土猛的员外

AI实施那些事01—企业知识库到底该按部门创建,还是按业务来创建?


如果你正在创建企业级的知识库,通常很快就会碰到一个问题:知识库到底怎么组织?

一般来说,最稳妥的方式肯定是按部门分。比如风险管理部一个库,运营管理部一个库,产品部一个库,科技部再来一个,也可以是一个小组一个库。知识管理可以遵循“谁拥有,谁管理,谁负责”的原则。

但等到真正做 AI 应用的时候,事情就没那么顺了。

比如,我们一家银行想做一个贷款预审批助手。它既要知道产品的准入条件,也要了解风险部的授信规则,还得参考运营部的办理流程和最新的相关制度。这些资料在好几个部门的知识库里,那这个助手到底应该用哪个库?

有一种方法是直接把这几个库都接上。如果资料不多、应用不多的时候,这么做就能解决问题。

但随着知识库越来越多、业务越来越复杂,新的麻烦也会跟着出现:风险部可能有几千份文件,贷款预审批只需要其中一部分;运营部的流程覆盖很多业务,也不是全部都适用;不同产品、不同客群,适用的条件还可能不一样。把库接上,只是让 AI 有机会找到资料。至于这件事应该用哪些资料、哪些不能用,还是得有人想清楚。而且整个部门的知识库全部开放给某个应用,不管怎么说都不是一件严谨的事情。

部门把知识管好了,和业务能把知识用好,中间其实还有一段距离。

管知识和用知识,想的不是同一件事

站在风险部的角度,建知识库时最关心的是什么?

制度有没有收齐,内容是不是准确,谁负责审核,什么时候更新,哪些人有权看。这些事情,都需要熟悉业务、掌握资料的人来负责。

但站在贷款预审批助手的角度,它关心的是另一组问题:

判断一笔业务,需要哪些条件?该参考哪些制度?办理流程是什么?有没有特殊情况?

它不会因为资料分属不同部门,就把一次业务判断拆成几次互不相干的回答。

一个客户经理要给客户解释贷款要求,他想知道的是这笔业务怎么办,而不是先研究银行内部哪个部门负责哪一份文件。

所以,企业知识管理里一直存在着两种不同的逻辑:

管的时候,按责任归属;用的时候,围绕具体的事。

过去靠人去跨部门找资料、问同事,这个矛盾还能被人的沟通能力补上。现在希望 AI 接手一部分工作,我们就得把这件事设计清楚。

如果改成按业务建库呢?

既然按部门建不方便使用,那干脆按业务建,行不行?

贷款预审批一个库,客户经理助手一个库,贷后管理一个库,合规检查再建一个库。每个应用需要什么,就把什么资料放进去。

但很快你就会发现,同一份制度,被放到了好几个地方。等制度调整了,风险部更新一遍,贷款助手那边要更新,客户经理助手那边也要更新。哪个地方忘了,就可能继续用旧内容。

再往后,每增加一个应用,都要找人重新整理一遍资料。做应用的人在忙着收集,管知识的人在忙着配合,却很难知道到底还有多少份副本在外面流转。

另一种办法,是在最开始就设计一套特别完整的分类,把部门、产品、业务、场景全考虑进去。可这又把一个很难的任务交给了知识管理员:你不仅要把今天的资料管好,还得提前猜到明年会出现哪些应用。

我觉得,这个要求有点为难人了。

业务是不断变化的。今天想做贷款预审批,明天想做营销活动助手,后天又要支持一个新的合规检查任务。

我们没必要在建知识库的第一天,就把未来所有用法都想完。

给知识两种组织方式

后来我们在AIS 里采用了“知识库+知识空间”的双层架构设计。


Image
图:知识库+知识空间的双层架构设计。

名字听起来像是多加了一层,背后的想法其实很朴素。

  • 知识库:继续负责把知识管好,风险部维护授信规则,产品部维护产品资料,运营部维护办理流程。资料该由谁审核、什么时候更新、哪个版本有效,仍然有明确的责任人。
  • 知识空间:则围绕一件具体的事,把需要的知识组织起来。

还是贷款预审批的例子。业务负责人可以建立一个“贷款预审批”空间,再由相关人员在授权范围内,把适用的产品条件、授信规则、办理流程组织进来。

这些知识有各自的来源和维护责任,又能共同服务于一个业务主题。

这跟企业做项目很像。做一个项目,需要产品、技术、运营、法务共同参与。通常不需要先把这些人都调到同一个部门,而是围绕任务建立协作关系。

知识也可以这样。

同一份制度,可以服务贷款预审批,也可以服务客户经理助手。不同业务需要的组合不一样,但没必要因此反复建设整套知识底座。

我觉得这个设计最有意思的地方,是它改变了“谁来决定、什么时候决定”。

知识管理员负责把自己掌握的知识维护好。

等到业务真的发生,再由了解这件事的人,决定需要哪些知识、应该怎样组织。

不用让管知识的人提前猜所有用法,也不用让做应用的人每次从头整理。

当然,跨部门组合也有边界。把知识引入一个空间,需要相应的授权;加入空间,也不意味着能看到来源部门的全部资料。

协作要更方便,责任和权限也得清楚。

还有个容易忽略的问题:源头更新了,业务怎么办?

说到这里,有人可能会觉得,知识空间就是把几个库里的资料引用到一起。

如果只做到这一步,还不够。

真正用起来后,很快会遇到一个问题:源头的知识更新了,正在使用它的业务,要不要立刻跟着变?

直觉上,当然是越新越好,但实际业务里,得看情况。

查询今天的产品价格,需要使用当前生效的价格。价格已经调整了,还给客户报旧价,肯定有问题。

可如果是在复盘一个已经结束的项目,我们需要保留当时的合同、需求和技术规范。拿今天的版本替换掉历史依据,反而没法解释当时为什么那么做。

还有一些制度调整,带着生效日期和过渡安排。正在办理的业务适用哪一版,需要根据规则判断,不能只看哪个文件更新得晚。

因此,知识空间还需要明确自己与源知识之间的关系:是保留当时的副本,是固定一个版本并接收变更通知,还是跟随当前有效的最新版。


Image
图:知识空间

这个选择背后,是业务对稳定性、时效性和追溯的不同要求。

这里当然不是让业务人员自行决定要不要遵守新制度。恰恰相反,是要把制度的适用范围、生效时间和切换责任落到具体业务里。

知识在源头更新了,哪些业务会受影响,谁要确认,什么时候切换,都应该有章可循。

这样,知识才算真正进入了业务,而不只是被放进了另一个文件夹。

建知识库,不必一次解决所有问题

这些年做企业知识库,我越来越觉得,很多建设上的纠结,是因为我们想让一套结构承担太多任务。

既要方便部门维护,又要适合各种业务使用;既要长期稳定,又要随时适应新应用。

最后,分类越分越细,目录越来越复杂,使用的人却还是不知道该去哪里找。

把管理和使用分成两个层次,事情反而容易理顺。

先让每份知识有明确的维护者,再让业务围绕自己的任务组织知识。底层相对稳定,上面的使用方式可以不断变化。

这个思路也不只适用于 Agent。

新员工培训、客户项目交付、营销活动准备,都需要跨部门组织资料。人需要这样的工作环境,AI 也需要。

这也是我们设计知识空间时最想解决的问题:让已经沉淀下来的知识,更容易进入正在发生的工作。

谁掌握知识,谁负责把它维护好;谁要把事情办成,谁来组织需要的知识。

至于企业知识库到底该按部门建,还是按业务建,我现在的答案是:给这两件事,各自合适的位置。

以往文章:

AI 坐上主驾驶位之后,企业真正要补的是什么?

一家大型企业有几十万份文档,究竟应该怎样交给AI?

RAG问答和Agent的区别和各自适合的应用场景你知道吗

为什么 AI 落地实施越来越像一项咨询工作?

你们的企业AI项目真的跑出真正的价值了吗?了解一下知识工程这个隐性共识