AI转型总踩坑?关键在于厘清三大要点

AI技术加速落地的当下，上线AI系统、搭建企业知识库，已成为企业数字化升级的主流选择。但热潮背后，不少企业都陷入了共性困境：

项目跟风上马，投入大量人力物力，却始终与真实业务脱节；
看似归集了海量资料，却未能沉淀为可复用的知识资产。

AI技术如何跳出“表面功夫”，真正嵌入业务流程创造价值？近期，《培训》杂志《对话菁英》栏目专访平安知鸟CEO范若愚，以建设企业AI知识库为例，拆解企业AI转型与知识管理的底层逻辑。

（下列为专访QA实录，为方便阅读，内容已做调整）

当前不少企业布局AI项目、搭建企业知识库，却往往流于形式、难以产生实际价值。在您看来，企业要真正让AI赋能业务、做好知识沉淀，核心需要把握哪些原则？

平安知鸟CEO范若愚：企业落地AI技术、建设知识管理体系，不应被技术浪潮裹挟而盲目推进，而应从战略、组织到业务层面开展系统性考量。核心把握三项原则，才能真正落地见效。

第一，回归业务本质，拒绝盲目跟风。

企业应当先将AI技术的行业变革热度与自身真实业务需求区分开，始终回归业务本身，锚定人才培养、业务发展的真实需求做决策。不能陷入“别人做我也做”的跟风误区，如果脱离实际业务场景，本身没有可沉淀的知识内容，这样的项目也就失去了实际意义。

第二，明确为一把手工程，自上而下体系化推进。

AI相关战略布局与知识库建设，本质上属于一把手工程，并非单个部门可独立推动落地。企业需要从顶层业务战略出发开展全盘梳理：先明确自身业务的核心发展方向，再拆解AI可赋能的具体业务场景，划分落地优先级；同时评估技术升级对原有业务流程的影响，做好衔接与过渡方案。只有自上而下统筹推动，才能推动全员在认知与执行层面形成统一共识。对于销售、培训、研发等知识密度高、沉淀价值大的核心业务模块，一旦明确业务价值与落地路径，应及时启动优化升级，避免错失效率提升的窗口期。

第三，知识库建设先盘清存量，拒绝形式主义。

企业不能为了建知识库而建知识库。绝大多数经营多年的企业，尤其是大型企业，都拥有十余年甚至数十年的知识经验积累，并非无内容可沉淀。但行业内普遍存在几类共性问题：知识零散分布在不同业务单元、不同系统中，形成彼此隔绝的知识孤岛；知识形态高度非结构化，文档、视频、口传经验等形式并存，大量核心隐性经验仍沉淀在资深员工的个人经验中，同时还存在内容重复、信息错漏等情况。

因此，建设知识库的第一步，不是急于采购系统、堆砌内容，而是先全面梳理现有知识的分布、形态与质量，明确建设的最终目标。在此基础上，通过体系化手段将非结构化知识进行标准化处理，同时以人工结合AI、知识萃取工作坊等方式，主动挖掘生产、研发、服务等场景中的隐性经验；最终结合技术工具与企业自身的业务逻辑，搭建分层清晰、结构完整的企业知识库。