知識、資料與 Agent
企業知識層
整理文件、經驗、規則、來源與版本，形成可調用的脈絡。
台灣企業的困境
台灣企業(尤其是傳統產業與家族企業)有一個很典型的知識管理問題:最重要的營運知識,常常不是寫在文件裡,而是存在資深員工的腦袋裡——這位老師傅知道哪個環節容易出錯、那位業務前輩知道哪個客戶真正在意什麼,這些知識從來沒有被系統性整理過。隨著這些資深員工逐漸退休,加上台灣近年人才流動率上升,這些知識正在快速流失。企業想導入 AI 提升決策品質,卻發現真正卡住的不是技術,而是背後根本沒有一套整理過、來源清楚的知識基礎可以餵給 AI。
情境與需求
AI 給出的答案經常不準確或過時，追根究柢是知識來源本身就散亂、沒有人維護、找不到出處時。這個問題往往在企業真正開始依賴 AI 做判斷之後才會被發現——AI 給出的答案聽起來很有道理,一查證才發現引用的是三年前已經過時的資訊,而知識來源本身就是一團散落各處、沒有人負責更新的舊檔案。
投資效益
AI 回答的品質,從「看運氣」變成「有清楚來源可以追溯」,團隊也更敢在重要決策上參考 AI 的輸出。對正在流失資深員工經驗的企業來說,這一步也是把原本只存在少數人腦袋裡的知識,轉化成組織可以長期保留、傳承的資產。
04
具體交付
- 盤點現有知識分散在哪些系統與文件，評估品質與完整性
- 整理成結構化、可標示來源與更新時間的知識層
- 建立知識持續維護與更新的責任分工
下一步