企业级AI应用将呈现哪些趋势？AI+KM如何赋能企业业务、员工、管理、战略决策？智能知识管理如何实现持续运营？爱分析网络研讨会邀请蓝凌知识管理专家为大家进行分享。本文摘录出其分享的核心内容，以飨读者。
01
企业级 AI 应用呈现3大趋势
自大模型问世以来，很多企业用户都在思考，如何将大模型应用于企业之中，帮助企业提升效率、优化体验、赋能业务。这也是我今天要跟大家探讨的问题。在这之前，我们先对AI的发展趋势进行简要的分析。结合蓝凌在项目中的实践，我们大致作出以下3点判断：
目前，众企业在应用大模型时首要所关心的就是数据、知识的安全合规、自主可控问题。相较于公有大模型，私有大模型在安全的保障上无疑更胜一筹。再者，私有大模型的参数和算力已然足以支撑内部的应用。综上判断，私有大模型的应用是必然的。
我们可以看一个实际的应用案例。该企业在今年需要进行高端的数字化服务，其作为国内数字地球产业的领军企业，属于高技术、高知识密集型企业，对知识的沉淀、管理、应用有着非常高的需求。
对于这样一家企业而言，它在服务客户时，不仅仅需要企业内部的能力，同时还需要调用第三方的外部能力。比如它在为客户提供解决方案时，需要内部员工、外部合作伙伴等的共创共探，这其中就面临非常多的数据拆解、知识协同。而在以往传统的模式下，他们并没有对数据做在线的结构化处理，处理起来非常耗时，在以往的工作流中输出一份能力清单需要 将近3 个小时。他们希望对这种情况进行调优和改善。蓝凌的切入点之一就是利用知识图谱，去做相应的数据结构化处理与能力拆解应用。此外，在有了知识内容沉淀后，如何实现快速的应用？比如，相关项目人员想知道洪水预警能力在什么项目上进行了实际应用，他想借鉴一下以往的项目经验，怎么做？光靠人工查找、回忆的时间成本很高。那我们此次合作，就基于该企业的内部知识构建了智能问答助手，结合大模型的总结提炼，帮助他们实现知识快速查找、获取的能力。再举一个应用案例。客户是一家大型的造车企业。他们所面临的痛点主要在于知识的散、乱、难，就是不同的知识存在不同的库里，各业务组、业务系统都有自己的沉淀与知识来源，统一管理、应用、经验分享非常困难。
他们携手蓝凌，以研发为核心，搭建了统一的知识平台以及研发团队协作空间。在 AI 应用上主要包括几个部分：一是构建基于大模型的知识智能搜索，方便知识的查找；二是基于研发的知识进行进一步的问答应用，构建研发助手，解决知识散乱、不成体系的难题。
此外，基于RAG能力实现了内部的新人指引。这一块主要是因为随着业务的发展，公司每年都有大量的社招和校招的新同事进来。为了更好地赋能新员工，该企业构建了“新人指引”，可以帮助新员工快速了解公司最新的介绍，以及如何处理考勤异常、请假等常见问题。系统对接了 32B 的千问模型，可进行意图分析和上下文多轮会话，响应时效和公有大模型接近。
1.2 AI 的智能深度由企业内部可用数据决定
企业内部存储了非常多的结构化数据，同时也会有半结构化、非结构化数据进入知识管理体系。如若搭建了企业内部的私有模型，在算力、参数够的情况下，需要有足量的数据支撑后续 AI 的智能应用。
1.3 企业+ AI 的核心价值点在于知识管理
大模型具有很强的语言推理能力，该优势应用在知识管理，赋能到业务上是非常好的切入点。企业级 AI 的价值点可以从知识管理切入，首先知识资产支持 AI 技术落地， AI 技术本身也可以进行更好的知识资产应用。知识管理+AI“四维赋能”
AI和知识管理都是技术工具，它们如何更好地结合，帮助企业赋能提效？蓝凌从4个层面做了思考和提炼，针对每个层面我也会给大家分享几个典型场景。
合同助手。在传统过程中，合同管理需要手动录入信息、人工审核，这个过程需要投入大量精力。在审批过程中，因为合同篇幅长，容易发生信息错漏。通过引入大模型能力，可实现合同文本的关键要素自动识别与填入。其次，还能够识别不同条款之间的矛盾点，做内部合同的整合，给出相应的智能提示和建议。
商机智能推荐。传统商机基于人工推荐从不同渠道进入企业，非常依赖商机管理人员对销售人员的判断。引入智能化能力后，可实现商机智能推荐，系统根据相关信息（如客户行业预算、业务需求等）自动匹配销售人员，进行商机和营销人员的分配，推荐智能方案。
制度助手。在传统场景中，部分制度篇幅过长，员工想找到对应答案时，要先找到答案在制度内的具体位置，翻阅到具体章节。对接大模型后，可以搭建制度问答机器人，按照所需的细节知识点快速获取答案，同时明晰答案来源，确保不会对工作造成偏差指引。
流程助手。公司内部的困扰之一在于流程繁琐，首先找到需求流程，其次，手动录入相应表单。比如员工请假，要找到流程、填写原因等。在 AI 加持下，可以通过互动形式，比如手机上语音形式发起请假，说明原因、时间，根据语义理解发起流程，并自动填写相应表单。
03
知识管理+ AI 运营推动的落地经验
知识管理是一个持久的工程。最后我想给大家分享一下知识持续运营的方法。
首先要搭建统一的知识体系，对知识资产进行统一管理，包括制度规范、业务知识、项目成果、技能、案例等，这是知识管理工作推动的基础。其次，在 AI 加持下，可以做智能知识库的搭建，通过统一的内外部支持、统一管理，赋能不同的业务场景，支撑智能创造，更好地进行企业内部赋能。具体到推动 AI 内部落地，企业可以基于内部的综合条件，比如预算、综合成本等进行考虑。若要部署私有大模型，在百亿参数规格下， 32B 的基础配置模型基本可满足需求。企业可根据内部用户数等因素进行选择。在推动 AI 产品+知识管理的数字化应用过程中，不同的阶段需求不一样。目前来看，智能搜索、不同主题的对话机器人是最为普遍、最现实的落地路径，包括把 AI 能力植入不同场景，如公文纠错、代码构建等，这些尝试都是在整个企业数字化建设基座上进行实践，需要靠不同场景的具体尝试才能得出效果。
粤ICP备14082021号
免费POC，
零成本试错
