主題講座知識管理與AI的關聯及應用
次閱讀
生成式AI在知識管理領域嶄露頭角，但其侷限和誤區需謹慎對待。雖然AI能將非結構化資料轉為結構化，但在深度知識的分析和理解上，仍有差距。企業應結合知識管理和生成式AI，有效提高管理效率，激發創新，但在整合過程中需謹守數據安全和隱私原則，確保符合倫理和法規
最近網路上偶有看到ChatGPT數學解題、AI古文解讀…等報導，大家都覺得AI越來越聰明了，許多企業或許都在思考一個問題 - 「現在AI功能越來越強，公司還需要推動知識管理(KM)嗎？」近期內生成式AI成為企業必須瞭解的趨勢關鍵字，若是使用得宜，可讓企業事半功倍、優化內部作業流程；反之，若本末導致，完全仰賴科技工具，將衍生出企業內耗、組織管理錯亂等各種問題。
（延伸閱讀：企業永續經營的重要關鍵，就是無形資產）
生成式AI的侷限與誤區
11月初我詢問ChatGPT：「如何從桃園平鎮到台中東勢」，ChatGPT回答有公車路線及火車路線兩種方法，公車路線的回答很簡單，加上問路人，應該可以輾轉到達；火車路線的回答：1.從平鎮火車站搭台鐵到台中站…，2.從台中站換往東勢車站的火車…，這就出大狀況了！首先，平鎮火車站目前正在興建，根本還沒通車；其次，往東勢的鐵道早在30年前就廢線了。
最近我又詢問ChatGPT：「何謂改善提案？」回答得中規中矩，內容值得學習；然後我進一步再問：「日式改善提案與美式提案的不同」，ChatGPT做了條列式的組合說明，然而回答內容大部份是偏離重點的，閱讀者將無法有效分辨兩種制度的差異。
由上述兩個例子可以得知，ChatGPT擅長將非結構化的資料轉化成結構化的資料，自我學習優化的特性與速度，雖是人類無法想像的，但不全然是無懈可擊、毫無缺點！因為，AI不能無中生有，能夠無中生有的還是人類。
（延伸閱讀：企業數位轉型的成敗與否，最大決勝關鍵點）
生成式AI與深度知識的共生之道
在當今競爭激烈的商業環境中，企業如何有效地管理和應用知識資產成為了關鍵的成功要素。同時，生成式人工智慧（Generative AI）的崛起也為企業帶來了全新的機會，使創新和問題解決更為高效。現今的生成式AI在基礎知識的查詢，已經可以組合出不錯的答案；然而針對比較深入的問題，需要複雜分析、勾稽、解構再建構的答案，AI與人腦則還有明顯落差。以知識揭露的程度來看，前者多是書本有寫、學校有教且公開於網路的知識；後者則多是個人私藏或是組織未對外揭露的知識與經驗。而企業組織在導入知識管理時一般都要做「知識界定」，釐清知識管理的範疇，簡單來說，外部書籍及網路上查詢得到的知識，應該就不勞企業組織內部再做知識管理了才是，而那些組織特有的工作經驗、要領、訣竅及新知，書本及網路查不到，業界也不會公開揭露的，正是知識管理的範疇及焦點。
AI技術崛起：強化組織知識管理系統的新里程
隨著AI語意辨識、搜尋、整合...的技術越來越強，AI卻可以強化組織內部KM系統的應用效能。ISO30401(知識管理國際標準)的條文指出組織知識管理應包含四大課題：
- 獲取新知識：若是從無到有的經驗與知識產出，還是要靠知識工作者(knowledge worker) 做完知識產出的主責。
- 應用現有知識：隨AI語意辨識、組合及搜尋技術的躍進將大有可為
- 保留現有知識：現今的IT技術已可以做得不錯
- 處理過時或無效的知識：公司已經存在的許多許久的資料庫內容需要處理，包含內容的合理性、專業性、精確性、時效性...的綜合判斷，短期內還是需要專業的知識工作者來對策處理，未來期待可以經由產業或組織的AI訓練師來讓AI發揮協作的效用。
結合知識管理和生成式人工智慧是企業迎接未來的趨勢之一。這種整合不僅能夠提高內部知識的管理效率，還能夠激發創新、解決問題，推動企業持續發展。然而，企業在整合的過程中應謹慎處理數據安全和隱私問題，確保生成式AI的應用在符合倫理和法規的前提下發揮最大效益。
文章推薦