用人工智能提升公司知识水平
(
概念
Fuzzy Khosrowshahi 首席技术官 概念
几个月前,我们的首席执行官伊万-赵(Ivan Zhao)要求我们提供有关即将推出的特定产品的最新情况。
我做了我经常做的事情:我钻进了杂草丛生的地方,花了大量时间搜索 Notion页面,滚动浏览消息,并手动编译来自工程团队领导的更新。我满怀自豪地汇报了我的发现。
与此同时,Notion 的联合创始人兼首席产品官 Akshay Kothari 也对同样的问题进行了回复,但他并没有进行数小时的研究,也没有向他的团队询问最新情况,而是简单地问 Notion Al:"该功能何时推出,质量会不会很高?"Notion Al 给 Akshay 的回复是一份全面、有见地的总结--老实说,比我花了几个小时研究的内容要好得多。
可以说,这是一个令人谦卑的时刻。
这是我第一次直接体验到人工智能(AI)在改变我们组织内知识管理方式方面的潜力。
从那时起,在研究任何东西之前,我都会先询问人工智能。事实上,在最近一次访问日本时,我甚至使用了 Notion AI 来帮助我制作关于 Al 的主题演讲。
Notion的人工智能为我的演示节省了几个小时的时间,更重要的是,我能够利用Notion所有专家的知识,而无需实际麻烦团队中的任何专家。
Notion艾尔简单地阅读了他们发布的所有网页,并提供了我需要的所有内容。
在当今的工作场所,信息丰富,但往往被埋没或孤立,因此,快速获取、组织和理解知识的能力是企业脱颖而出的关键。
这是为了释放我们团队的潜力,让他们能够专注于真正重要的事情:提出新颖的想法,更快地做出更好的决策。
本报告的研究结果清楚地表明,无论您是要应对分散数据带来的挑战,还是要让每个人都站在同一起跑线上,Al 都是您必须具备的竞争优势。
但不要相信我们的一面之词。Pinecone Systems Inc.公司及其人工智能工具等客户正在分享拥有强大的人工智能工具所带来的影响。
Pinecone 的人事团队求助于 Notion 建立了一个由 Notion Al 支持的公司维基,并在整个组织内迅速推广,每个团队都将他们的工作和知识集中到 Notion 中,作为他们的核心信息源。
"Pinecone 的销售主管 Jake Kokos 说:"我们已经提升了销售流程,""从不同工具和通信渠道之间的零星信息共享,到将所有知识组织到一个地方的复杂系统,[]每个人都可以更有效地利用 Notion Al 的强大功能。
在阅读本报告时,请思考人工智能如何帮助您和您的团队从知识中获得更多。我们正处在一个令人兴奋的转变之中,在这个转变中,我们可以利用人工智能的力量,使我们的合作方式发生真正的改变。
我再也不用花几个小时翻阅无穷无尽的文档来更新状态了。我的团队也会因此而更加快乐!
用人工智能提升公司知识水平
一个团队因为没有集中存储项目文档的系统而错过了最后期限,导致反复沟通不畅和工作重复。一家初创企业因为无法有效捕捉和利用创意而在竞争中败下阵来。
一家咨询公司由于未能实施一套系统来收集和分享过去项目的经验教训,导致客户满意度下降,结果一错再错。听起来耳熟吗?
尽管是假设,但这些挑战都是组织知识管理不善造成的后果,而组织知识可以说是公司最宝贵的资源。
从完成工作所需的流程和程序,到技术专长、客户洞察、最佳实践、日常任务、路线图等等,这些都能让公司步入正轨,因此,记录、保存和获取组织知识对于企业的成功至关重要。
幸运的是,人工智能(AI)的出现可以帮助企业更好地利用这一关键资源。
哈佛商业评论》分析服务公司于 2024 年 5 月对《哈佛商业评论》的 474 名读者进行了一项调查,这些读者都熟悉所在组织关于组织知识的决策,调查结果显示,这些受访者绝大多数都认识到,组织必须很好地管理( 97%97 \% )和利用( 97%97 \% )其组织知识,并从中创造价值( 96%96 \% )。
"信息与知识讲师卡特里娜-普格(Katrina Pugh)说:"知识管理就是要创造能力,纵观企业的方方面面,打破孤岛,弥合差距,发现真知灼见。
要点
97%97 \% 的受访者同意,企业必须很好地管理其组织知识,但同意其组织确实这样做的受访者却少得多,仅占 44%。
86%86 \% 的受访者同意,使用人工智能(AI)可以使组织知识管理变得更容易。
3%3 \% 说他们的组织目前使用 Al 进行知识管理。
由于四舍五入的原因,本报告中的某些数字相加可能不等于 100%100 \% 。
图 1
执行知识管理
企业成果喜忧参半
请评定您同意或不同意以下声明的程度。
◻\square 有点或非常不同意 ◻\square 既不同意也不反对 ◻\square 有点或非常同意
基数:470 至 474 名受访者;因行而异,不包括 "不知道 "的受访者。
对于有 0%的人选择 "既不同意也不反对 "的表述,则不显示该选项。
资料来源:《哈佛商业评论》分析服务调查,2024 年 5 月:哈佛商业评论》分析服务调查,2024 年 5 月
纽约哥伦比亚大学专业研究学院的战略。
然而,调查发现,企业在执行这些优先事项方面的结果喜忧参半。只有不到一半的 (44%)(44 \%) 受访者认为他们的组织能够很好地管理组织知识,而大约一半(51%)的受访者认为他们的组织能够很好地利用组织知识。图 1 同时,55% 的受访者认为他们的组织能够利用组织知识创造价值。
知识管理不力会阻碍决策,导致业务绩效低下。
如果知识分散零乱,信息在互不关联的应用程序和系统中记录和存储,员工就会发现在需要时查找所需信息既困难又耗时。
结果,合作停滞不前,团队不协调,决策缺乏依据,导致生产率和员工满意度降低,创新速度减慢,产品可能质量低劣。
这种低效是企业失去竞争优势的原因,也是一个难以解决的问题。
进入人工智能。人工智能正越来越多地帮助企业克服知识管理方面的挑战。
现在,团队可以立即从各种数据源创建和检索知识,发现和浮现有价值的见解,更快地查找、访问和创建相关信息,从而提高工作效率、创造力、协作、决策和创新能力。
虽然许多受访组织都是早期采用者和创新者,但在大型组织中,知识差距可能更加明显。
本调查涵盖了处于不同发展阶段的企业,报告中所述的见解也为更成熟的组织指明了前进的方向。
企业要充分利用知识管理的潜力,就必须重新审视其知识管理解决方案、技术和流程,包括人工智能的使用,以克服其中的一些挑战。
本报告将探讨这些问题,并介绍具有前瞻性思维的企业目前如何将人工智能用于知识管理、采用人工智能的障碍、如何评估正确的人工智能解决方案,以及这些企业在应用该技术方面取得的成功。
"Tomo Real 营销副总裁 Will Begeny 说:"如果你开始将知识视为自己的资产,那么你就可以将其复合化,并在此基础上不断发展。
该公司是一家位于康涅狄格州斯坦福德的抵押贷款金融科技公司。"然后,它本身就成为一种资产。它成为你的秘诀"。
知识管理有待改进
企业创造和收集不同类型的知识。显性知识是企业在日常工作中使用的工具和系统内创建的信息。
这些信息包括文件、包含项目详情和客户信息的数据库、手册、程序、政策和报告等。
另一方面,隐性知识包括更多主观信息,如工人获得的技能和经验。有时,这些知识只储存在工人的头脑中。
当零散的知识来源增加了查找信息和从中创造价值的难度时,就会产生复合效应。
"AJ Rhem & Associates 是一家位于芝加哥的信息系统咨询、培训和研究公司,该公司的首席执行官兼首席顾问 Tony Rhem 说:"知识管理就是要确保所有这些知识--包括显性知识和隐性知识--都能被收集起来,并为每个人所用。
"加在一起,这就是贵组织的知识资本。遗憾的是,许多公司并没有制定有凝聚力的计划来充分利用这些知识"。
调查显示,企业目前在知识管理方面面临着多项挑战。 73%73 \% 的受访者提到的第一大挑战是知识来源零散/分散,比第二大挑战无法快速找到信息(53%)高出 20 个百分点,其次是知识资产的价值未得到开发( 49%49 \% )。图 2
Parloa 是一家位于柏林的软件公司,为客户服务提供对话式人工智能平台,随着初创公司的快速发展,它经历了许多这样的挑战。这家成立于 2018 年的公司一直依赖文档管理系统来管理文件。
IT 和信息安全管理部门负责人 Karim Dasouki 说,不久之后,这一过程就变得混乱不堪。
"他说:"我们以前的文件管理流程耗时且往往效率低下,有时会妨碍我们及时向客户提供所需最新信息的能力。
"认识到这一点后,我们实施了一个简化的解决方案,现在可以确保我们的团队即时访问最新的经批准的文件,大大提高了我们的效率和客户互动"。
同样,总部位于悉尼的宠物食品制造公司 Lyka 的业务运营高级助理詹姆斯-马洪(James Mahon)说,在应用基于人工智能的新工具来更有效地集中和管理这些系统、工具和知识之前,他的公司一直在与分散的文档管理系统、协作工具和知识作斗争。
"我们是在各自为政的情况下工作的。我们正在使用的软件对于单独的任务来说非常好,但在实际共享和访问信息时,这绝对是一个难题。
图 2
知识管理的挑战
知识来源分散且各自为政是首要障碍
贵组织在知识管理方面遇到哪些挑战(如果有)?请选择所有适用选项。
73%73 \%
零散/分散的知识来源
53
无法快速查找信息
49
未开发的价值(即没有从我们的知识资产中获取足够的价值)
46
技术/数据基础设施问题
46
领导层不重视知识管理
46
合作/信息共享困难重重
44
难以掌握如此多的信息
40
员工对知识管理的抵触/采用率低
36
知识管理的投资回报率不明确
26
预算限制
21
信息安全/隐私问题
5
其他
基数:474 位受访者。未显示:0%"无",O%"不知道"。
资料来源:《哈佛商业评论》分析服务调查,2024 年 5 月:哈佛商业评论》分析服务调查,2024 年 5 月
"这些工具并不是为扩大规模而设计的,而且
我们到了
增长,并认识到知识
需要为管理提供动力
通过软件而不是点击
肩膀上的人。我们需要
一个可以容纳所有
将信息集中在一个地方,并成为
詹姆斯说
马洪,业务运营高级主管
Lyka公司的合伙人。
"这些工具并不是为扩大规模而设计的,当我们发展到一定程度时,我们意识到知识管理需要由软件来驱动,而不是靠拍别人的肩膀。
Lyka 业务运营高级助理 James Mahon 说:"我们需要一个解决方案,将所有信息集中在一个地方,并成为真相的核心来源。
噩梦,"Mahon 说。"这些工具并不是为扩大规模而设计的,当我们发展到一定程度时,我们意识到知识管理需要由软件来驱动,而不是靠拍别人的肩膀。
我们需要一个解决方案,将所有信息集中在一个地方,并成为真相的核心来源。
企业在技术选择方面遇到的挑战并不少见。受访者报告了他们的组织在使用目前用于知识管理的数字工具时遇到的几个问题。
其中最主要的问题是必须使用一种以上的工具来查找信息(60%)、知识难以查找/组织不善(59%)、工具不能与其他数字系统/工具很好地集成( 52%52 \% )以及文档管理不善( 47%47 \% )。
不合适的技术解决方案是 Parloa 和 Lyka 面临知识管理挑战的基础。在 Parloa,技术限制了组织的潜力,IT 和信息安全管理主管 Dasouki 说。
"文件的所有者是谁,谁控制着文件,文件是准确的还是过时的,这些往往都不清楚"。文件缺少明确说明这些信息的标签。
业务运营高级助理 Mahon 说,作为一家初创公司,理论上 Lyka 的优势在于能够比大型竞争对手更加灵活。
"他说:"但是,如果我们不能更快地做出决策,我们就无法与资金更雄厚、历史更悠久的现有公司竞争。"对我们来说,当务之急是找到一种既能更快地做出决策,又不影响信息准确性的方法。
这些挑战对各组织的影响是,它们目前的知识管理方法缺乏成功经验。
调查显示,不到一半的受访者表示,他们的组织在组织知识管理的每个步骤上都取得了中等或非常大的成功,这些步骤包括:组织知识资产( 36%36 \% )、利用组织知识创建新内容(40%)、在整个组织范围内共享知识(43%)、利用组织知识(44%)以及获取和存储知识资产(46%)。
不出所料,当受访者被问及在选购数字知识管理工具时,什么功能或品质对他们的组织来说最重要时,他们选择了多种选项,但排在前三位的是知识易于查找/组织良好的解决方案(43%)、易于使用/用户友好的工具( 41%41 \% )以及易于与现有数字系统/工具集成的工具(38%)。
"这些都是当今的挑战,其实并不奇怪。系统支离破碎。知识各自为政。人们要花很长时间才能找到他们想要的东西,"哥伦比亚大学的 Pugh 说。
"但是,人工智能的可能性以及它与知识管理的结合方式是如此令人兴奋,它能帮助我们更好地与知识、彼此之间以及与客户进行互动。这里大有可为"。
探索知识管理的 Al
对于面临知识管理战略和工具挑战的组织来说,人工智能正在成为一种变革性资产,同时也在通过组织知识寻求竞争优势。
调查发现,如今绝大多数人似乎都了解人工智能在知识管理方面的潜力。88%的人认为,使用人工智能可以使从现有知识中创建新内容变得更容易; 87%87 \% 的人认为,使用人工智能进行知识管理可以从组织的知识源中提取更多价值; 86%86 \% 的人认为,使用人工智能可以使组织知识管理变得更容易。
尽管如此,由于人工智能仍处于相对初级阶段,调查发现采用人工智能进行知识管理的比例较低。仅有 3%3 \% 的受访者表示,他们的组织目前正在将人工智能用于知识管理,而 17%17 \% 的受访者表示,他们的组织正在试行或处于将人工智能用于知识管理的早期阶段。图 3 大约四分之一(24%)的受访者表示,他们的组织正在探索/考虑将人工智能用于知识管理。其他大多数组织尚未将人工智能用于知识管理: 16%16 \% 表示他们的组织已经考虑将人工智能用于知识管理,但目前还没有向前推进; 30%30 \% 还没有考虑将人工智能用于这些目的;10%的人不知道他们的组织目前对使用人工智能的立场。
AJ Rhem & Associates 的 Rhem 说,采用率低并不能反映出潜在的好处。"各组织刚刚开始探索如何将人工智能用于知识管理。这仍处于早期阶段,"他说。
"人工智能在企业的许多应用领域都具有巨大的潜力,知识管理也不例外"。
Remote Technology Inc.是一家总部位于旧金山的全球人力资源平台,帮助公司招聘和管理团队。
远程,顾名思义,是一个完全远程的组织,在世界各地有 1,500 多名员工。
文档和内部沟通合作伙伴肖恩-斯坦利(Sean Stanley)说,去年,该组织开始使用知识管理平台内置的人工智能工具,利用现有知识创造新价值。
举一个使用案例:如果客户要在 8 月份从德国搬到葡萄牙工作,Stanley 会要求人工智能查看德国和葡萄牙的知识库,并强调潜在的风险和不确定性。
图 3
应用人工智能
各组织正处于探索和采用 Al 进行知识管理的早期阶段
以下哪项最恰当地描述了贵组织在使用人工智能进行组织知识管理方面的现状?
我的组织...
30%30 \%
尚未考虑使用 Al 进行知识管理
16.
曾考虑使用 Al 进行知识管理,但目前还未着手使用
24.
正在探索/考虑使用人工智能进行知识管理
17
正在试点/处于使用人工智能进行知识管理的早期阶段
3
目前是否使用 Al 进行知识管理
10.
不知道
基数:474 位受访者。
资料来源:《哈佛商业评论》分析服务调查,2024 年 5 月:哈佛商业评论》分析服务调查,2024 年 5 月
%్య?
"AJ Rhem & Associates 公司首席执行官兼首席顾问 Tony Rhem 说:"Al 在企业的许多应用领域都具有巨大的潜力,知识管理也不例外。
当月搬家的注意事项。他说,人工智能工具会返回一个答案,其中可能会强调哪天是节假日,以及某些许可办公室可能何时关闭,从而表明这些日期可能不是最合适的搬家时间。
斯坦利还利用人工智能工具为招聘生成国家指南。例如,远程团队的成员可能会提示该工具在公司的国家知识库中查找,并为来自西班牙的员工创建斯堪的纳维亚国家的入职指南。
虽然该指南可能需要一些手工编辑才能完善,但这是一个良好的开端。"他说:"这改变了游戏规则,节省了大量时间。
"你可以告诉人工智能要看什么、忽略什么、给你什么,并在顷刻间得到你可以利用的东西,这真的令人难以置信"。
在表示正在将人工智能应用于知识管理的受访者中, 72%72 \% 将提高工作速度/效率作为其组织希望实现的首要业务成果。图 4 这一回答远远超过了受访者提出的其他首要业务成果,包括改善客户体验( 38%38 \% )、改善员工体验(37%)和提高工作质量( 33%33 \% )。
总部位于费城的数据转换公司 dbt Labs Inc. 的高级解决方案架构师 Ernesto Ongaro 说,该公司在其知识管理平台中使用人工智能层,利用组织的知识创建新内容。
现场工程团队已开始使用人工智能层来编写与客户互动后的解决方案简介。
"Ongaro 说:"你为客户解决了一个问题,然后你想写下来,让其他客户也能得到帮助,但你只有一套笔记,还有其他五个客户在等着你回答他们的问题。
"您可以快速地将零散的笔记扔给人工智能,让它写一篇解决这个问题的知识库文章,并解释如何解决这个问题。人工智能会负责构建
图 4
知识管理人工智能所需的成果
各组织都在追求更快的工作速度和更高的工作效率
贵组织最希望通过使用 Al 进行知识管理实现哪些业务成果?最多选择三项。
72%
提高工作速度/效率
38.
改善客户体验
37 DOLOD
改善员工体验
33.
更高质量的工作
31
更多创新/创造
26
改进产品/服务
22.
加强合作
不知道
1
没有具体目标
基数:有 208 个组织正在使用、试用或探索/考虑使用 Al 进行知识管理的受访者。
资料来源:《哈佛商业评论》分析服务调查,2024 年 5 月:哈佛商业评论》分析服务调查,2024 年 5 月
文章,并完成反馈回路,将其反馈到系统中,这样人们就能更快地找到它,并将其推广到面向客户的资产中。
调查显示,在将人工智能用于知识管理方面,撰写和编辑内容似乎是最有价值的用例, 40%40 \% 的受访者提到了这一点。其他对组织最有价值的用例包括综合研究( 36%36 \% )和通过创建议程、摘要和行动项目等方式改进会议(31%)。
在 Lyka,营销团队使用人工智能工具来模拟审批把关人的角色。Lyka 的 Mahon 说,例如,在使用人工智能之前,公司内部的兽医需要手动审批营销帖子,以确保信息与事实相符。
为了绕过这一步骤并减轻兽医的工作量,营销团队在其知识管理平台上创建了一个页面,上面有之前批准的所有数据点、未批准的数据点以及原因。
通过这些数据,团队可以向人工智能工具查询新的营销内容,询问它是否会获得内部审核人员的批准,如果不会,原因是什么。
"Mahon说:"这为决策节省了大量时间,因为我们的内部兽医可以更合理地利用自己的专业知识,集中精力为公司创造知识。
"与此同时,我们的营销团队可以更快地做出决策,因为即使是凌晨 2 点,或者即使兽医正在休年假,他们仍然可以获得所需的批准。"
知识管理的挑战
虽然在知识管理中使用人工智能的好处显而易见--更快地检索知识、发现新见解、更快地做出决策以及提高生产率等等--但企业在使用人工智能时确实会遇到一些障碍。
其组织尚未考虑或尚未推进将人工智能用于知识管理的受访者表示,首要障碍是缺乏具备必要技能的人才来带头使用人工智能(45%),其次是当前的 IT/数据基础设施没有做好将人工智能集成到知识管理中的准备(43%),不清楚人工智能可如何改进知识管理(41%),以及数据隐私/安全问题( 41%41 \% )。
联合首席执行官阿德南-汗(Adnan Khan)说,Viva 是一家总部设在多伦多、团队分布在全球各地的远程行政助理服务公司,它希望在知识管理流程中嵌入人工智能,但团队中没有专门的人工智能专家。
Khan 说,公司并没有聘用具备这种技能的人,而是在内部培养人才。
"他说:"我们确定了早期采用者,并为他们提供学习资源和自主实验空间。"在我们的案例中,我的行政助理就是早期采用者之一。
她在利用人工智能创建新流程文档和培训模拟方面发挥了关键作用。他说,更加重视对人工智能感兴趣的人才,而不是招聘高级技能人才,帮助 Viva 克服了这一障碍。
Khan 补充说,数据基础设施没有做好整合人工智能的准备,这也是一个限制因素。随着企业开始探索人工智能在知识管理方面的可能性
管理,他建议他们开始对工具进行定期审核,以确保有足够的集成可以随着时间的推移而扩展。
此外,还应大力强调数据管理,包括所有工具的高数据质量,以便更轻松地进行人工智能集成。
dbt Labs 的 Ongaro 说,数据是人工智能的关键。为人工智能准备组织数据是一个费力的过程。
"这里没有太多捷径可走,但首先要有记录一切的文化"。该公司使用了一个集中式知识管理平台,这使得数据采集过程和人工智能集成变得更加容易,因为大部分知识都被采集并存储在一个地方。
"没有丰富的知识库,人工智能就无法发挥作用,这就是为什么你需要首先考虑数据采集,然后再考虑人工智能。
"如果你没有数据采集的文化,也许你可以从一个小部门开始,将其作为一个例子,向组织的其他部门展示将知识集中在一个地方的价值,然后让人工智能对其进行查询。
人们可能不会相信你,直到他们真正看到这将如何让他们的工作变得更轻松"。
调查发现,企业对其组织的知识访问是否集中的看法相对不一,47%的企业表示其组织有一个中央平台,可以访问其生产力应用程序(文档、项目、任务等)中生成的组织知识,52%的企业表示其组织没有这样的平台。
Mahon 强调说,在整合人工智能时,知识管理中的数据采集和文档编制至关重要。"作为一家垂直整合的公司,我们有很多不同的事情要做,有很多专业人员,但他们不会各自为政。
他说:"对我们来说,收集所有这些信息非常重要,更重要的是,能够与其他人分享这些信息。
"我们有更大的机会来控制端到端的流程,但这也意味着我们需要更加严格地确保收集到的每一件物品都与更广泛的系统相连接"。
知识管理中 Al 的未来
人工智能正在以多种方式应对知识管理这一长期挑战,这让一些组织信心倍增,他们正在开拓新的应用,以进一步改进组织管理、使用所有知识并从中创造价值的方式。
Tomo 营销副总裁贝格尼说,Tomo 正在探索如何利用人工智能更好地解读分析结果和信号。"我们希望通过查询数据来回答一个非常具体的问题,比如'我们看到下班后的入站量减少了。
为什么会出现这种情况?我们可以做 50 种不同的交叉分析来找出原因,"他说。
"如果你没有数据采集的文化,也许你可以从一个小部门开始,将其作为一个例子,向组织的其他部门展示将知识集中在一个地方的价值,然后让 Al 对其进行查询。
dbt Labs 公司高级解决方案架构师 Ernesto Ongaro 说:"人们可能不会相信你,直到他们真正看到它如何让他们的工作变得更轻松。
摘要
"人工智能可能会说,'实际上,这是因为你在这个时区的来电指数过高'。'但要我们将其解码到这种程度,这不是我们自己能做到的。"Viva 的可汗说,他的远程行政助理公司正在积极地从内部数据中获取新的见解。
"当你考虑组织知识时,第一步就是收集知识。
下一步就是要想办法让企业能够非常容易地访问这些数据,并利用这些数据做出更好的决策。Ongaro说,dbt实验室正在研究如何将静态数据(即已经创建的知识)与动态数据(即计算机网络中不同位置之间正在传输的信息)结合起来。
"他说:"例如,我会问人工智能:'告诉我我们在产品中推出的最近三个功能,并告诉我采用这些功能的客户比例是多少。
"我们在一个地方掌握了事实,在另一个地方掌握了背景,现在我们需要将它们编织在一起。这样才能进行更丰富的对话,为客户提供更好的服务"。
采取行动
当企业开始探索人工智能知识管理、审查解决方案并实施这些技术时,他们应该牢记几条建议。
为如何获取知识制定标准。Mahon 说,由于人工智能需要良好的数据,因此企业必须对如何收集和记录知识严格把关。"现实情况是,要建立 [AI] 需要大量文件。记录是痛苦的,但当你
"艾尔在知识管理方面的潜力真是无穷无尽。Lyka 的 Mahon 说:"它为我们的决策节省了大量时间,我们看到了巨大的效率提升,这将帮助我们更快地做出决策。
从长远来看,实际上可以提高效率,这就证明了投入时间所产生的初始人工成本是合理的"。
了解局限性。Dasouki 说,虽然人工智能在提高效率和速度方面有着巨大的潜力,但它在很大程度上还处于发展阶段。"他说:"你的组织、你的产品和你的内部运营的情况可能真的会在几个月内发生变化。
"这就是为什么你需要确保所有数据都是最新的。如果不这样做,就很难保持准确性,这可能会导致大问题。
他补充说,组织应考虑任命政策倡导者,负责文件的持续改进和维护,以确保文件的准确性和时效性。
Parloa 任命了部门政策负责人,由他们在文件上传到知识管理数据库之前进行审批。
了解业务案例。Rhem 说,企业需要考虑为什么他们对使用人工智能进行知识管理感兴趣。"每个人都想要这个闪亮的新玩具,但你是否真的有使用它的商业案例?你希望这些系统执行什么任务?
他问道:"您希望从中获得哪些具体好处?"您需要一个完整的大型语言模型应用程序吗?你是否需要在内部构建?
你需要先了解人工智能能为知识管理带来什么,然后再跃跃欲试。
任命一位人工智能倡导者。企业不仅需要一个了解人工智能技术方面的人,还需要一个了解道德方面的人。"你需要了解人工智能的道德影响,尤其是在知识传递方面,"Rhem 说。"它在访问哪些数据?
是否应该访问这些数据?如何知道数据是否准确?是否存在偏差?你应该有一个有资格回答这些问题的主题专家"。
Remote 公司的斯坦利说,公司应制定标准和战略,详细说明文件所有权;如何组织数据;如何编辑、删除或复制知识;如何遵循知识管理流程和程序;以及谁有权访问哪些知识。
这些标准将指导人工智能如何搜索知识,以及在某些情况下可以访问哪些数据。
分享成功。斯坦利说,展示员工利用人工智能进行知识管理的实际用例。"鼓励人们分享他们的经验。
人们想知道,你是如何从一个软件中提取一个大文件,通过人工智能运行,然后人工智能修复了它。分享成功经验可以展示人工智能如何解决具体问题和改进流程,验证对人工智能的投资,并提高采用率。
知识发现之路
管理组织知识--从流程和程序到客户洞察、员工专业知识、最佳实践等等--是一项至关重要的工作。
如果做得有效,就能加强决策、提高效率和生产力、支持创新并提供竞争优势。
要实现这些优势,就必须克服一些共同的挑战,包括知识来源零散无序,以及难以及时找到信息。
这些挑战导致决策缓慢、缺乏信息、生产率下降、创新迟缓和流程效率低下。
但是,通过使用人工智能,企业正开始彻底改变知识管理。
他们正在使用它来显示信息,帮助员工更高效地完成工作,更快地创建更相关的知识,并改善客户和员工体验。
"人工智能在知识管理方面的潜力有多大,真的无从说起,"Mahon 说。"它为我们节省了大量的决策时间,我们看到了巨大的效率提升,这将帮助我们更快地做出决策。
探索人工智能知识管理的企业应该意识到可能会阻碍采用和成功的障碍。企业应确保拥有熟练掌握人工智能的人才,或确定有兴趣成为专家并能领导这项工作的人才。
此外,还有基础设施方面的挑战,以及需要更好地了解实施人工智能工具的商业案例。
"我们很快就会看到,人工智能正在成为知识管理和知识管理解决方案的主要内容,"Rhem 说。"这可以为公司带来巨大价值,提高员工的工作效率。"
哈佛商业评论》分析服务部于 2024 年 5 月通过在线调查对 474 名《哈佛商业评论》受众进行了调查。
如果受访者熟悉所在组织关于组织知识的决策,包括该组织可能使用或可能不使用的任何知识管理工具,则有资格完成调查。
组织规模 |
资历 |
行业 |
工作职能 |
地区 |
25% |
20% |
12%12 \% |
16%16 \% |
61% |
10,000 名或以上员工
10,000 or more
employees| 10,000 or more |
| :--- |
| employees | |
行政管理/
Executive
management/| Executive |
| :--- |
| management/ | |
制造业 |
一般/执行管理
General/executive
management| General/executive |
| :--- |
| management | |
北美 |
|
|
11%11 \% |
|
16%16 \% |
27% |
|
教育 |
16% |
欧洲 |
1,000-9,999 |
43% |
|
人力资源/培训 |
|
员工 |
高级管理层
Senior
management| Senior |
| :--- |
| management | |
11%11 \% |
|
12% |
11%11 \% |
|
政府/非营利
Government/
not-for-profit| Government/ |
| :--- |
| not-for-profit | |
9%9 \% 行政管理
9%
Administration| $9 \%$ |
| :--- |
| Administration | |
亚太地区 |
500-999 |
24% |
|
|
|
员工 |
中层管理人员
Middle
management| Middle |
| :--- |
| management | |
9% |
所有其他功能
小于 9%9% 每个。
All other functions
less than 9% each.| All other functions |
| :--- |
| less than $9 \%$ each. | |
6% 中东/非洲
6%
Middle East/Africa| 6% |
| :--- |
| Middle East/Africa | |
37%37 \% |
|
金融服务 |
|
|
50-499 |
13% |
|
|
5%5 \% |
员工 |
其他年级 |
9%9 \% 技术
9%
Technology| $9 \%$ |
| :--- |
| Technology | |
|
拉丁美洲 |
|
|
所有其他部门均低于 9%。
All other sectors
less than 9% each.| All other sectors |
| :--- |
| less than 9% each. | |
|
|
Size of Organization Seniority Industry Sectors Job Functions Regions
25% 20% 12% 16% 61%
"10,000 or more
employees" "Executive
management/" Manufacturing "General/executive
management" North America
11% 16%
27% Education 16% Europe
1,000-9,999 43% HR/training
employees "Senior
management" 11% 12%
11% "Government/
not-for-profit" "9%
Administration" Asia Pacific
500-999 24%
employees "Middle
management" 9% "All other functions
less than 9% each." "6%
Middle East/Africa"
37% Financial services
50-499 13% 5%
employees Other grades "9%
Technology" Latin America
"All other sectors
less than 9% each." | Size of Organization | Seniority | Industry Sectors | Job Functions | Regions |
| :---: | :---: | :---: | :---: | :---: |
| 25% | 20% | $12 \%$ | $16 \%$ | 61% |
| 10,000 or more <br> employees | Executive <br> management/ | Manufacturing | General/executive <br> management | North America |
| | | $11 \%$ | | $16 \%$ |
| 27% | | Education | 16% | Europe |
| 1,000-9,999 | 43% | | HR/training | |
| employees | Senior <br> management | $11 \%$ | | 12% |
| $11 \%$ | | Government/ <br> not-for-profit | $9 \%$ <br> Administration | Asia Pacific |
| 500-999 | 24% | | | |
| employees | Middle <br> management | 9% | All other functions <br> less than $9 \%$ each. | 6% <br> Middle East/Africa |
| $37 \%$ | | Financial services | | |
| 50-499 | 13% | | | $5 \%$ |
| employees | Other grades | $9 \%$ <br> Technology | | Latin America |
| | | All other sectors <br> less than 9% each. | | |
关于我们