扇新的大门，启发从业者可以运用全新的思维去推动优化知识管理。其将体现在智上、慧上、能上，知识管理实践有望在智能化、自动化上一个台阶，走向数智化知识管理新阶段。以往的组织知识管理存在的“重沉淀、轻应用”、“多人工、少智能”等问题，有望通过人工智能技术的引进得以缓解、解决，能更好满足数智化时代的知识赋能要求。

chatgpt是建立在公域数据上的累积的模糊性，其并不能替代企业内部的知识管理，其是建立在私域数据上的，是从模糊性到确定性的过程，其将公域的数据不断转换为自身所需的私域数据以寻求规则的确定性，每一行业、每一家企业都应该打造自己专属的chatgpt。

如何应对-人工智能加持下的数智化知识管理的到来

当知识管理撞上人工智能，企业经营管理者更加意识到一切智能化背后是知识的积累与智能运用，在aigc带来的新一轮知识大爆发下，企业对知识的需求更饥渴、更迫切，对知识的深度工作能力提出更高的要求，甚至加剧了企业知识管理工作的迫切性和紧迫感，企业若能够将企业的私域与社会的公域数据相整合，释放全域数据价值，以企业内部的规则确定性加上外部的模糊性，无疑能更快更好的应对未来的发展与变化。

知识图谱被视为人工智能的基础，在ai时代，需要发挥知识图谱 知识管理的双轮价值，打造基于知识图谱的新一代智能知识管理将有力驱动组织知识数智化转型，实现智能内容、场景驱动、ai支撑、敏捷迭代的应用新范式，将“石墨”内容转化为“钻石”知识，打造硅基智能生命。

基于知识图谱的数智化知识管理，不仅实现知识采集、加工、存储、共享等过程的智能化支撑，更将知识和业务、岗位、用户行为特征等有效关联，构建场景驱动的知识应用，可以显著提升业务知识一体化程度、加深知识应用深度、强化知识服务能力。

以往知识图谱技术门槛高、构建成本大、投产周期长一直是知识图谱应用所面临的难题，而随着aigc和llm相关技术的突破，为知识图谱的建模、抽取、补全和融合等步骤均提供了有效支撑，有望作为数智时代的基础配置能力让每家企业都可以调用使用。而这一切正在发生，加速到来。

企业知识管理工作是系统工程，关乎全员，覆盖所有业务，需聚焦导向，循序渐进建设，通常企业在开展知识管理实践的过程中，一般遵循着“资产化打基础－场景化强应用－智能化优体验”的路径递进展开，持续积累、持续应用，持续更新，其旨在搭建企业自身的领域网络，将企业所需所用的知识一网打尽，图谱化表示，逻辑推理，智能生成，自动化管理，让知识覆盖穿透支撑所有业务，触达流向每一个员工，让员工在任何时间、任何地点获得他期望的知识，提质增效，出彩完成工作。

•    资产化：以知识归类存储为核心，把需要应用到的知识管理起来，聚焦知识鉴别获取，知识分库分类、标签属性标注、命名规范、模板设计与构建、知识搜索等，搭建知识沉淀的基础平台以打基础，保障知识不流失、不遗漏，应管尽管，应纳尽纳，直观呈现、方便获取。

•    场景化：以知识提炼、组织、整合、融入为核心，聚焦业务场景，通过知识图谱呈现、知识聚合、知识地图组织、系统集成等方式，提升知识组织化程度以强化应用，侧重知识表示，建知识关联以及基于场景封装知识，融入业务。

•    智能化、自动化：以知识智能服务、自动化工作为核心，聚焦智慧创作，智能工作，通过ai智能写作、ai智能问答、ai智能助理等，进一步提升智能化水平；通过自主分类、爬虫抓取、主题聚类、图谱探查、自动打标签做数据标注、智能推送等手段实现知识工作的自动化。

而随着人工智能技术、自动化技术的进步和引入，知识管理智能化、自动化有了更多的手段，知识工作更具想象力和可操作性，知识管理系统从可用可不用，变成 “很好用”，到“离不开”，知识管理的目标不能仅止步于“离不开”，一套好用的知识管理系统、流程与机制，应该成为企业知识流转的血液系统，看不见摸不着，但滋养整个生态系统，能将人从繁琐的知识管理工作中解放出来，能更多的关注于人的能动性、创造性和共情性的发挥。

大模型与领域知识图谱的共舞，释放全域数据价值

对于企业来说，其知识具有结构化、规范化、专家经验、特有的规则以及做事方式等特点，有其独有的know-how领域，知识稍许的偏差都会导致成本提升、风险提升，在这方面，单纯的依靠大模型积累的模糊性是难以满足直接应用的。

大语言模型能够进行概括性表达，起到思路启发、能力提升的作用，而领域知识能够做到完整、精细化、准确性的表达，指导实践操作不犯错。

因此在知识管理的实践上，需将大语言模型和领域知识结合成为领域大模型，助推全域数据管理，释放数据价值。

在具体的实践上，企业将私域数据与通用大模型结合，形成领域大模型，实现在大模型加持下提高专业领域知识的应用性、针对性、实用性。例如，钢铁领域大模型、装备制造大模型、勘察设计大模型、工程建造大模型、电力大模型、新零售大模型、银行大模型、客服大模型等。在大模型下可以根据任务场景打造一个个点的应用以满足多端的应用。

大模型与领域知识网络是必要的组合关系，两者的交互协作是实现高级认知能力的关键，大模型提供理解、推理能力，而领域知识网络提供专业领域的规范化、精准化的行业知识。以大模型助力企业将私域数据构建为领域知识网络，将降低构建成本、提升领域知识网络质量，提升用户的使用体验。

“通用大模型 领域知识网络”将解决专业领域问题，以数据重塑生产力。通用大模型理解我们的世界，领域知识图谱解决我们的业务问题。

人机协同：打造不可替代性，根植现场，回到业务本身

大模型的智能是建立在海量的知识积累和训练上的。人的能力也是建立在刻意训练上的。大模型可以加持人的工作能力。

知识是知识工作机制下的结果，知识管理工作终究要回到人本上，打造高效的知识工作机制，发挥人的能动性、创造性和作为力，根植于现场生动的实践，让需要的知识涌现，回到业务本身，让知识滋养业务。

多学、多用，向内追问，向外求索，拥抱新科技，实现人机协同。毕竟基于知识的工作能力是自己的，基于知识的作为是自己享有的，要根植现场，回归业务工作本身，拓展工作的深度与广度，凸显工作的独特价值与不可替代性，内化能力，提升发展势能，实现刻意训练下的能力提升，内驱成长。