什么是知识资产

在企业知识（Enterprise Knowledge）的历史进程中，我们致力于将组织的信息与数据连接起来，确保它们易于被发现并与利用，进而提升其对人类以及AI的实用性。尽管合作的对象、规模和范围发生了变化——包括所使用的场景、技术和应用——但核心任务始终未变。

作为我们工作的一部分，我们努力帮助客户理解他们知识、内容和数据的广泛性。这些材料可以从多个不同的维度进行考量。它们可以涵盖从 tacit 到 explicit、从知识到信息、从结构化到非结构化、从数字到模拟、从内部到外部以及从生成的角度。在深入探讨知识资产的定义之前，让我们首先探索每个变量，以理解一个组织的知识资产总量可以达到何种程度。

• Tacit 和 Explicit—— tacit 内容储存在人们的脑海中。它们是隐含的而不是显式的，在系统中没有以可共享或重复使用的格式存储。Explicit 内容则是被独立捕获的，通常以数字文件或条目形式出现。历史上，组织一直致力于将 tacit 知识转化为 explicit，以便更好地维护和复用知识。然而，我们将下面的部分解释如何使整个知识资产定义的概念转变 somewhat。

• 知识与信息——知识是人们获得的经验和技术，具有极高的价值，但将其从 tacit 转化为 explicit 非常困难。信息仅仅是事实，缺乏专家上下文。组织拥有两者，并且文档通常混合了它们。

• 结构化和非结构化——结构化信息是可机器读取的、友好的系统信息，而非结构化信息是人类可读的、可以理解的内容。

ext-rich. 结构化数据，如数据库条目，对系统来说容易理解，但对人类则需要借助工具才能掌握。非结构化数据，则是为人类设计的，易于理解和把握，但历史上对于机器处理一直存在挑战。

• 数字到模拟——数字化信息以电子格式存在，而模拟信息则以物理格式存在。许多全球性组织都积压着大量知识和信息，这些信息目前对大多数人而言可能是未知或难以获取的。更复杂的是，还存在原先的模拟信息，这些信息是经过数字化处理但处于中间状态，它们并非特别适合机器可读，但仍属于电子数据。
• 内部到外部——内部内容针对员工，而外部内容则针对客户、合作伙伴或公众，语气和风格不同，外部内容通常需要更高的治理和整体 rigor。两种类型都应相互协调，但处理方式截然不同。你还可以考虑公司内生成的内容与外部获取的内容（包括从外部来源购买或接入的内容）。从这个角度来看，公司对自己的内容拥有极大的控制权，而外部内容的控制权则要弱得多。
• 原生和生成——原生内容是组织中已有的离散数据，存放在存储库或多个存储库中，由人类作者创建。显式内容即为原生内容。它是由一个人或几个人所创造的，并受到管理和识别为一个独特物品的约束。任何在人工智能时代之前创建的文件都属于此类别。然而，生成式AI的普及要求我们也要考虑生成的信息，这种信息基于组织已有的（原生）信息而自动产生，形成新的内容，这些内容可能无法达到与原有内容相同的标准或治理水平。

如果

我们如果只是谈到上述内容，大多数组织就已经在处理海量数据和成吨的纸张，这些数据和纸张跨越了年复一年的时间。但是，通过以信息的状态（即结构化或非结构化的、数字化或模拟的等）或者使用方式（即内部或外部）来考虑信息，企业正在人为地制造知识的隔离与孤岛，同时也复制或重复了本应在企业层面就应该完成的工作。

不幸的是，大多数组织的数据管理组负责对他们的数据进行管理和监督，而内容管理组则负责对他们的内容进行管理和监督。这不仅仅涉及效率问题或冗余，而是造成了组织的成本和混乱，并且使信息的管理和共享出现了偏差。解决上述问题本身就是一个值得挑战的问题，但还不足以定义知识资产或是如何以知识资产的形式来为组织创造新的价值与洞察。

如果你超越传统的数字内容，并开始考虑人们实际上是如何获取答案的，以及人工智能解决方案是如何工作的，那么我们就可以开始更广泛地思考组织所拥有的知识。而不仅仅局限于查看数字内容，我们还可以认识到，还有其他地方、物品和人，都可以作为组织资源库的来源。例如，人与他们所掌握的知识和信息本身就是一种资产。知识管理领域长期以来一直专注于提取这些知识，但效果并不理想。然而，在现代KM生态系统中，结合语义和AI，我们可以把人本身看作是能够连接到网络的资产。我们仍然可以选择用数字化的方式捕捉他们的知识，但是

除了上述功能外，还可以将它们添加到网络中，从而为人们提供发现、学习和协作的机会，并将它们映射到其他资产上。
同样的道理，产品、设备、流程和设施等都可以被视为知识资产。通过将组织的所有组成部分视为“知识容器”，而不是单纯的物品，您可以从信息孤岛转向一个连接且具有情境的网络，它是人类可以穿越，机器可以理解的。我们创造了“知识资产”这一术语来表达这种概念。
关键在于，知识资产可以通过元数据与其它知识资产建立联系，从而将其融入组织的语境中。任何能够承载元数据并与其他知识资产建立联系的事物都可以被视为资产。

另一种正在迅速变得对成熟组织至关重要的知识资产是AI orchestration的组成部分。随着组织构建越来越复杂的代理、模型、工具和工作流，这些组件之间如何互动所遵循的逻辑本身也成为了 operational knowledge 的一部分。这些 orchestration 组件编码了决策、机构背景以及领域专家的知识，因此它们值得被视为一级知识资产。为了充分利用 AI 的价值，orchestration 组件应该明确界定、加以治理，并与更广泛的知识生态系统进行有意义地连接。

在实践中，成熟组织可以创建一个真正的知识资产网络，以满足几乎任何使用场景的需求。而不是简单的搜索，用户可能会通过查询系统来了解一个过程。他们不会得到一个过程文档的链接，而是会看到选项视图，允许他们阅读文档、与该领域专家交谈、参加过程培训、加入社区等。

在实际操作中，新加入组织的人员可能会被分配一项任务来完成。目前，他们可能在网络中寻找指导，或者等待导师回复消息，但如果有 Traverseable Network 的话，他们可以先对任务主题进行简单的搜索，找到与之相关的先前交付成果，从而联系到该任务的作者，进而寻求他们的指导，或者直接参加由专业人士组成的内部会议。

如果我们打破这些信息孤岛，在知识资产中添加上下文和意义，并开始以整体视角看待我们的知识资产，我们不仅为任何AI解决方案提供了更深入的理解企业及其提供的完整答案的基础，还加快了组织利用AI的能力，使其更加稳定可靠。这一概念将带来思维方式和策略上的转变，可能对组织架构、技术和文化产生深远影响。

如果您的组织已经准备好在知识管理和成熟度方面迈出下一步，欢迎联系我们的团队，我们将整合所有知识资产，为您提供支持，并帮助您实现最佳实践。