0
關于知識管理，曾有一位企業管理者向我們這樣表示：他目前最關心的是發展新客戶、推出新產品，同時他也會親自過問財務，其次比較關心的是研發。至于知識管理，確實也是剛需，但優先級可能不比前面這幾樁事情高；知識管理的工具又經常建了之后使用率不高，占用開支，他和管理層在推動知識管理建設上的意愿，是相對較弱的。
這是較為典型的一種經營思維，管理者認為自身的精力已經合理分配下去，已經顧及到了創新和降本增效兩大問題。這種安排有其合理之處，但忽略了一點：知識管理，其實是企業創新的“風險屏障”。
一方面，知識管理離不開自動化和協作流程，本質上是為了讓員工放開手腳，不把時間浪費在重復性、無意義的勞動上，而是有更多余力投入到創新當中。
另一方面，許多偉大的創新多是當事人的“靈光一現”，但企業源遠流長的發展自然不能只等待靈感的火花。存量知識的解構、重塑其實同樣會增加創新的可能性，企業也就會向創新保質保量發生的目標更近一步。
目標和邏輯明確之后，知識管理和創新之間的聯通路徑，又應該是什么？
在不久前的進博會上，雷峰網注意到，百度集團副總裁、集團首席信息官李瑩提出了這樣一個新公式：
創新流水線=AIX知識管理
李瑩談到，AI賦能知識管理，產生的效應往往不再是簡單相加這般簡單，而是會能產生乘積般效應。
這種乘積效應體現在：
第一，在組織內部，借助AI的力量，撬動沉積在公司內部的知識。讓知識更為高效、精準地，觸達個體，讓組織龐大的知識積累，真正流動起來。筆者舉個通俗點的例子，這有點像把一個“圖書館”的龐大知識量，都給激活，切實地給到每個個體。
第二，在公司層面，當組織的知識資產不斷賦能員工，而員工在日常工作中有不斷創造和積累新技術經驗，并源源不斷添加到公司“圖書館”。
而當“圖書館”知識越來越豐富，員工又能獲得更加豐厚的知識能量，如此循環往復，便形成了“創新流水線”。
在這個公式里，當AI技術的積淀和知識管理的經驗，都達到最大化時，創新流水線無疑會呈現更大的能量。
“知識工作者(knowledge worker)”一詞最早由現代管理學開創者彼得·德魯克在1959年《明天的里程碑》中提出。1988年，德魯克在《哈佛商業評論》上發表《新型組織的出現》一文。知識管理亦被提出。
當時，行業專家提出，將專家的知識寫出規則，構造知識庫，專家知識管理系統由此興起，這也是如今智能診斷機器人的前身。
而后90年代中期互聯網開始快速發展，人們又開始萌生一個新的想法，即基于互聯網上的信息來做知識庫，語義網應運而生。
語義網需要采用RDF、OWL等編程語言，建立起“活的”數據和分布式應用，讓機器去讀數據，讓數據可以在應用間流通。
但語義網的學習門檻太高，大規模推廣失敗，相關技術進一步刪繁就簡，衍生出了現在的知識圖譜技術。
同時，基于之前十余年的底層數據庫建設，機器人問答、搜索和推薦項目等較復雜人機交互軟件也成功面世。
雷峰網(公眾號：雷峰網)注意到，眼下，知識管理正在向下一階段進發。
隨著企業數字化轉型的不斷深入，算力、算法、大數據加持下，人工智能成為新基建的“底座”，以AIGC（AI內容創作）、流程機器人為代表的知識智能開始加速落地，應用到各大細分場景。企業內部的知識流動、知識生成，開始發生新變化。
這些年來，企業內部的知識生成和流動，技術的力量從未缺席，大量用于知識管理的工具接連誕生。在工具到位的同時，如何將知識管理體系的建設，拆分成一個個子任務有序進行，成為了企業需要關注的難題。
企業知識管理過程，最困難的是一系列的規則、方法、經驗如何沉淀下來，構建為知識。
“人在思考問題、交流問題的時候，會自動帶有上下文，缺失的地方可以用常識補上，但是機器不會這種上下文。因此，企業知識管理對建設者的結構化思維能力要求很高，要能將知識體系化分層拆解，讓機器理解，而不是用自然語言去簡單隨意地表達。”有行業專家分析道。
我們舉一個比較通俗的例子：假設此時需要對財務工作做自動化改造，要沉淀的知識包括整個企業的財務制度、報銷習慣、歷史數據和事件，比如不同子公司所在地的五險一金繳納政策不同，績效工資統計跨部門、跨城市等等。
而企業內部不止有財務部門、銷售部門有類似需求，企業運行的方方面面均會涉及。由此可見，企業知識管理需要沉淀的信息量之大，解構、構建知識的難度之高。
這樣一個艱難的、工作量巨大的任務，怎么拆解？我們可以從百度的實操案例看起。
2020年，百度升級推出了新一代智能工作平臺“如流”。這一平臺正開展與企業知識管理相關的，三個相當實在的任務。
任務一：加強知識收集，特別是隱形知識
放在公司內部來講，隱形知識包括了某一項目的討論信息、關于某一個技術點的創新性想法、關于業務的片段性思考。收集整理員工在日常工作中，形成的技術想法、業務思考，這些日常點滴積累，聚沙成塔，對催生企業創新、商業成功有著不可忽略的作用。
為此，百度智能知識管理平臺做到了掃描員工所有工作場景，并將其日常工作中的想法、經驗隨時存檔和歸納，避免一個齒輪的掉落直接連累整部機器的運作。
員工之間雙向溝通、團隊內外部的多人會議，是產生想法、靈感迸發的高頻場景，因為集思廣益，不斷交流、碰撞往往還可能對某一事物有更透徹認知、形成更完善的解決方案。
百度內部也因此萌生了打造協同工具的想法，并在2020年推出“如流”協同辦公產品，將員工的溝通過程中產生的想法、知識都沉淀其中。
比如，原本團隊開會還需要有一個人做會議紀要，而現在如流上開會，平臺會中會實時錄音，并且自動標記重點信息，并提煉會議結論與后續to-do清單等。
也有人指出，市面上已有大量在線協同辦公工具，并不新鮮。但各家協同工具，在設計理念上，其實有著一定差異。
百度的智能工作平臺，其頂層設計即用好AI技術和知識管理。所以在產品設計之初，如流的設計理念之一，就是打造一個統一的知識入口，囊括了包括員工日常生活中產生的線上視頻、即時通信等所有知識產生源頭，這為后續知識庫整理提供了充足的“糧草”。
任務二：加強知識整理
許多知識仍散落在不同員工、組織之間，到底如何讓知識穿透“員工墻”“部門墻”，實現“結構化大統一”？
我們都知道，沒有經過整理的知識，就好比一座從未整理過的圖書館，再海量的藏書也只是堆砌，更勿論知識的傳播、調取、應用以及在此基礎上的二次創新。
以往企業內部員工都是負責自己“一畝三分地”，領導做好任務分配后，埋頭苦干，對整個項目全景圖、進度情況大多只能從開會、日報上獲得。更重要的是，雖是不同員工負責不同任務項，但兩者很可能有許多可復用的經驗，這些很難及時傳導到每一個人，就會出現重復造輪子、拉低工作效率的情況。
例如有時會有多個銷售聯系上共一位客戶的情況，如果沒有信息的共享和及時溝通，銷售極有可能重復拜訪客戶，前序的拜訪資料明明已經十分詳盡，卻沒有得到充分利用，對于先后拜訪客戶的銷售而言，都把時間浪費在重復工作上，銷售之間也可能存在利益紛爭問題。而多個銷售各說各話，自然也會讓客戶形成負面印象。
為了解決這一問題，百度如流知識庫直接源頭抓起，建立了以項目為核心的知識庫，大家可通過共享1個項目知識庫的方式，進行項目的分工協作。
同時任何一位項目成員，都可以高效了解項目的全景、分工、進度。每個人有了新想法、或需求任務，都可以通過知識庫沉淀和派發，形成一種“多線程并發式”共商、共創的模式。
如此一來，知識庫“難找難用”的問題，將得到緩解，如若未來出現類似項目，平臺會更迅速提供過往借鑒經驗，避免員工將時間浪費在拉平對齊信息上。
任務三：加強知識運用
如果說做知識庫就像建造圖書館，那建造圖書館本身并不是目的，目的是如何讓圖書館的內容被用起來。讓知識在組織內部自由流動起來，激發組織人員的活力，才能讓知識價值最大化。
現如今，許多公司知識堆積如山，封存在公司的硬盤、服務器和文件夾里，就算存進了知識庫，也是“存而不用”，沒有充分被調度起來。
這個問題在遇到AI后，有了新的解法。作為一直走在AI技術前沿的巨頭，百度很快意識到，應借助AI的力量，加強對企業內部知識分發，并提出了“創新流水線=AI?知識管理”。
在企業知識管理上，AI技術加持，主動將對“圖書館”內的知識進行調度，然后傳送到每一個組織內員工面前。
比如說在項目任務推進上，圍繞著項目任務，員工往往需提前做大量功課，閱讀相當多的文檔、資料，如遇到一些某些技術、名詞、人物不是很了解，就需要去網站查資料。
但去年百度的知識管理平臺上線了“知識星鏈”功能，這個功能里，AI化身成員工的“隨身詞典”，員工閱讀文檔時，主動提前幫忙掃描工作場景中的“生詞”并加以解釋，為工作順利推進掃平了障礙。
在這三個子任務的磨練之后，百度的知識管理平臺已經發展較為成熟，在內外部都有成功應用。
例如連續舉辦十余年的“百度世界大會”，是百度每年最重要的一個品牌項目。這樣的大型項目，對外要和媒體高頻溝通，對內要聯動幾十個業務部門，各種文檔圖表和幻燈片動輒上百個，信息量極大。又經常因為涉及條線太多，工作發生遺漏、重復，非常影響效率和協作質量。
隨著百度知識管理平臺投入應用，百度世界的負責人表示，項目發生了100到1的巨大轉變。過去那些動輒上百的文件，現在只要通過1個項目知識庫來協同，且又可以隨時隨地維護各自的模塊。
整個項目知識庫變成了一部不斷自我生長和完善的“項目百科全書”，協同創新的過程、思考、經驗、總結，最終沉淀下來，為其他項目、未來項目所用。
從戰略考量出發，百度內部也將知識管理，提高到了更高優先級。
2021年，在2021智能經濟高峰論壇上，百度創始人、董事長兼CEO李彥宏稱，未來十年，人工智能領域將有八項關鍵技術，深刻地改變社會，其中一項就是知識管理。
不僅是這次會議，李彥宏也在組織內部多次強調“知識流動”的重要性，表示“作為高科技與知識密集型公司，我們積累的經驗和知識信息，如果能高效流動，一定會讓創新速度有大幅度提升。”
放眼全行業來看，如此頻繁強調知識管理，并親身推動、投入其中的大企業，寥寥無幾。百度為何如此強調要做知識管理？
事實上，從公司發展層面來說，百度做知識管理是一件自然而然的事情。
作為一家知識密集型企業，過去二十多年，百度在日常經營中沉淀了大量創新技術和經驗，不僅包括知識庫、專家庫、案例庫、流程、技術中臺能力等顯性知識，還包括機制、經驗等隱性知識，乃至文檔、周報、OKR等基礎信息。如果這些知識創新技術和經驗并沒有完全在內部流動起來，一定會影響到百度降本增效的進程。
通過知識管理，能讓高質量的知識、經驗、思考沉淀進企業創新底座，同時并持續不斷迭代，為底座注入新知識，反哺創新工作者，讓創新的苗從企業內部不斷茁壯成長。
如今，百度第二曲線智能云、第三曲線智能駕駛的飛速成長，也從一個側面印證著，百度的知識管理工作的確正在對“創新驅動發展”帶來了極大助益。
而從技術層面來看，百度的特色業務，也為知識管理攢下了大量技術優勢。
百度以搜索聞名，搜索引擎每天要做的，是將海量信息盡可能精確地被檢索到，海量用戶的個性化搜索需求得以滿足。
例如，搜索引擎要理解用戶的搜索需求，判斷用戶是否輸入了正確的關鍵詞，是否需要其他關聯推薦，浩如煙海的信息又應當怎樣體系化地、有關聯地，呈現在百科或是更多界面。這些繁復的需求，都要通過一個小小的搜索框來承載。
這意味著百度在信息的挖掘、分發、匹配等環節上，有著比知識管理同行更強大的技術積累。這種技術優勢騰挪到企業的知識管理上，無疑是降維打擊。
如今的百度知識圖譜包含5500億知識，并構建了龐大的“知識”網絡，能更準確去判斷員工搜索知識的意圖，推動精準知識。
而百度自研發的產業級知識增強大模型——文心大模型，因既包含基礎通用的大模型，也包含面向重點任務領域和行業的大模型，以及豐富的工具與平臺，這讓知識管理平臺能更深入產業。
此外，在搜索全面性上，百度首創推出的融合知識網絡與大模型的跨模態內容的檢索技術，讓員工在檢索知識過程中，搜索更為全面。
比如，員工在搜索框輸入關鍵詞，而搜索結果欄就能幫你把對應有關鍵詞的圖片也找到，極大豐富用戶的搜索量。
通過知識圖譜、大模型的應用，知識在組織內部被最大化地調度利用起來。
20世紀初，福特汽車拆解所有生產工序，讓汽車可以標準化、大批量生產，從而大幅提升汽車的生產效率，創造了工業時代的奇跡。
在如今的21世紀知識經濟時代，所有的商業戰爭，都是以知識為基礎的戰爭，當知識資產充分被智能化改造，當知識像流水一般，在企業組織、員工間持續高效運轉時，創新的大規模發生，也將成為一件不期而遇的事。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
