主题讲座知识管理与AI的关联及应用
次阅读
生成式AI在知识管理领域崭露头角，但其局限和误区需谨慎对待。虽然AI能将非结构化数据转为结构化，但在深度知识的分析和理解上，仍有差距。企业应结合知识管理和生成式AI，有效提高管理效率，激发创新，但在整合过程中需谨守数据安全和隐私原则，确保符合伦理和法规
最近网络上偶有看到ChatGPT数学解题、AI古文解读…等报导，大家都觉得AI越来越聪明了，许多企业或许都在思考一个问题 - 「现在AI功能越来越强，公司还需要推动知识管理(KM)吗？」近期内生成式AI成为企业必须了解的趋势关键词，若是使用得宜，可让企业事半功倍、优化内部作业流程；反之，若本末导致，完全仰赖科技工具，将衍生出企业内耗、组织管理错乱等各种问题。
（延伸阅读：企业永续经营的重要关键，就是无形资产）
生成式AI的局限与误区
11月初我询问ChatGPT：「如何从桃园平镇到台中东势」，ChatGPT回答有公交车路线及火车路线两种方法，公交车路线的回答很简单，加上问路人，应该可以辗转到达；火车路线的回答：1.从平镇火车站搭台铁到台中站…，2.从台中站换往东势车站的火车…，这就出大状况了！首先，平镇火车站目前正在兴建，根本还没通车；其次，往东势的铁道早在30年前就废线了。
最近我又询问ChatGPT：「何谓改善提案？」回答得中规中矩，内容值得学习；然后我进一步再问：「日式改善提案与美式提案的不同」，ChatGPT做了条列式的组合说明，然而回答内容大部份是偏离重点的，阅读者将无法有效分辨两种制度的差异。
由上述两个例子可以得知，ChatGPT擅长将非结构化的数据转化成结构化的数据，自我学习优化的特性与速度，虽是人类无法想象的，但不全然是无懈可击、毫无缺点！因为，AI不能无中生有，能够无中生有的还是人类。
（延伸阅读：企业数字转型的成败与否，最大决胜关键点）
生成式AI与深度知识的共生之道
在当今竞争激烈的商业环境中，企业如何有效地管理和应用知识资产成为了关键的成功要素。同时，生成式人工智能（Generative AI）的崛起也为企业带来了全新的机会，使创新和问题解决更为高效。现今的生成式AI在基础知识的查询，已经可以组合出不错的答案；然而针对比较深入的问题，需要复杂分析、勾稽、解构再建构的答案，AI与人脑则还有明显落差。以知识揭露的程度来看，前者多是书本有写、学校有教且公开于网络的知识；后者则多是个人私藏或是组织未对外揭露的知识与经验。而企业组织在导入知识管理时一般都要做「知识界定」，厘清知识管理的范畴，简单来说，外部书籍及网络上查询得到的知识，应该就不劳企业组织内部再做知识管理了才是，而那些组织特有的工作经验、要领、诀窍及新知，书本及网络查不到，业界也不会公开揭露的，正是知识管理的范畴及焦点。
AI技术崛起：强化组织知识管理系统的新里程
随着AI语意辨识、搜寻、整合...的技术越来越强，AI却可以强化组织内部KM系统的应用效能。ISO30401(知识管理国际标准)的条文指出组织知识管理应包含四大课题：
- 获取新知识：若是从无到有的经验与知识产出，还是要靠知识工作者(knowledge worker) 做完知识产出的主责。
- 应用现有知识：随AI语意辨识、组合及搜寻技术的跃进将大有可为
- 保留现有知识：现今的IT技术已可以做得不错
- 处理过时或无效的知识：公司已经存在的许多许久的数据库内容需要处理，包含内容的合理性、专业性、精确性、时效性...的综合判断，短期内还是需要专业的知识工作者来对策处理，未来期待可以经由产业或组织的AI训练师来让AI发挥协作的效用。
结合知识管理和生成式人工智能是企业迎接未来的趋势之一。这种整合不仅能够提高内部知识的管理效率，还能够激发创新、解决问题，推动企业持续发展。然而，企业在整合的过程中应谨慎处理数据安全和隐私问题，确保生成式AI的应用在符合伦理和法规的前提下发挥最大效益。
文章推荐