企业建设大模型AI应用，到底要输入什么样的知识？回答这个问题，首先要看什么是企业有效的AI应用，再来分辨要给它输入的知识内容。
先下个来自于自身经验的结论，类似下图百度这种不针对具体场景、仅作为内容检索增强的通用智能问答AI应用，在企业内网环境是基本没可能做好的。对此的解释，有且只有一个原因，就是因为没有针对到具体的场景，说不清能解决什么具体问题，仅能起到增强用户“体验”的作用，很难获得做好它所需要的投资。这体现了互联网和企业内部应用在出发点上很大的差异，互联网重视并大力投资于“体验”，因为它可以带来作为其价值基础的流量，而企业追求精准获得答案、解决具体问题的“务实”方式使得其很少为“体验”买单（这也是企业内部搜索虽然一直因不准确、找不到等问题被人诟病，但却鲜有企业投入专项预算来进行优化的原因）。在这个背景下，本来为了增强“体验”而上线的AI应用，实际结果很可能因为投入不足反而降低了“体验”(回答不准、幻觉问题严重等)，出于好心却办了坏事。
既然得不到充足投入来做通用AI应用，企业AI就一定要深入到具体的业务领域和场景，这个方向AI解决的问题更具体、价值更明确，更容易获得企业管理层的认可和投入。业务和应用场景成千上万，研发、营销、客服、内部后勤的，给了AI巨大的发挥空间，各场景也会输入不同的知识，这里寻求共性，从AI通常的两种实现形式——“对话机器人Bot”及“智能体Agent”来概括一下，主要结论参见下图。应用于特定领域和场景的对话机器人AI Bot通常承担专业参谋/助手的角色，例如客服机器人，为客户解答公司产品和服务售前/中/后的各类问题；内部后勤和人力服务等机器人，为员工解答后勤和人力等方面的专业；销售助理机器人，解答产品销售和销售技巧方法方面的问题。既然是专业参谋，对问题的回答必然是准确、清晰、可实操的，不容许错误、模棱两可、空泛等的解答，我们所知的对上面几类机器人的要求均如此，因此输入AI的知识应该是专业领域高标准化、高准确性、强实操性的精华知识，包括流程、标准、SOP、指引、Checklist、产品及服务官方资料/通用方案/统一话术等，非标准化的方案、项目成果、工作过程文档、甚至是包含经验总结的案例（其经验需要进一步提取到指引和标准等内容之中），因为会导致Bot回答不精准的问题，都不是AI合适的知识输入。
AI智能代理Agent在Bot的基础上更进一步，不仅能够解答专业问题，还能在接受相关输入信息和数据的基础上，更深入地进行问题诊断、方案策划、业务处理，承担起特定场景下的问题分析及解决方案专家角色，例如，通过与客户的多轮对话，为客户进行产品复杂问题定位、诊断和处理（Trouble Shooting）的Agent应用；通过多轮的产品信息输入，对产品推广方案进行策划输出的Agent应用等。当然，由于实现的难度大、智能化程度高，目前能真正成功在企业实际应用的Agent还比较少，但要打造出一个这样专家型的Agent，给AI输入那些标准化的知识还不够，还要输入能够“产生方案/新知识”的分析/诊断/策划规则、模型、算法，例如市场/业务洞察分析模型/算法、问题及风险诊断规则、业务方案/规划制定规则/大纲等。
需要解释的是，上述按完全独立的两类企业AI应用进行分析，得到其各自需要的知识输入，是为了易于阐述和理解所作的安排，实际上两种形式的AI应用并不是这么泾渭分明，智能代理Agent应用的展现方式不少也是Bot对话机器人。
从上面的结论，企业AI应用要输入的，一定是深入思考、提炼和总结的精华知识、或者规则、模型和算法等，虽然企业的各类资料和文档数量巨大，但是满足上述输入要求的知识对于大部分企业是相当缺乏的，这是平时对企业员工、特别资深和专家员工的业务理解和隐性知识提炼不足造成的。随着AI主导的全新时代的来临，企业要把握时代变迁带来的机会，就一定要在原有知识库、搜索对各类资讯、信息、数据、文档、资料进行查找应用的基础上，加强对精华和深度知识的提炼总结，为AI提供高质量、真正能支撑其发挥专业助手、问题及方案专家价值的知识输入，才能达成期望的目标。
粤ICP备14082021号
免费POC，
零成本试错
