0
关于知识管理，曾有一位企业管理者向我们这样表示：他目前最关心的是发展新客户、推出新产品，同时他也会亲自过问财务，其次比较关心的是研发。至于知识管理，确实也是刚需，但优先级可能不比前面这几桩事情高；知识管理的工具又经常建了之后使用率不高，占用开支，他和管理层在推动知识管理建设上的意愿，是相对较弱的。
这是较为典型的一种经营思维，管理者认为自身的精力已经合理分配下去，已经顾及到了创新和降本增效两大问题。这种安排有其合理之处，但忽略了一点：知识管理，其实是企业创新的“风险屏障”。
一方面，知识管理离不开自动化和协作流程，本质上是为了让员工放开手脚，不把时间浪费在重复性、无意义的劳动上，而是有更多余力投入到创新当中。
另一方面，许多伟大的创新多是当事人的“灵光一现”，但企业源远流长的发展自然不能只等待灵感的火花。存量知识的解构、重塑其实同样会增加创新的可能性，企业也就会向创新保质保量发生的目标更近一步。
目标和逻辑明确之后，知识管理和创新之间的联通路径，又应该是什么？
在不久前的进博会上，雷峰网注意到，百度集团副总裁、集团首席信息官李莹提出了这样一个新公式：
创新流水线=AIX知识管理
李莹谈到，AI赋能知识管理，产生的效应往往不再是简单相加这般简单，而是会能产生乘积般效应。
这种乘积效应体现在：
第一，在组织内部，借助AI的力量，撬动沉积在公司内部的知识。让知识更为高效、精准地，触达个体，让组织庞大的知识积累，真正流动起来。笔者举个通俗点的例子，这有点像把一个“图书馆”的庞大知识量，都给激活，切实地給到每个个体。
第二，在公司层面，当组织的知识资产不断赋能员工，而员工在日常工作中有不断创造和积累新技术经验，并源源不断添加到公司“图书馆”。
而当“图书馆”知识越来越丰富，员工又能获得更加丰厚的知识能量，如此循环往复，便形成了“创新流水线”。
在这个公式里，当AI技术的积淀和知识管理的经验，都达到最大化时，创新流水线无疑会呈现更大的能量。
“知识工作者(knowledge worker)”一词最早由现代管理学开创者彼得·德鲁克在1959年《明天的里程碑》中提出。1988年，德鲁克在《哈佛商业评论》上发表《新型组织的出现》一文。知识管理亦被提出。
当时，行业专家提出，将专家的知识写出规则，构造知识库，专家知识管理系统由此兴起，这也是如今智能诊断机器人的前身。
而后90年代中期互联网开始快速发展，人们又开始萌生一个新的想法，即基于互联网上的信息来做知识库，语义网应运而生。
语义网需要采用RDF、OWL等编程语言，建立起“活的”数据和分布式应用，让机器去读数据，让数据可以在应用间流通。
但语义网的学习门槛太高，大规模推广失败，相关技术进一步删繁就简，衍生出了现在的知识图谱技术。
同时，基于之前十余年的底层数据库建设，机器人问答、搜索和推荐项目等较复杂人机交互软件也成功面世。
雷峰网(公众号：雷峰网)注意到，眼下，知识管理正在向下一阶段进发。
随着企业数字化转型的不断深入，算力、算法、大数据加持下，人工智能成为新基建的“底座”，以AIGC（AI内容创作）、流程机器人为代表的知识智能开始加速落地，应用到各大细分场景。企业内部的知识流动、知识生成，开始发生新变化。
这些年来，企业内部的知识生成和流动，技术的力量从未缺席，大量用于知识管理的工具接连诞生。在工具到位的同时，如何将知识管理体系的建设，拆分成一个个子任务有序进行，成为了企业需要关注的难题。
企业知识管理过程，最困难的是一系列的规则、方法、经验如何沉淀下来，构建为知识。
“人在思考问题、交流问题的时候，会自动带有上下文，缺失的地方可以用常识补上，但是机器不会这种上下文。因此，企业知识管理对建设者的结构化思维能力要求很高，要能将知识体系化分层拆解，让机器理解，而不是用自然语言去简单随意地表达。”有行业专家分析道。
我们举一个比较通俗的例子：假设此时需要对财务工作做自动化改造，要沉淀的知识包括整个企业的财务制度、报销习惯、历史数据和事件，比如不同子公司所在地的五险一金缴纳政策不同，绩效工资统计跨部门、跨城市等等。
而企业内部不止有财务部门、销售部门有类似需求，企业运行的方方面面均会涉及。由此可见，企业知识管理需要沉淀的信息量之大，解构、构建知识的难度之高。
这样一个艰难的、工作量巨大的任务，怎么拆解？我们可以从百度的实操案例看起。
2020年，百度升级推出了新一代智能工作平台“如流”。这一平台正开展与企业知识管理相关的，三个相当实在的任务。
任务一：加强知识收集，特别是隐形知识
放在公司内部来讲，隐形知识包括了某一项目的讨论信息、关于某一个技术点的创新性想法、关于业务的片段性思考。收集整理员工在日常工作中，形成的技术想法、业务思考，这些日常点滴积累，聚沙成塔，对催生企业创新、商业成功有着不可忽略的作用。
为此，百度智能知识管理平台做到了扫描员工所有工作场景，并将其日常工作中的想法、经验随时存档和归纳，避免一个齿轮的掉落直接连累整部机器的运作。
员工之间双向沟通、团队内外部的多人会议，是产生想法、灵感迸发的高频场景，因为集思广益，不断交流、碰撞往往还可能对某一事物有更透彻认知、形成更完善的解决方案。
百度内部也因此萌生了打造协同工具的想法，并在2020年推出“如流”协同办公产品，将员工的沟通过程中产生的想法、知识都沉淀其中。
比如，原本团队开会还需要有一个人做会议纪要，而现在如流上开会，平台会中会实时录音，并且自动标记重点信息，并提炼会议结论与后续to-do清单等。
也有人指出，市面上已有大量在线协同办公工具，并不新鲜。但各家协同工具，在设计理念上，其实有着一定差异。
百度的智能工作平台，其顶层设计即用好AI技术和知识管理。所以在产品设计之初，如流的设计理念之一，就是打造一个统一的知识入口，囊括了包括员工日常生活中产生的线上视频、即时通信等所有知识产生源头，这为后续知识库整理提供了充足的“粮草”。
任务二：加强知识整理
许多知识仍散落在不同员工、组织之间，到底如何让知识穿透“员工墙”“部门墙”，实现“结构化大统一”？
我们都知道，没有经过整理的知识，就好比一座从未整理过的图书馆，再海量的藏书也只是堆砌，更勿论知识的传播、调取、应用以及在此基础上的二次创新。
以往企业内部员工都是负责自己“一亩三分地”，领导做好任务分配后，埋头苦干，对整个项目全景图、进度情况大多只能从开会、日报上获得。更重要的是，虽是不同员工负责不同任务项，但两者很可能有许多可复用的经验，这些很难及时传导到每一个人，就会出现重复造轮子、拉低工作效率的情况。
例如有时会有多个销售联系上共一位客户的情况，如果没有信息的共享和及时沟通，销售极有可能重复拜访客户，前序的拜访资料明明已经十分详尽，却没有得到充分利用，对于先后拜访客户的销售而言，都把时间浪费在重复工作上，销售之间也可能存在利益纷争问题。而多个销售各说各话，自然也会让客户形成负面印象。
为了解决这一问题，百度如流知识库直接源头抓起，建立了以项目为核心的知识库，大家可通过共享1个项目知识库的方式，进行项目的分工协作。
同时任何一位项目成员，都可以高效了解项目的全景、分工、进度。每个人有了新想法、或需求任务，都可以通过知识库沉淀和派发，形成一种“多线程并发式”共商、共创的模式。
如此一来，知识库“难找难用”的问题，将得到缓解，如若未来出现类似项目，平台会更迅速提供过往借鉴经验，避免员工将时间浪费在拉平对齐信息上。
任务三：加强知识运用
如果说做知识库就像建造图书馆，那建造图书馆本身并不是目的，目的是如何让图书馆的内容被用起来。让知识在组织内部自由流动起来，激发组织人员的活力，才能让知识价值最大化。
现如今，许多公司知识堆积如山，封存在公司的硬盘、服务器和文件夹里，就算存进了知识库，也是“存而不用”，没有充分被调度起来。
这个问题在遇到AI后，有了新的解法。作为一直走在AI技术前沿的巨头，百度很快意识到，应借助AI的力量，加强对企业内部知识分发，并提出了“创新流水线=AI✖知识管理”。
在企业知识管理上，AI技术加持，主动将对“图书馆”内的知识进行调度，然后传送到每一个组织内员工面前。
比如说在项目任务推进上，围绕着项目任务，员工往往需提前做大量功课，阅读相当多的文档、资料，如遇到一些某些技术、名词、人物不是很了解，就需要去网站查资料。
但去年百度的知识管理平台上线了“知识星链”功能，这个功能里，AI化身成员工的“随身词典”，员工阅读文档时，主动提前帮忙扫描工作场景中的“生词”并加以解释，为工作顺利推进扫平了障碍。
在这三个子任务的磨练之后，百度的知识管理平台已经发展较为成熟，在内外部都有成功应用。
例如连续举办十余年的“百度世界大会”，是百度每年最重要的一个品牌项目。这样的大型项目，对外要和媒体高频沟通，对内要联动几十个业务部门，各种文档图表和幻灯片动辄上百个，信息量极大。又经常因为涉及条线太多，工作发生遗漏、重复，非常影响效率和协作质量。
随着百度知识管理平台投入应用，百度世界的负责人表示，项目发生了100到1的巨大转变。过去那些动辄上百的文件，现在只要通过1个项目知识库来协同，且又可以随时随地维护各自的模块。
整个项目知识库变成了一部不断自我生长和完善的“项目百科全书”，协同创新的过程、思考、经验、总结，最终沉淀下来，为其他项目、未来项目所用。
从战略考量出发，百度内部也将知识管理，提高到了更高优先级。
2021年，在2021智能经济高峰论坛上，百度创始人、董事长兼CEO李彦宏称，未来十年，人工智能领域将有八项关键技术，深刻地改变社会，其中一项就是知识管理。
不仅是这次会议，李彦宏也在组织内部多次强调“知识流动”的重要性，表示“作为高科技与知识密集型公司，我们积累的经验和知识信息，如果能高效流动，一定会让创新速度有大幅度提升。”
放眼全行业来看，如此频繁强调知识管理，并亲身推动、投入其中的大企业，寥寥无几。百度为何如此强调要做知识管理？
事实上，从公司发展层面来说，百度做知识管理是一件自然而然的事情。
作为一家知识密集型企业，过去二十多年，百度在日常经营中沉淀了大量创新技术和经验，不仅包括知识库、专家库、案例库、流程、技术中台能力等显性知识，还包括机制、经验等隐性知识，乃至文档、周报、OKR等基础信息。如果这些知识创新技术和经验并没有完全在内部流动起来，一定会影响到百度降本增效的进程。
通过知识管理，能让高质量的知识、经验、思考沉淀进企业创新底座，同时并持续不断迭代，为底座注入新知识，反哺创新工作者，让创新的苗从企业内部不断茁壮成长。
如今，百度第二曲线智能云、第三曲线智能驾驶的飞速成长，也从一个侧面印证着，百度的知识管理工作的确正在对“创新驱动发展”带来了极大助益。
而从技术层面来看，百度的特色业务，也为知识管理攒下了大量技术优势。
百度以搜索闻名，搜索引擎每天要做的，是将海量信息尽可能精确地被检索到，海量用户的个性化搜索需求得以满足。
例如，搜索引擎要理解用户的搜索需求，判断用户是否输入了正确的关键词，是否需要其他关联推荐，浩如烟海的信息又应当怎样体系化地、有关联地，呈现在百科或是更多界面。这些繁复的需求，都要通过一个小小的搜索框来承载。
这意味着百度在信息的挖掘、分发、匹配等环节上，有着比知识管理同行更强大的技术积累。这种技术优势腾挪到企业的知识管理上，无疑是降维打击。
如今的百度知识图谱包含5500亿知识，并构建了庞大的“知识”网络，能更准确去判断员工搜索知识的意图，推动精准知识。
而百度自研发的产业级知识增强大模型——文心大模型，因既包含基础通用的大模型，也包含面向重点任务领域和行业的大模型，以及丰富的工具与平台，这让知识管理平台能更深入产业。
此外，在搜索全面性上，百度首创推出的融合知识网络与大模型的跨模态内容的检索技术，让员工在检索知识过程中，搜索更为全面。
比如，员工在搜索框输入关键词，而搜索结果栏就能帮你把对应有关键词的图片也找到，极大丰富用户的搜索量。
通过知识图谱、大模型的应用，知识在组织内部被最大化地调度利用起来。
20世纪初，福特汽车拆解所有生产工序，让汽车可以标准化、大批量生产，从而大幅提升汽车的生产效率，创造了工业时代的奇迹。
在如今的21世纪知识经济时代，所有的商业战争，都是以知识为基础的战争，当知识资产充分被智能化改造，当知识像流水一般，在企业组织、员工间持续高效运转时，创新的大规模发生，也将成为一件不期而遇的事。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
