蓝凌aiKM，双能驱动场景变革：蓝凌知识管理平台和通义千问共建实践
本次主题是蓝凌aiKM，双能驱动场景变革：蓝凌知识管理平台和通义千问共建实践。aiKM助力企业大脑的构建，aiKM全称是ai knowledge management，大模型就是典型的右脑思维，在企业里面更需要可信的和可解释的智能能力，更需要和企业有效的对接。把企业的知识图谱对接起来，才能有更可用的智能能力，更可用的企业大脑。
蓝凌公司不仅做知识管理，大定位是数字化办公，有几个标签协同办公、流程管理，知识管理，2014年蓝凌成为阿里钉钉的第一家的战略合作伙伴，做钉钉考勤的产品的共创，18年阿里钉钉对蓝凌做战略投资，在2020年的时候，助力云钉超过120个项目，总金额超过一个亿。在大模型方面，2023年感受到大模型趋势，和蓝凌多年的协同办公，知识管理的积累，更有效的对接。把知识管理平台和大模型孵化一个蓝博士的产品，也和很多企业探索和合作，知识管理是蓝凌很重要的标签。
如何更好的拥抱大模型，给企业带来更有想象力的、更有创造力的东西。新的知识管理应用是蓝凌的使命。在蓝凌多年的实践当中，参与知识管理国家标准制定，包括工信部的国家的知识管理人才培训认证基地。知识管理，不仅技术平台给企业内部赋能，对于内生驱动力也特别重要。合作最多的国内的知识管理的案例落地不仅有产品技术也要有咨询服务，蓝凌是国内最早把知识管理的咨询和IT落地结合的，和很多企业合作不仅是一期的产品部署，是长期的合作,可以面向不同的部门，研发做知识管理的落地,营销做知识赋能，HR部门助力新人成长。有很多的场景可以把知识和AI的能力做充分的结合。
国标上对知识管理定义是对知识的创造过程和对知识的应用进行规划和管理的活动。以往企业里面做的工作，无论是知识的创造还是知识的应用，更依赖人工。人工的成本很高，让人工成本更低，应用的效率更高是很多企业新的命题，合作的很多企业从不同的角度推动知识管理，首先是知识利用效率的问题，国外有个调查，一万名员工的公司，每年搜索知识的成本要7110万美元，这是一个共性问题。第二是增效，经验传承的问题。不要犯重复的错误。华为做知识管理，经验的浪费是最大的浪费。
在增效的基础上进一步的提质，对企业最大的提质是营销和研发，德鲁克说一个企业存在的根本就是创新和营销的问题，惠普做知识管理的时候，CEO说如果惠普知道自己所知道的，业绩水平将提升三倍，它是营销体系，一线的营销人员对公司的产品、方案、能力、卖点都不清晰，损失很多营销的机会。研发也特别重要，国家标准里面有专门的研发领域，应该如何做知识管理，知识成为AI时代越来越重要的核心竞争力。因为互联网上的知识越来越平权，都用大模型辅助自己的日常工作和学习，但企业私域的知识资产越来越重要。如何拉成业务组织战略性的资产，很多企业讲拥抱AI，拥抱人工智能，首先问私域知识资产治理的如何，
塔尖知识对企业是战略文化，技术核心的管理的模式让如何做提炼，差异化的能力在何处。第二是规范性的知识标准化，一个新员工到企业里面很快就可以做到60分，流程规范sop是否标准化，比如华为经验传承，很多企业经验传承做的并不好，内部化特别重要，企业数据资源相关会计处理规定，企业所有的信息化的建设成果，包括数据和知识资源可以入表，但入表的前提是要转化成资产，所以知识的资源和知识的资产不一样。有很多散落的文档是否是知识。
首先看价值。企业在知识管理里面有很多现成的问题，总结有散，散乱的各种地方。乱，没有体系。闭，封闭。跨部门跨专业很难分享，比较孤立，知识和其他的系统之间是很多孤岛，只进不出。以往的知识管理只是参考，很难在业务当中直接使用，甚至做辅助的决策。
问题表象的背后有三个很关键的大问题。
第一，战略牵引的知识管理的驱动力不清，第二，如何真正的面向业务做赋能，把知识管理和业务的场景有效的融合。第三，在场景当中充分的拥抱数字化的技术，让知识管理的工作成本更低，用户体验更好，使用效率更高。让大家愿意拥抱概念、方法，体系，更容易落地。
提出三个关键词，AI时代应该要拥抱的关键词，第一个是知识战略，把知识资产提升到战略高度，企业经常说人才战略，财务战略，很少说知识战略，但在AI时代，知识战略越来越重要，如何充分整合多元的知识数据助力企业大脑的构建，知识企业的leAIn和大模型充分的融合。
第二是知识赋能，大脑的目的是要解决特定的问题。以往做知识管理关注知识内容本身，现在更关注场景，面向特定的场景当中，如何把知识，业务，人有效的融合，比如蓝凌公司大量的营销人员有很多投标和做决策的场景，研发企业有很多故障排布的场景，场景里面应该需要什么样的知识和业务环境，用什么知识给人赋能，知识一定是动态，不是静态。
第三是知识智能。企业里面很多石墨数据，带有很少的钻石知识数据，石墨跟钻石组成成分都是碳，但组织结构的方式不一样，价值就完全不一样。把石墨数据变成钻石知识，再把钻石知识喂给大模型，更可用。
所以有知识智能理念，能给企业带来更新奇的，更用户友好的体验。可以更好的推荐辅助生成决策，能力更进一步。基于思考和很多企业的探索提出新一代的aiKM产品解决方案，以人工智能技术为支撑的新一代的智能知识管理平台，目标是首先把存量的知识资产化，在业务当中做应用的场景化，能把数据跟知识充分的融合，比如构建知识图谱，做到决策的智慧化，真正起到一个大脑的作用，大脑能有决策能力。前提要接入企业多元的知识数据，结构化，非结构化，半结构化如何治理,在业务场景当中高效的利用。
基于产品解决方案的思考，首先助力企业大脑构建是出发点。在AI时代，大脑的构建成为一种可能，首先是多元知识数据的接入能力。以往很多知识管理平台里面都是个人电脑里面传的，或者个人经验沉淀的，如何把系统里面的多元数据接入进来，接入进来如何给它有效的做融合和数据治理，下面有几个核心的引擎，内容建模，从传统的文档性知识变成结构化的内容。
第一个图，数据接入，包括内容跟数据知识图谱进一步融合，帮助企业构建大脑的能力，底层是智能的引擎，充分拥抱阿里通义千问大模型。记录自己云端的知识库，结合形成企业更高可用的大脑的能力。大脑能力面向业务赋能和很多不同应用的形式，比如知识门户，地图，搜索。现在更智能的搜索，更智能的问答是面向业务做伴随，有更多的更好的应用落地的方式。基于大脑的构建，有方法论指引构建，提出双能驱动，场景变革。
基于判断。知识是AI的指点，企业没有知识管理，就没有专属的AI能力。新一代的知识管理解决的目标是场景赋能，场景变更是牵引，有效赋能是目标。智能技术是手段。在企业里如何发现场景，如何面向场景赋能，在赋能过程当中如何利用智能的技术把它有效的结合在一起，能让知识管理AI时代更好的落地，在企业里面有什么具象的应用，AI时代之前做很多知识管理的项目，AI时代，有新的落地的方式，业务维度的赋能，对企业来讲，赋能员工，赋能CEO，赋能业务部门，赋能责任管理部门。赋能的对象不一样，在赋能过程当中，智能的水平也是不一样的。最简单的是知识内容的智能，比如知识库叠加AI是最简单的一种智能知识内容。
无论员工培训的课件，培训的素材，业务的知识库标准流程制度都可以和AI对接。更进一步是场景智能，形成场景的AI的助手，知识如何能够动态的应用在不同的场景当中。比如做研发型企业，特别关注在研发的流程当中，pm系统的执行过程当中，如何把知识就伴随在旁边，叫双屏，一个屏叫工作屏，一个屏叫知识屏，双屏联动，场景智能，更进一步叫决策智能，决策的前提是充分的数据跟知识能够融合，称为数字融合。在技术上有 agent应用，知识决策智能。案例分享：新能源汽车企业知识库加知识社区加大模型的搜索问答应用，知识管理是对标学习华为，华为知识管理实践当中有一个很经典的模型叫721模型。
721模型是70%的问题通过知识库加上搜索就可以解决。20%知识库里面搜不到，通过社区找人能够解决，10%找专家线下预约，通过线下互动的方式解决。内部建知识库，多元的数据接入自理，形成高可用的知识库，构建知识社区，被提问可以解答相关问题，进了很多问题的答案，无论知识库里面的知识，社区里面的问题的答案都可以对接到阿里的通义千问的大模型做智能的搜索问答应用，取得很好的效果。除内容智能之外，更进一步做场景的智能，以往很多企业做知识管理，称为纸质地图式。
现在基本上用GPS导航，根据实时的地点推送相关周边的信息，和知识管理一样。能不能根据实时的应用的场景推送相关的知识或者数据，从纸质地图到GPS导航，、它的核心要有动态的知识伴随能力，要有结构化的知识表示能力。推送的不能是50页的报告，100页的文档，特别想要某个知识点，某个图，某个公式，把精准的知识推送，做结构化的知识表示能力越来越重要。
企业以这样的思路，做很多结构化的主题的知识库。面向研发的不是一堆文档，文档固然有价值，但更有价值的是很多主题知识库，有典型的问题库，产品的规格库，实际的总指南库，都是结构化的，模板化。知识越能标准化，越能复用，越能够在业务场景当中被调用。动态的做知识伴随，面向研发企业知识伴随应用，很多企业都有这样的需求，如何提效和规避重复问题的发生，除了这样的场景之外，蓝凌和很多企业做审批流程。
如何把知识和审批流程更好的结合，面向审批流程能够对接大模型的应用，比如最简单的场景是大模型作为统一的交互入口，能够呼起流程，好多企业里面流程模板很多，服务的客户几千个甚至上万个流程模板，找到所需要的流程挺费劲，精准的获取所要的流程，可以把相关自然语言交互的信息自动变成表单辅助填写。
在流程审批过程当中，可以关注风险点、风险事项，甚至做自动审核，这是知识智能流程审批的环节。更好的应用的场景怎么智能，更进一步是知识决策的智能，以往企业里面做知识管理，很少能够起到决策作用，更多是参考，做伴随更深一步做决策，能够做决策的前提是多元的知识数据把它做结构化，做图谱化。
企业可信可解释人工智能的核心，一个是大模型，第二是知识图谱，通过知识图谱实现多元知识数据的有效的整合，数据治理的新的方式，比如企业特别关注构建技术能力图谱，每年要做技术立项的方向，以往很多企业积累很多技术数据，比如专利，方法、标准，成果，但是没有起到决策作用。起到决策作用的是各种的技术能力的图谱，首先梳理技术树，一级、二级、三级到每个具体的技术项，比如人工智能或者大模型技术项。
围绕技术项内部有专利，方法和软著，甚至有专家，在研的科研项目。围绕技术项把它所有的知识数据聚合在一起，更高可用，首先可以做技术的可视化，让每个技术关联的所有的知识数据都可以展开。
第二做对接大模型，可以做技术的介绍的生成，这样的介绍的技术是更可信的可用的，不是完全基于互联网上而是基于企业的技术图谱里面关联的很多知识数据做生成，做技术能力评价，领导更关注能力强，专利多，专家多，科研项目多，技术转化的产品的市场效益好，总体技术表现好，可以提高技术洞察水平。充分的把大模型和知识图谱的能力更有效的结合。
从内容的智能到场景的智能到决策的智能，不断的迭代，能够迭代的前提首先是用户需求为导向，无论是大模型还是知识管理，解决用户什么的痛点问题，和很多客户交流对大模型很感兴趣，但问题是大模型可用的场景，适用的场景并不是很清楚，考虑业务的价值，考虑内容的准备度，考虑技术可行性，都是考量的指标。
从用户需求导向如何找场景，研发特别关注业务知识怎么伴随，质量特别关注质量的一些问题的案例能重用，不同的业务有不同的场景的需要，基于场景的需要，反推到底需要整合什么多元的知识数据，这些数据来自于地方，在网盘里面，oa系统里面，pm系统里面有效的整合。构建一个企业的双脑叫双轮，左脑跟右脑，AIP 蓝博士就是大模型的能力，右脑的能力，还有组织知识资产左脑的能力怎么样有效的结合在一起，附加相关的能力，功能能够更好的落地。
其中比较重要的是蓝博士蓝博士产品充分的结合阿里通义千问的大模型的底座的能力。但在底座能力基础之上，也叠加专属内容，比如和企业的专有的知识如何对接，还可以训练新的问答的语料库，专有的词库，敏感词库，专属内容对企业更重要。在上面能够提供搜，问，推的能力，前提是要多元数据接入，国外有一个大模型做知识管理的创业公司，现在估值很高，是40亿美元左右的独角兽企业，它的核心逻辑是解决存量的多元数据接入，做快速搜索的能力，不仅在知识管理方向，权限的产品，比如蓝凌有oa的流程，包括低代码平台，全线的跟通义大模型做产品合作，有六个模型，向量包括相关的摘要增强模型，搜索模型。
六个模型用八项的能力，在智能搜索、智能问答或智能报表，还有智能低代码场景当中能够做深度的应用，今天更多在km场景构建蓝博士的平台，在企业里面可以面向不同的场景，做特定主题的智能机器人，可以面向新人。新人是大量的企业里面都有需求的。绝味鸭脖做知识管理，做知识管理想解决什么场景。之前的理解建一个文档库专门别类管理就是知识管理，更多的解决知识赋能的问题。面向员工赋能，面向业务场景赋能。
问第二个问题，什么是合格的绝味鸭脖新人，梳理绝味鸭脖的合格新人的标准，梳理知识画像，基于画像，梳理知识的课件，培训的考试的题目，可以做闯关的学习，面向新人的很多培训的课件，知识内容，考试，再叠加大模型，让知识更可用，甚至可以做智能培练，面向新人做新人助手。
除此之外，内部有很多产品营销人员，经常要给客户提供解决方案，解决方案的助手对接内部的方案库、案例库、模板库快速的生成解决方案，这个对营销人员非常重要，除此之外，内部也会对制度的一些流程的助手，内部很多制度规范库，很多企业也制度规范执行当中两张皮的现象，大家无兴趣读长篇的很多制度流程，通过大模型能够解决知识制度规范的快速的传递的问题，特别有效，内部基于蓝博士做很多主题机器人，可以面向不同的场景，对接特定的知识库，能够起到作用，服务的客户也是一种方式，做知识管理和大模型对接的落地。
蓝博士是蓝凌基于多年在人工智能领域的实践，以大模型的新发展而全新创建的产品，具备目的是帮助用户快速实现智能可数字化转型。让AI赋能更多应用场景，蓝博士为新员工提供专项服务解答，常见问题新人随时随地提问交流，快速成长上岗。刚加入一个企业时，新人可能不清楚公司的考勤制度，这个时候使用蓝博士新人助手，输入公司考勤制度，新人助手会自动总结公司文档里的关键内容，从而新人无需阅览冗长的文档寻找特定信息，新员工也会找不到各种流程的入口，新人助手可以很好的解决这个问题。
新人可在流程助手中通过语音输入，蓝博士通过自然语言理解流程发起的需求，自动生成请假流程入口，并提供对应流程专员，方便进行询问。员工只需要点击进入表单，相关信息会自动进入表单。点击提交即可发起流程。蓝博士可对接已有的流程实现智能化办公，让办公更简单高效。
蓝博士支持营销人员如客户案例查找，安排客户参观等日常工作的快速开展，营销人员经常需要根据客户行业，业务需求等特点编写解决方案，实际情况下经常会面临找不到所需案例的问题，在蓝博士帮助下，营销人员可快速通过智能搜索找到同类型案例，例如在智能搜素框输入，我要找知识管理案例，就会返回知识管理案例内容，营销人员也经常面临知识案例多，篇幅长，阅读费时的问题。可通过知识查找，就案例查找进行提问。
例如提问公司有哪些知识管理案例，电力工程案例有什么亮点，并显示知识来源，帮助营销人员快速了解案例特点，有客户来公司参观时可以通过流程助手录入，请发起客户参观流程，明天电力设计客户5人，需求是参加总部交流知识管理，发起客户参观流程。蓝博士可帮助管理人员提升日常管理工作效率，如智能生成业绩完成情况报表等。
例如在业绩查询中提问，三月份华北战区和华南战区的合同签单情况，会返回两个战区的查询情况，也可提问西北战区的各销售人员一季度合同签单情况，会自动生成销售人员业绩完成情况报表，对于管理团队，可构建企业专属语料库。支持文档，问答上传，上传系统自动解析文字，提供更贴合业务情况的精准问答。公有私有模型可以快速接入，与不同的使用场景匹配。
结合业务场景，为用户提供应用跟踪分析，按功能，用户维度分别进行展示帮助用户了解应用现状，以便针对性提升AI能力。蓝博士高度重视数据安全，除保障数据不出外网外，通过自带的权限系统，可实现数据权限管控，过滤搜索结果，问答结果中的敏感信息。确保信息的安全合规。在系统与大模型交互方面，支持只采摘文档片段输出给外部大模型。蓝博士已在多家行业标杆企业应用。伴随着产品不断迭代，未来蓝博士将助力更多企业激活AI时代新质生产力。
四月份正式推出之后，很多企业探讨，签约多家客户，包括大模型token调用15.7亿，阿里的生态伙伴排在前列，期望以人工智能能够给传统的知识管理插上新的翅膀。具体到蓝凌蓝博士的优势，尤其对接阿里通义千问之后，它能够充分的整合公有，私有，能够面向场景，提供快速的可配送智能服务，成本相对低的优势，相对可用度比较高的IG的技术，蓝凌做知识库，做知识管理，大模型的知识库IG方式快速的对接新增的知识，十分钟之后，就可以同步到大模型里面做消费和应用，数据合规也非常重要。
AI让知识绽放光芒，KM让赋能更加高效，通过蓝凌的aiKM能够助力企业大脑的构建，打造知识护城河，这是人工智能时代越来越宝贵的核心竞争力。
