AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


AI大模型时代,知识管理如何为企业赋能?
发布日期:2024-07-10 19:45:59 浏览次数: 2165






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:

1.1 私有大模型的应用是必然路径
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。
02

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。

2.1 KM+AI,赋能业务过程更高效
  • 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。

2.2 KM+AI,塑造让员工感知的学习型组织
  • 新人培养。通过搭建新人知识助手,将新人常见问题(考勤、流程、报销等)进行标准化问答,实现即问即答,帮助新员工快速适应新公司、新工作。

  • 智能搜索。过去查找案例、解决方案等信息,首选询问,或基于关键词进行内部搜索。对接大模型后,可基于语义进行相应搜索,可从关键词、上下文、用户历史记录、用户反馈等多方面分析用户的搜索意图,以提供更多相关联的搜索结果和信息,更加准确地满足用户需求。

2.3 KM+AI,赋能管理提效提质
  • 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。

2.4 KM+AI,赋能战略到执行可视化
  • 战略执行。企业有了战略后如何实施落地,这过程需要相应文档支撑,可针对不同阶段进行文档统一管理,比如用协同文档穿透已有的年度战略意图,用协同文档管理公司级例会纪要和任务落实等。

  • 获取数据。企业内部报表很多,内部人员查找报表,仅通过人工处理或在线查看,不能快速获取数据,这也是很多企业面临的痛点。对接数据内容后,可通过用户的指令或口语化的形式快速获取报表,比如团队业绩、销售人员合同完成情况等,帮助企业管理者进行决策。

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。



53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询