最近在餐饮圈分享AI落地的过程中,发现一个现象:越来越多的人在学AI,也在使用AI知识库协助工作。
这看起来是个好事,毕竟开始尝试比什么都重要。这也说明,哪怕是再传统的行业,对AI的态度、认知和理解也在发生改变。
从资料库到知识库
但仔细问下去就会发现,不少AI知识库,充其量还是一个资料库:里面存放各种资料,甚至在同一个库内还有不同领域的混杂内容。
这其实就等于把电脑文件夹搬进AI知识库。至少,它还是起到了检索、梳理和总结资料的作用。但如果仅停留在这里,知识库能发挥的作用就比较有限。
要理解知识库的作用,可以先看看数据、信息、知识和智慧之间的区别。
- 01 数据 Data记录具体事实、事件或观测值。对应的问题是「记录了什么?」
- 02 信息 Information把数据放回时间、对象和场景中。对应的问题是「发生了什么?」
- 03 知识 Knowledge用经验、原理和方法解释问题、指导行动。对应的问题是「怎么做,适用条件是什么?」
- 04 智慧 Wisdom结合现场约束、经营目标和可能后果作出取舍。对应的问题是「此时该怎么判断?」
如果把各种有用没用的资料统统放进知识库,它主要能帮我们整理资料,像一个智能文件夹。要让知识库进一步发挥作用,首先要让入库的资料具备「知识特征」。
也就是上图中的第三层:这些资料应能解释问题或指导行动,并能讲清楚方法、原理、限制和规则。企业经过审核的SOP和操作标准,是这类知识的常见载体。
第一层应用:检索标准
我认为,AI知识库的核心作用可以分为四层:检索标准、校准偏差、验证效果和能力沉淀。今天讲第一层。
因为放进去的SOP是经过企业审核的操作标准,所以可以把它作为检索和回答的依据。把现行版本管理好,清理混杂的无关资料,就能让员工按同一份标准核对操作,减少传统口传方式带来的理解差异。员工也需要看到标准的出处和适用范围,遇到不确定的情况时向负责人确认。
但这里有个提醒,很容易被忽视。大家有没有发现,AI有时会重复解释「为什么要这样做」,或者说如果不这样做会怎样?就像我们平时交代一件事,往往很少讲这件事的目的,因为我们以为员工已经知道这些道理。
这恰恰是一些标准执行不到位的原因。要让员工正确做事,需要让他知道两件事:一是这是他的岗位职责,二是为什么要做这件事,做得好和做不好各会带来什么影响。第二件事总是容易被忽略。企业把这些目的、规则和边界写清楚,知识库的回答也才有依据讲明白。
在使用中完善知识体系
如果这样来理解,整理企业AI知识库就很有必要。企业资料会随着经营不断增加、变化和迭代。过去靠人工逐一梳理难度很高,现在可以用AI辅助整理和标记缺项,再由企业负责人核对来源和版本。
这个过程也是重新确立标准、完善知识体系和填补空白的机会。
总结第一层的作用,员工通过AI知识库查询的是适用于当前场景的企业标准。标准除了讲清楚怎么做,还要说明为什么这样做,以及边界和限制是什么。