智能知識(shí)庫(kù)3.0：大模型加持，知識(shí)維護(hù)效率提升不止1倍！

在當(dāng)今競(jìng)爭(zhēng)日益激烈的環(huán)境下，知識(shí)庫(kù)已成為企業(yè)智慧的心臟，它不僅承載著知識(shí)的傳承與創(chuàng)新，更是企業(yè)提升效率、優(yōu)化服務(wù)的關(guān)鍵。

知識(shí)庫(kù)的智能化的飛躍

得益于知識(shí)圖譜、自然語(yǔ)言處理（NLP）等AI技術(shù)的應(yīng)用，知識(shí)庫(kù)從僅支持文檔存儲(chǔ)和檢索的1.0時(shí)代，發(fā)展到了智能2.0時(shí)代，進(jìn)化為一個(gè)智能化、互動(dòng)性強(qiáng)的知識(shí)生態(tài)系統(tǒng)。

挑戰(zhàn)與機(jī)遇并存

盡管知識(shí)庫(kù)的功能得到了極大擴(kuò)展，但在構(gòu)建和維護(hù)過(guò)程中，企業(yè)仍面臨著成本高、交互能力有限等挑戰(zhàn)。

• 知識(shí)散落四處，搭建門檻高：知識(shí)資產(chǎn)分散在各個(gè)部門和系統(tǒng)里，格式多樣，常常會(huì)有信息重復(fù)、缺失或版本混亂等問(wèn)題。

• 交互能力有限，查閱學(xué)習(xí)難：由于交互能力有限，集成度低，往往只能靜態(tài)存儲(chǔ)信息，無(wú)法深度理解。例如，當(dāng)員工想查找某個(gè)項(xiàng)目的資料，卻只記得一些模糊的描述，無(wú)法確定具體的關(guān)鍵詞，往往很難檢索到所需信息。

• 智能化程度低，運(yùn)營(yíng)維護(hù)難：難以及時(shí)排查過(guò)時(shí)和錯(cuò)誤的知識(shí)；當(dāng)知識(shí)體系出現(xiàn)缺漏時(shí)，補(bǔ)充流程也較為繁瑣。

  
  

受這些因素的制約和影響，大部分企業(yè)的知識(shí)庫(kù)都難以發(fā)揮更大價(jià)值、實(shí)現(xiàn)可持續(xù)發(fā)展，智能化轉(zhuǎn)型迫在眉睫。

傳統(tǒng)知識(shí)整理需要單獨(dú)拆分標(biāo)準(zhǔn)問(wèn)題和答案來(lái)整理結(jié)構(gòu)化知識(shí)，不僅工作量大，還容易遺漏。

而基于大模型能力的智能知識(shí)庫(kù)，能夠梳理海量知識(shí)，去除冗余和錯(cuò)誤的部分，并根據(jù)不同主題對(duì)知識(shí)進(jìn)行分類，使其結(jié)構(gòu)更清晰；同時(shí)，還能根據(jù)提問(wèn)關(guān)聯(lián)同一類別的知識(shí)，助力打破信息孤島，促進(jìn)知識(shí)的共享。

大模型基于語(yǔ)義理解進(jìn)行搜索，并結(jié)合上下文理解。這種對(duì)話式搜索功能，無(wú)限接近真人交流情景，能更準(zhǔn)確地識(shí)別用戶意圖，降低使用門檻。

同時(shí)，大模型還能識(shí)別知識(shí)的內(nèi)在聯(lián)系，將來(lái)自不同源頭但與問(wèn)題強(qiáng)相關(guān)的知識(shí)一并呈現(xiàn)。這意味著，用戶無(wú)需再到各個(gè)獨(dú)立的知識(shí)源中查找信息，一次搜索即可獲取問(wèn)題相關(guān)的全部知識(shí)，檢索效率將顯著提升。

眾多企業(yè)正通過(guò)打造智能化知識(shí)庫(kù)，借助大模型能力完成復(fù)雜、繁重和持續(xù)的工作。基于該現(xiàn)狀，合力億捷推出了智能知識(shí)庫(kù)解決方案“合力悅問(wèn)”。

下面將結(jié)合三個(gè)不同行業(yè)的案例，分享合力悅問(wèn)如何助力企業(yè)突破知識(shí)管理困境、實(shí)現(xiàn)數(shù)智化轉(zhuǎn)型。

某制造業(yè)頭部企業(yè)

該企業(yè)內(nèi)部雖然積累了大量知識(shí)數(shù)據(jù)，但由于這些知識(shí)散落各處，難以統(tǒng)一整合為標(biāo)準(zhǔn)化的學(xué)習(xí)材料，并支撐新員工的培訓(xùn)和在職員工的教育。

使用合力悅問(wèn)知識(shí)庫(kù)后，只需一鍵錄入原始文檔，大模型就能做到快速解析，并根據(jù)研發(fā)、生產(chǎn)、銷售等不同部門的業(yè)務(wù)情況進(jìn)行多層級(jí)分類，高效構(gòu)建知識(shí)庫(kù)，為該企業(yè)減少了近80%的工作量。

某汽車銷售行業(yè)

該企業(yè)旗下有多個(gè)品牌，面臨著大量商品信息、活動(dòng)詳情和庫(kù)存狀態(tài)等咨詢，雖然已經(jīng)部署客服機(jī)器人，但由于知識(shí)庫(kù)內(nèi)的產(chǎn)品信息形式多樣（圖片、文本、視頻等），極大增加了機(jī)器人找到答案的難度，問(wèn)題解答率始終難以提升。

所以該企業(yè)對(duì)知識(shí)庫(kù)進(jìn)行了升級(jí)，將合力悅問(wèn)應(yīng)用于機(jī)器人。根據(jù)用戶訪問(wèn)路徑等信息，定向推送常見(jiàn)問(wèn)題；并關(guān)聯(lián)咨詢信息的歷史上下文，通過(guò)自然語(yǔ)言理解用戶意圖。

不僅提升了機(jī)器人的回答準(zhǔn)確率，還能過(guò)濾掉約60%的簡(jiǎn)單重復(fù)咨詢。人工坐席被大量占用的工作時(shí)間也得到了釋放，能夠?qū)⒏嗑Ψ旁谔幚碇匾獦I(yè)務(wù)和復(fù)雜問(wèn)題上。

某知名國(guó)際教育機(jī)構(gòu)

由于教育行業(yè)的特性，該企業(yè)擁有的知識(shí)體量比其他行業(yè)的企業(yè)要龐大得多。雖然安排員工定期整理教學(xué)資料，但仍存在效率低下、質(zhì)量不穩(wěn)定、更新不及時(shí)等問(wèn)題。

而引入大模型技術(shù)的合力悅問(wèn)知識(shí)庫(kù)，遵循統(tǒng)一的算法和標(biāo)準(zhǔn)，避免內(nèi)容質(zhì)量參差不齊；其次，通過(guò)快速穩(wěn)定地解析教學(xué)資料，也減少了錯(cuò)誤和疏漏。另外，企業(yè)可以使用數(shù)據(jù)看板獲取知識(shí)庫(kù)的完整運(yùn)營(yíng)數(shù)據(jù)，幫助運(yùn)營(yíng)者直觀了解數(shù)據(jù)，并據(jù)此做出運(yùn)營(yíng)決策。

未來(lái)，合力悅問(wèn)也將不斷探索AI生產(chǎn)力，在持續(xù)的實(shí)踐與優(yōu)化中，助力企業(yè)突破知識(shí)管理困境，以知識(shí)促進(jìn)生產(chǎn)力的提升。