最新动态：
2025-08-08 20:32
推荐内容
夏敬华：人工智能如何支持组织的知识管理？
作者：
夏敬华
来源：
知识管理就在夏博
发布时间：
2025-05-15 11:36
人工智能 (AI) 在支持知识管理 (KM) 活动方面发挥作用的潜力正在引起人们的浓厚兴趣，AI 被确定为KM中的新兴创新概念之一。
《商业视野》学术期刊最近发表的一篇论文旨在揭示在知识管理中使用人工智能的机会。为此，论文作者 Mohammad Hossein Jarrahi、David Askay、Ali Eshraghi 和 Preston Smith 探索了三个领域：
1、人工智能在支持知识管理基本维度方面发挥的潜在作用：知识的创造、存储和检索、共享和应用。
2、在支持组织知识管理活动方面建立人类与人工智能之间伙伴关系的实用方法。
3、知识管理采用AI在“人员、基础设施和流程”维度所需的组织变革。
一、人工智能在知识管理中的潜在应用
Jarrahi 及其同事首先讨论了人工智能系统对知识管理的一些潜在影响，包括示例，如表 1 所示。其中，知识管理流程是Maryam Alavi 及其同事确定的，包括创造、存储和检索、共享和应用知识。
表 1. 不同 KM 过程中的潜在 AI 应用（来源：Jarrahi 等人，2023 年）
知识管理流程 | 利用人工智能系统创造的可能性 | 用例示例 |
知识创造 | · 通过AI能力促进预测分析 · 识别未知模式 · 筛选组织数据并发现关系 · 开发新的陈述性知识 | · 预测销售概率 · 分析 CRM 记录发现效率低下问题 |
知识存储和检索 | · 收集、分类、组织、存储和检索显性知识 · 分析和过滤多种内容和沟通渠道 · 促进团队和个人的知识重用 | · 整理并总结与新案件相关的法律先例 · 检索与故障排除情况相关的分散信息 |
知识共享 | · 通过培养弱关系和知识联系，将致力于同一问题的人们联系起来 · 促进协作智能和共享组织记忆 · 形成对知识来源和瓶颈的全面视角 · 跨组织孤岛创建更加协调、互联的系统 | · 促进通信系统（例如 Slack）的反馈和同行评审 · 促进营销渠道和销售管道之间的实时智能共享 |
知识应用 | · 通过搜索和准备知识源来增强情境知识应用 · 提供更自然、更直观的系统界面（例如基于语音的助手） · 促进平等获取知识，而不必担心报复或承担社会成本 | · 查找并应用在线手册中的问答对来管理服务知识 · 通过聊天机器人提供更加以人为本、更易于访问的知识应用 |
二、知识管理中的人机共生
尽管人工智能系统可能会渗透到整个组织知识管理的各个方面，但 Jarrahi 及其同事提醒我们，知识的生产和管理本质上是以人为本的。
因此，他们提出，知识管理中分配给人工智能的最有效角色主要是增强人类，而不是取代人类，从而实现人工智能和人类相互增强互补优势的协作智能。
图1显示了构建人机伙伴关系的一些潜在场景和切实可行的方法，并在图后进行了详细说明。
图 1 人类与人工智能在知识管理方面的共生关系
（1）个人智能助理和个人知识管理
我们通常认为人类在定义知识概念方面处于核心地位。但一种名为个人智能助理的新兴人工智能系统，也会逐步个人知识管理中占据独特的地位。
信息过载是知识工作者面临的信息环境的主要挑战之一。个人智能助理可以提供更有效的信息资源处理、过滤、分类和导航功能，帮助拓宽知识工作者的认知带宽，改变他们消化相关知识的方式。
此外，人类在塑造个人智能助理的有效性方面仍然发挥着核心作用，因为这些系统依赖于人类的反馈以及与其提供的信息的互动。
（2）专业智能与一般智能
人工智能代表着一种特殊智能，能够感知环境、从经验中学习，并根据特定任务情境创造行动的可能性。然而，一般智能仍然是以人为中心的特征。
具体而言，将知识应用于战略层面的思考和决策需要一般智能的元素，并以人类独有的远见、社交和情感智力、自我发展、想象力和好奇心等为基础。
此外，知识管理需要至关重要的判断力，这是一项以人为本的能力。最后，一般智能的核心属性是自我反省，这使得人们需要对自己在知识方面的优势和劣势有自我认识。
（3）编码与协作
信息技术的应用可以支持知识管理的两个维度：知识编码和人类协作。在编码方面，人工智能系统可以简化内容的收集、分类、分析和呈现任务，从而让知识工作者腾出时间从事附加值更高的任务。
在协作方面，人工智能技术提供了强大的能力，可以在组织内部和跨组织边界生成知识，并扩展和增强知识网络。但隐性知识的转移仍然是一种高度以人为中心的实践，过去试图将固有的隐性知识转化为显性知识并通过技术机制促进其转移的尝试都失败了。
（4）know-how、know-what与know-why
在传统的知识管理系统中，算法预先编码了人类创建的规则，并通过定义的流程将标准输入转换为标准化输出。
相比之下，人工智能系统现在可以自我学习，以开发和改进专业知识和知识内容，在处理新数据时提供更有效的输出。然而，这种自我学习使得解释人工智能黑匣子产生的推论变得困难，甚至不可能。这在医学和法律等循证领域是一个特别严重的问题，因为这些领域有明确的义务去解释人工智能系统如何权衡它们接受到的输入以提供可行建议。
因此，在制定基于人工智能推理的“知其所以然”方面，人类的作用是不可或缺的；“知其所以然”对于缓解人工智能的黑箱效应、证明决策的合理性、培养新兴人类专家以及获得组织支持至关重要。
三、知识管理采用AI所需的组织变革
多年的研究表明，要成功部署 IT，需要伴随组织变革。这些被称为组织补充。因此，Jarrahi 及其同事认为，人工智能对知识管理的价值不仅在于技术，还在于新的基础设施、训练有素的人员和重新设计的流程。这些如图 2 所示，并在图后进行了详细说明。
图 2. 知识管理采用 AI 所需的组织变革
要素1：人
·提升人类在知识管理中的水平——在人工智能实施中，人类往往是事后才考虑的因素，被视为技术人工智能系统的附属物或全面自动化的障碍。相反，Jarrahi 及其同事主张一种共生关系，既承认人类对知识工作的不可替代的贡献，又寻求重塑和提升其角色的方法。人工智能提升知识工作者水平的一种方式是通过再培训和技能提升。
·培训知识科学家——可解释人工智能 (XAI) 或神经符号学习的最新发展表明需要新的角色，例如知识科学家和数据科学家，他们收集和准备机器学习算法的训练数据集。知识科学家可以通过帮助构建代表背景知识和补充训练数据的知识图谱，为结合两种不同的人工智能策略（符号人工智能（使用更传统的方法）和统计人工智能（基于神经网络））做出贡献。鉴于他们对知识管理背景的理解以及与人工智能系统的密切互动，知识科学家至少在某种程度上也是“知其所以然”的核心。
·寻找 AI 冠军——AI 冠军可以有助于提出另一种叙事，强调增强知识工作者的能力而不是取代他们——这种叙事描述了知识工作者执行的任务类型的预期改进。AI 冠军是跨界者，他们发现特定 AI 功能与特定知识管理需求和功能之间的对应关系。虽然在某些情况下，需要雇用具有正确认知技能和分析背景的新人，但现有员工通常必须接受再培训才能担任这些新职位。
·培养人工智能素养——随着人工智能将人类执行的重复和平凡任务自动化，工人将需要学习如何与智能系统而不是人类进行交互来完成其中许多任务。人工智能素养是提高与人工智能系统交互的管理人员和员工技能的关键要素。这要求知识工作者更全面地了解他们的人工智能同行、算法能力以及新的分析、以数据为中心的技能，以帮助工人解读基于人工智能的决策。
要素2：基础设施
·准备数据——新一代人工智能之所以强大，部分原因在于当代组织产生的数据非常丰富。例如，深度学习方法需要大量的训练数据才能产生可靠的结果。因此，数据的质量和数量是深度学习系统成功的关键因素。
·促进可解释性和可问责性——人工智能技术本身也需要适应组织的推广。由于可解释性和可问责性问题，许多在学术和企业实验室开发的人工智能功能可能尚未准备好部署到知识实践中。
·开发知识图谱——利用知识的关键挑战之一是数据是实时动态生成的，而且大多数此类数据都是非结构化的。这给及时且有意义的 AI 分析带来了障碍。知识图谱是组织可以利用这些数据的一种新兴方式。它们管理业务中的关键概念、术语和实体及其关系。许多企业已经使用知识图谱进行 AI 支持的 KM。
要素3：流程
·追求相互学习——流程重新设计必须借鉴和促进人类与人工智能之间的相互学习。相互学习的设计认识到人工智能系统在管理知识方面的局限性，并促使需要不断审核和人类监督者的参与。数据化加上人工智能的使用，可能会给人一种真实知识的错误印象，但高估或过分信任人工智能的学习能力可能会阻碍这些系统对知识管理的真正价值。
·组建跨职能团队——人工智能能力本身可用于重新设计现有的组织流程。算法系统依靠跨多个部门的综合数据蓬勃发展，因此为人工智能系统提供这些数据需要整个组织的举措，而跨学科和跨职能团队可以促进这一举措。工作流程的重新设计以及确定算法建议可以增强各种知识活动的方式需要技术和领域专家之间不断的对话和协商。这样的过程不能自上而下地进行。
·为自动化和增强而重新设计——自动化不一定是人类增强的对立面，事实上可以促进增强。提升人类需要组织寻找机会通过自动化将知识工作者从繁重单调的工作中解放出来。其中一些重复性工作可以委托给智能助理。这些智能系统可以将其范围扩展到异常处理。在重新设计流程时，组织还需要同时考虑人类增强的机会。
上一页