别建“全公司AI知识库”了:公司真正需要蒸馏的是最强员工的认知
一家公司花了几个月,把制度文件、产品资料、项目方案、会议纪要和历史报告全部放进AI知识库。
上线以后,员工确实可以问它:
差旅怎么报销?
某款产品有哪些功能?
公司以前做过哪些类似项目?
这些问题回答得越来越快,公司的业务水平却没有明显变化。
最优秀的销售仍然用自己的方法判断客户,资深研究员仍然依靠个人积累做分析,经验丰富的项目经理也不愿意让AI参与关键决策。
普通员工开始使用知识库以后,找到资料的速度快了,做出来的方案还是普通。
问题出在哪里?
公司把“资料可以被找到”,误认为“能力可以被复制”。
企业AI × 专家能力 01AI不会因为读完公司资料,就自动抬高公司的平均水平AI当然可以帮助新人学习,也能减少一些信息差。但在缺少判断标准和反馈机制时,它首先放大的,通常是每个人原有的工作方式。
有经验的人知道该问什么,也知道哪些答案不能信。他会让AI寻找反例、补充证据、比较不同方案,并在关键地方重新核验。
经验不足的人更容易接受第一个完整答案。AI写得越流畅,他越难发现其中缺少了什么。
同一套知识库交给不同的人,最后仍然会得到不同质量的结果。
所以,如果一家公司希望借助AI提高业务能力,最先要整理的不能只是全员都能阅读的资料。更应该进入系统的,是优秀业务人员怎样完成一项真实任务。
他先问什么,为什么查这份材料,哪些信息看似重要却会被他排除,遇到什么情况会改变判断,最后又怎样发现自己错了。
这些内容很少出现在公司Wiki里,却直接决定工作质量。
企业AI × 专家能力 02“全公司知识库”其实混在了一起的三件事企业里的知识至少分成三层。
第一层是公共信息包括公司制度、产品说明、组织架构、标准模板、报销规则和已经确认的业务事项。
这一层适合全员使用,也适合接入AI问答。它解决的是查找效率:员工不用四处问人,也不用在多个文件夹里翻资料。
但它本质上仍然是公司的公共信息设施。
即使加上AI,它也不会自动教会销售怎样判断客户,不会让研究员学会分辨证据,更不会让项目经理知道什么时候应该叫停一个项目。
第二层是专家能力这一层保存的不是“高手知道什么”,而是“高手怎样处理问题”。
例如,一名优秀销售面对客户提出的降价要求,不会只查询公司的折扣政策。
他还会判断客户为什么在这个时候压价,谁是真正的决策人,竞争对手是否已经进入,项目时间表有没有变化,以及客户究竟是预算不足,还是在测试销售的底线。
产品资料可以告诉员工有哪些功能,却不能直接告诉他在这个客户面前应该强调什么、放弃什么。
这些判断过程才值得优先进入AI工作系统。
第三层是个人工作每个人手上都有自己的客户、项目、会议、任务和临时材料。
这些内容变化快,权限也不同,不适合全部塞进一个公共知识库。AI需要围绕具体岗位,帮助员工整理会议、跟踪任务、调用相关资料,并保留当前项目的进展。
公共信息层负责让人找到确定答案,专家能力层帮助人学习怎样判断,个人工作层则服务眼前正在推进的任务。
把这三层混在一起,系统很快就会遇到问题:公共资料越来越多,关键判断越来越少;所有人都能问,回答却越来越接近平均水平。
企业AI × 专家能力 03为什么最优秀的人往往不愿意使用公司知识库…