跳至主要内容

MENTITREK INSIGHTS

企业知识库为什么存而不用

很多企业这两年都在做知识库。品牌资料上传了,SOP上传了,历史案例上传了,产品文档也上传了。但过了一段时间,老板发现:系统里什么都有,可团队真正遇到问题时,还是去问老员工、问主管、问老板。

11 分钟阅读山途远智 MentiTrek

很多企业这两年都在做知识库。

品牌资料上传了,SOP上传了,历史案例上传了,产品文档也上传了。

但过了一段时间,老板发现一个很尴尬的问题:系统里什么都有,可团队真正遇到问题时,还是去问老员工、问主管、问老板。知识库建起来了,但知识并没有真正进入工作流。

这不是个别企业的问题。这是一个系统性的困境,而且它的根源,不在技术,不在文档数量,而在一个更深的地方。


一个真正可用的知识库,要解决三件事

在深入分析之前,先把核心判断说清楚:

一个真正可用的企业知识库,至少要解决三件事:第一,知识有没有被沉淀;第二,知识能不能被检索;第三,知识能不能按业务方法被正确调用。

前两件事偏技术,市面上的工具都在做。第三件事才是最难的,也是大多数企业知识库项目失败的真正原因。

一、知识没有被激活,是普遍现象

多份企业AI落地研究都指向同一个结论:企业并不缺知识,而是缺少让知识被找到、被理解、被调用的机制。员工大量时间浪费在搜索信息和重复制造内容上,大量AI项目也停留在试点阶段,没有真正进入业务流程。

这说明问题不在"有没有知识",而在"知识有没有被激活"。

这个问题,从知识库构建的第一步就已经埋下了。

二、构建难点:大量关键知识从未被归档过

一个常见的误解是:企业知识库构建很难,难在技术。实际上,技术层面的挑战相对可控——选向量数据库、设计分块策略、接入嵌入模型、搭RAG管道,这些都有成熟方案。

真正难的,是知识本身的质量问题。这里有两个维度。

第一,大量关键知识从未被归档过。

有研究估计,企业80%的运营知识从未被写下来过。这些知识活在人的脑子里:哪个审批流程可以走捷径、遇到什么情况要升级处理、某个客户的偏好是什么、某个市场的真实规律是什么。

这类知识在知识管理领域有一个专门的术语:隐性知识(Tacit Knowledge)。哈佛商学院教授Dorothy Leonard和Sylvia Sensiper指出:隐性知识包括专家在多年经验中形成的推理模式、非正式启发法、情境感知和细微的解释技能——这些内容极少出现在手册或仪表盘上,却决定了团队如何在模糊情境中做出判断。

而且,大量机构知识是个人独有的——专门为其岗位积累,从未与他人共享。一旦这个人离职,这些知识就消失了。

第二,内部知识往往不够用,需要有权限的外部信息来补齐。

很多企业的知识库只有内部文档,缺少行业数据、竞争对手动态、渠道反馈、专家判断等外部信息。而这些信息往往不是公开可获取的,需要有特定渠道和权限才能拿到。一个只有内部文档的知识库,能回答"我们过去怎么做的",但很难回答"我们现在应该怎么做"。

三、调用难点:知识存进去了,但调不出来

假设上面两个问题都解决了——隐性知识被挖掘出来,外部信息也补进去了。知识库建好了。然后呢?

很多团队发现,系统依然"不好用"。问一个具体的业务问题,得到的是一段模糊的文字摘要;问一个需要判断的问题,得到的是几段相关文档的拼接;问一个需要推理的问题,系统要么答非所问,要么给出一个听起来合理但实际没用的答案。

这个问题的技术侧,已经有相当深入的研究。2024年,澳大利亚迪肯大学的研究团队系统梳理了RAG系统的七大失败点,涵盖检索层(找不到、排名低、被丢弃)和生成层(提取错、格式错、精度差、不完整)。

四、真正的鸿沟:缺少表达体系和方法论框架

技术问题可以通过技术手段优化——更好的分块策略、图谱化检索、结构化查询……这些方向都在快速发展。

但有一类问题,技术优化解决不了:AI不知道这些知识应该怎么被使用。

举一个具体的例子。假设一家消费品公司把所有的品牌策略文档、历史投放数据、竞品分析报告都放进了知识库。然后有人问:"这个新品上市,应该用什么投放策略?"

AI能检索到相关文档,但它不知道这家公司的投放决策逻辑是什么——是先打小红书种草再转抖音,还是直接上直播?是优先做KOL还是先跑信息流?这些判断背后,是这家公司多年积累的方法论,而不是文档本身。

这就是知识库"存而不用"的真正原因:知识被存进去了,但方法论没有被结构化。

五、山途远智的解法

山途远智在帮助企业构建MentiHub(企业专属AI大脑)时,核心工作不是"把文件上传进去",而是三个层次的深度介入:

第一层:隐性知识显性化。 通过访谈、工作坊和流程梳理,把存在于人脑中的判断逻辑、经验规则、决策框架,转化为AI可以理解的结构化知识单元。

第二层:方法论框架化。 把企业的业务方法论——怎么做内容、怎么做投放、怎么做经营分析——转化为AI的调用规则,而不只是参考文档。

第三层:外部知识补齐。 通过山途远智积累的行业数据和方法论资源,补充企业内部知识库的盲区,让AI能够回答"我们现在应该怎么做",而不只是"我们过去怎么做的"。

这三个层次缺一不可。少了任何一个,知识库都会回到"存而不用"的困境。


一个值得自问的问题

你们公司的知识库,今天有多少人在主动使用?

如果答案是"不多",问题很可能不在工具,而在知识库里存的是文件,而不是方法论。

参考资料:Barnett et al., arXiv:2401.05856, Deakin University, 2024;Dorothy Leonard & Sylvia Sensiper, "The Role of Tacit Knowledge in Group Innovation", California Management Review, 1998

FROM INSIGHT TO ACTION

从你的业务问题开始。

交流当前目标、约束与协作条件,判断值得验证的下一步。

交流业务场景 ↗