AI 驅動的企業知識管理革命
AI 如何從真善美角度革新企業知識管理，超越傳統檢索功能，實現知識策展、協作創造與個人化體驗，為組織帶來全新的知識管理願景與機遇。
We are drowning in information but starved for knowledge
我們淹沒在資訊之中，卻渴求著知識
— John Naisbitt
❏ 引言
嘿，上週過的好嗎？2025 年已經過了 10 天，你的偉大計畫已經在航道上啟程了嗎 😃
一日之計在於晨、一年之計在於春 — 最近和企業洽談 AI 導入應用的相關展望時，幾乎 80% 都對「知識管理」這個議題很有興趣。
他們可能會拿出 Perplexity 的螢幕截圖，然後說：「我們希望可以像這樣來查找內部資訊，要能快速找到相關的資料，而且 AI 還能幫忙做整理」。
乍聽之下蠻合理的，AI 強大的文字理解能力彷彿就是為這個任務而生 (高級書僮?)，市面上逐漸成熟的 AI Summary, AI Search 服務，也慢慢走進企業的視野：「如果查找公司內的文件，也這麼方便，那該有多好」。
進一步想：
知識管理這個已經存在已久的挑戰，怎麼就因為 AI 的進展又再次站回舞台中央？
語意的搜尋、聰明的摘要 難道就是知識管理的聖杯？
企業所謂的 ”知識管理” 具體涵蓋了哪些議題，做的好又會帶來什麼好處，AI 又能在這些議題上幫上什麼忙？
對你而言什麼是知識管理，對企業而言知識管理又有什麼不同？這期來聊聊
~
📍 大綱
❏ 組織的知識管理
❏ Chatbot 解決了真善美的問題了嗎?
❏ 大語言模型 (LLM) 如何革新企業知識管理
❏ AI 帶來的知識管理願景
《非正式寫作》著墨琢磨 技術趨勢、溝通領導、概念理解 與 生活實踐。
每週派送，如果您還沒有訂閱，請在這裡訂閱，加入 300+ 位每週讀者的行列：
🔍 工人智慧猜你也喜歡
❏ 組織的知識管理
個人 vs. 組織的知識管理 就如同 Monolithic vs. Microservices
組織的知識管理為何困難，因為每個人在組織當中都肩負著部分的責任，承載著部分的知識。如果沒有地圖的指引，就像瞎子摸象一樣，每個人對全貌都會有不同的理解。
組織的分工就像微服務一般，在特定領域 (銷售、行政、工程、法務、人事，等等…) 進行封裝 (對內知識)，並提供明確的介面 (對外知識) 為他者提供服務。
在《微服務架構：敏捷與明確介面的平衡藝術》一文當中我曾提到，雖然微服務帶來 敏捷、明確的介面 兩大好處，但是也同時帶來相應的複雜度與挑戰：
這裡的「弊」指的是：你可以將單體想成一塊大豆腐，那微服務就是切成一塊一塊的豆腐丁。微服務增加了表面積，增加了管理的數量，服務和服務之間需要透過 API 互相溝通，增加了網路複雜度，更難維持資料的一致性，等等…這些都是需要付出的代價。
服務和服務之間需要透過 API 互相溝通 → API 簡潔易懂的程度 → 美
增加了網路複雜度 → 服務彼此間需要良好協作的挑戰 → 善
難以維持的資料一致性 → 資料可能產生餘冗或歧義 → 真
當知識限於個人，沒有歧義、不需協作、只要自己明白就好，一切都很真很善很美。
當組織基於個人的知識向上構築更高的抽象時，嚴重歧異、難以協作、複雜難懂，真善美變得極具挑戰。
.
❏ Chatbot 解決了真善美的問題了嗎?
回到引言中的另一個命題：「語意的搜尋、聰明的摘要 難道就是知識管理的聖杯？」
假想今天公司有個內部知識管理系統，就和 ChatGPT / Perplexity 的使用方式一模一樣，可以用聊天的方式，和背後龐雜的內部知識互動：
「請問我還剩幾天特休假？」
「請問申請訂閱第三方網路服務需要走什麼行政程序？」
「公司的 VPN 要怎麼連？」
「新人的訓練課程在哪裡？」
OK ~ 這個系統很快速的傳回相關的資料，並且做了精美的摘要，你省下了時間，更快的得到解答。That’s great ~
這樣的改善，讓分散的知識變得更簡潔易懂 (美)、變得更容易協作 (善)、變得更唯一且一致 (真) 嗎？
或許有，但是感覺只停留在 Retrieval (檢索) 的層級。
更優秀的檢索表現當然是知識管理的重要一環，但直接將它視為企業知識管理的目標，並沒有完全地發揮到 AI 的強大能力。
.
❏ 大語言模型 (LLM) 如何革新企業知識管理
除了檢索之外，嘗試從真善美的全方位視角來看看，AI 還能使上哪些力：
✔ 釋放非結構化資料的價值：
企業中大量非結構化資料未被充分利用 [1] (真)。
大語言模型擅長從電子郵件、PDF 和圖像等非結構化資料中提取有價值的見解，這項任務過去需要耗費大量人力。
✔ 革新資訊檢索：
理解自然語言查詢，無需複雜的關鍵字搜尋 (美)。
即時整合多個來源的資訊 (善)。
提供符合使用者需求和偏好的情境化回應 (美)。
✔ 簡化資料分析：
自動化資料清理、識別缺失值和建立視覺化等任務 (真)。
允許使用者以自然語言指令與資料互動 (美)。
連接各種資料來源並自動化複雜的分析工作流程 (善)。
✔ 打破知識孤島：
大語言模型透過將分散資訊整合到可擴展的知識圖譜和向量資料庫中，使資訊更容易取得和發現。(善)
✔ 促進知識分享文化：
透過簡化知識擷取和傳播流程，大語言模型能鼓勵更多人參與知識分享，克服對文件紀錄的文化抗拒。(善)
以故事為基礎的分享方式 [2]，展現了大語言模型在促進知識傳遞人性化面向的潛力。(善)
.
❏ AI 帶來的知識管理願景
從上面幾點我們可以發現，人們往往關注在 (美) 的部分，像是：允許使用者以自然語言指令與資料互動、提供符合使用者需求和偏好的情境化回應，而忽略了 AI 在知識管理當中的(善)與(真)，其實蘊含更大的潛力。這份潛力，才是(美)能更加發揮的前提！
僅從一個 chatbot 介面透過自然語言對話方式，從資料庫中把資料以精準的語意檢索出來，充其量只能稱作高級的「資料定位」，都還不能稱做知識，更何況管理了。
企業應該提高視野，試著從真善美的角度切入，為 AI 應用在知識管理提升上做更通盤的全局考量：
AI 驅動的知識策展 (求真)：大語言模型可作為智慧策展人，持續掃描和分析新資訊，識別關鍵趨勢和見解，並標記過時或不相關的內容，確保知識庫保持動態和相關性。
協作知識創造 (達善)：大語言模型能透過連結具有互補專業知識的個人，根據共同興趣推薦潛在合作夥伴，並提供共同創作和知識綜合的平台，促進協作知識創造。
個人化知識體驗 (盡美)：大語言模型能透過分析使用者行為和偏好，創造客製化的知識體驗，主動提供相關資訊，並適應個人學習風格。
.
❏ 結語
回到初始的命題之一：「知識管理這個已經存在已久的挑戰，怎麼就因為 AI 的進展又再次站回舞台中央？」
我想答案很清楚了。AI 的進展並非只是提供更快速的檢索工具，而是為知識管理帶來了革命性的變革契機。它不僅能處理過去難以觸及的非結構化數據，還能打破知識孤島，促進協作，並根據個人需求提供客製化的知識體驗。這一切，都遠遠超出了單純的「高級書僮」或「資料定位」的範疇。
企業現在重新審視知識管理，並不是因為過去的方法失效了，而是因為 AI 的出現，讓我們有了更宏大的視野和更強大的工具，去實現過去難以想像的目標。這不僅僅是對舊挑戰的重新審視，更是對未來機遇的積極擁抱。
知識管理不僅僅是技術問題，更是一種文化、一種策略。它需要我們從「真、善、美」的視角出發，在追求效率的同時，也要兼顧知識的準確性、協作性以及個人化的體驗。
希望這篇文章能帶給你一些啟發，也歡迎與我分享你對 AI 與知識管理的看法。祝你有個美好的一週！
~
More ways I can help you 🚀
🦥 parting thoughts 🦥
這篇文章發布的同時，我剛跑完 42k 的渣打馬拉松，可能正躺在床上鐵腿無法動彈，再找機會和大家分享實戰 42k 的體驗 🏃♂️
如果這篇文章有幫助到你，記得按讚加分享 👍，請我喝杯咖啡 ☕，我們下期見！
🔖 參考資料
[1] The evolving state of enterprise content management: How AI changes the game - https://www.cio.com/article/3488761/the-evolving-state-of-enterprise-content-management-how-ai-changes-the-game.html
[2] How LLMs Enhance Knowledge Management Systems - https://randomwalk.ai/blog/how-llms-enhance-knowledge-management-systems/