過去兩年多,百度內(nèi)部一直在加速迭代被稱之為“知識管理”的大工程。

這個時間段內(nèi),如流作為重要的知識管理入口還上線了知識庫、星鏈、線上協(xié)作、KU享等諸多功能,為此百度還專門為這個為期兩年多的攻堅,召開了內(nèi)部第一屆知識管理大會,百度CTO王海峰,百度集團資深副總裁、百度文化委員會秘書長崔珊珊,百度集團副總裁、集團首席信息官李瑩等幾位高管都在會上做了重要發(fā)言,一個核心思想是,要把知識管理在百度內(nèi)部大力推廣。

甚至也有提出要求:“快一點把這個事情拉動起來,壓力給到如流團隊,要重視起來,把工具做好。”

被高層頻繁點名,百度提到重要量級的知識管理,到底是怎樣一個“工程”呢?

如果追溯源頭,百度對知識管理的重視,是從李彥宏開始的。一年前,百度創(chuàng)始人、董事長兼CEO李彥宏在百度主辦的2023智能經(jīng)濟高峰論壇上,把“知識管理”列為了AI時代決勝未來的八大關鍵技術之一。

近日,李瑩在接受鈦媒體采訪時再次詮釋了她對知識管理的觀點,“知識管理,就是 AI 時代的‘創(chuàng)新流水線’?！彼岳斫獍俣鹊摹爸R管理”,可以從兩個核心來理解,一個是“AI”,一個是“創(chuàng)新流水線”。

解構知識,按需分配

AI一直以來都是百度重要的戰(zhàn)略方向,在各個產(chǎn)業(yè)應用中AI出場率甚至可以達到100%。在知識管理的理解下,AI貫穿在各個環(huán)節(jié),比如,對公司內(nèi)部對知識的重新分發(fā)和推薦等。

李瑩舉了一個較為形象的例子,比如有員工在周報里面可能會寫,“簡歷的結構化抽取準確率不高,下個星期要繼續(xù)提升”,那么知識管理的知識分發(fā)系統(tǒng)在識別到該問題涉及‘文本結構化抽取’時,就可以推薦百度AI大模型中的知識解析案例,或者為這位同學推薦公司內(nèi)部專家進行交流?！坝肁I改造知識管理模式,形成正反饋循環(huán)?！崩瞵摽偨Y。

AI自動推薦的知識解析案例從哪兒來呢?實際上是來源于,此前百度知識庫中的各類異構知識,這個知識庫是從員工創(chuàng)建的專家?guī)?、案例庫、技術中臺等沉淀出來的知識庫。

這些被無數(shù)百度員工創(chuàng)建的異構知識如何實現(xiàn)更大規(guī)模應用?百度的知識管理分發(fā)系統(tǒng),會對知識庫中的知識進行重新拆解、分發(fā)、組裝。最重要的是基于AI大模型技術、知識圖譜技術,對多元異構的知識進行標準化、單元化的拆解,然后員工的畫像進行識別,進而工作場景下的適時推薦。

在百度的知識管理大框架內(nèi)中,“知識星鏈”和“流式引擎”也是兩個重要功能,這兩個百度自創(chuàng)的概念也便于理解知識管理的整個鏈路。雖然詞匯較為陌生,但從功能上看,也似曾相識。比如知識星鏈,據(jù)李瑩介紹,一個知識點會跟其他無數(shù)知識點有這樣或那樣的關系,而知識星鏈會把這些有關系的知識串聯(lián)到一起,每個知識點都是一個小氣泡、小鏈接,通俗來理解就是企業(yè)的知識百科。

“4月份知識星鏈剛剛上線,每個月點擊瀏覽量都在成倍的增長,到6月份的時候增長了1.5倍。”李瑩說。

如果說知識星鏈連接的是知識,那么圍繞場景的流式引擎,連接的就是工作,是“以事找人”理念的呈現(xiàn)?！耙粋€審批流過來,用如流都可以收到一個卡片,可以在上面直接操作,節(jié)省了很多步驟,不需要再跳到原來的系統(tǒng)上去執(zhí)行。”李瑩解釋。

她表示,這樣看起來簡單的功能,背后意味著一整套機制的變化,他們把百度內(nèi)的很多系統(tǒng)進行了原子化的拆解,把這些單元維度的功能拆解出來之后,跟如流打通?！拔覀兿喈斢谡嬲淖兞艘环N做事的方式,原來我們要到每個系統(tǒng)上看走到了哪個環(huán)節(jié),要干什么?！崩瞵撜f道。

創(chuàng)新流水線的邏輯

理順了AI在知識管理場景下發(fā)揮的作用,那么創(chuàng)新流水線出現(xiàn)在這里又是什么樣的邏輯?為什么百度提出“AI×知識管理=創(chuàng)新流水線”?

“流水線”這個詞更像一個工業(yè)流程中的詞匯,提起這個詞人們頭腦中出現(xiàn)的往往是工業(yè)生產(chǎn)線的流水線作業(yè)。而創(chuàng)新流水線,則指的是知識密集型企業(yè)的創(chuàng)新性較高的工作鏈條。但創(chuàng)新型的工作為什么能夠像流水線一樣源源不斷產(chǎn)生呢?

一個企業(yè)要想長久發(fā)展就離不開創(chuàng)新,但是在企業(yè)當中大多數(shù)是組合創(chuàng)新,不是從零開始發(fā)明一個新的事務,而是把一些舊的要素針對一個新的問題進行一個新的組合。但是組合知識、經(jīng)驗的速度取決于知識流動的速度,知識流動得越快,這個創(chuàng)新組合就會越快。

在企業(yè)中,知識的流動,往往指的是,一個員工生產(chǎn)出的知識,流動到另外一個員工那里使用、消費、應用,這個過程越快,創(chuàng)新能力就越強。在傳統(tǒng)情況下,知識的流動是人到人的,比如常見的師父帶徒弟的等等,但是這種知識流動的效率卻極低。知識管理的作用,會加速知識的流動效率。如果知識流動是從人到人,有了知識管理之后,對人進行統(tǒng)一的管理,讓知識流動的效率更高。

“員工既是知識的生產(chǎn)者,也是知識的消費者。我們的知識,既從員工中來,員工工作也會用到這些知識。其實這本身就建立了一套閉環(huán)。員工生產(chǎn)出的知識經(jīng)過知識管理系統(tǒng)的處理變成生產(chǎn)力回到起點,再次被其他同事利用重新產(chǎn)生異構知識,沉淀到知識庫?！崩瞵摽偨Y,她表示,這樣的良性循環(huán)就使得這套流水線的積累的內(nèi)容會越來越多、越來越好,使得它更加有價值、效率更高。因此,不久前,在接受媒體采訪時,李瑩便重新提出了“AI×知識管理=創(chuàng)新流水線”的觀點。

所以回過頭來看,通過知識管理系統(tǒng)解構知識、分發(fā)知識、以事找人都是為了加速創(chuàng)新流水線上的知識流動,無論是知識星鏈、流式引擎還是技術層面的大模型、知識圖譜,甚至是知識管理入口如流,都是創(chuàng)新流水線機制形成的重要組成部分。

那么,一個核心問題是,百度花這么大力氣來做知識管理,他們究竟如何考量知識管理這件事的重要性和以后的發(fā)展走向?對于這一問題李瑩表示,這個問題涉及兩個方面,一個是作為互聯(lián)網(wǎng)創(chuàng)新企業(yè),百度需要這么做,這對百度持續(xù)創(chuàng)新很有必要,并且知識管理可能成為百度的創(chuàng)新基座;第二則是,百度在文心大模型、飛槳深度學習開放平臺等方面非常多的人工智能技術,百度能夠這么做。并且在經(jīng)過一番迭代,百度成為知識管理的最佳實踐后,百度也能夠將其賦能給更多企業(yè)。