企业在发展的过程中，不断积累数据、知识等内容，如何令这部分内容真正地发挥其价值？ 如何利用数据赋能企业内部的核心管理？ 推动核心业务的进展？

　　本文汇集大模型知识管理在不同行业的落地案例合集，帮助企业重塑知识管理能力。

　　本次分享将结合大模型知识管理的一些应用方向，以及相关具体落地实践案例来做展开。

　　上图是鸿翼前端在接触市场与客户真实需求之后，捕捉与总结得出的大模型知识管理及应用的方向和理念。

　　随着市场的进程开展数字化转型，新质生产力在大模型知识管理领域中应用得非常深刻和透彻，我们的关注重心逐渐从信息化建设到数字化和智能化方向。大模型知识管理包含了知识管理所要求的数据要素，如何结合 AI 大模型，利用数据为实际业务做赋能，是当前重点探讨的内容。

　　我们抛出的概念是聚焦在企业的自有知识内容与非结构化数据，结合新的生产方式，利用 AI 大模型构建全局的智能知识管理系统，完成人与知识、业务与知识间的互动和融合。我们希望通过新形态知识管理系统改善原来由人主动找知识、业务积累知识，变为知识更加主动精准找人，知识内容能够深入影响具体业务，真正帮助企业提质增效。

　　所以我们提出的理念是希望以 AI 大模型为技术驱动，以企业自身数据资产和知识沉淀为基础，通过知识管理深入赋能业务场景，重塑业关键业务和流程，并聚焦在不同层次，从办公到经营管理到核心业务，推行大模型知识管理在企业应用侧的“一体三环”落地路径。

　　那么上述这套体系如何真正赋能到前端的办公管理或核心业务呢，下面将用几则案例具体说明。

　　该企业早在 2023 年就开始深入探讨大模型和 AI 如何在业务场景进行落地，最终确定的方向是从办公和实际生产力进行突破，同时认为知识管理是 AI 在企业内部落地的有力抓手。 知识管理可以从内容或知识搜索构建数字员工，实现智能对话、推送、业务流程优化等，发现 AI 落地的巨大潜力与价值。

　　企业希望能够结合大模型，通过对知识的深度挖掘，提高知识生产和获取的效率，智能获取知识和各种业务中散落的相关数据，实现自动分析、辅助业务决策、串联指令的理解和执行，充分调动信息化系统。

　　所以我们也为客户打上了标签，其包含智能体、大模型、知识管理应用，在具体的落地点上，客户希望通过大模型知识管理系统逐渐创造智能助理，从智能实习生慢慢过渡到数字助理，甚至到咨询顾问专家，最终成为优秀的数字员工。同时，也能够帮助企业充分利用分散的文档、知识内容、业务系统中的数据，通过问答类应用快速获取已有知识内容，以及通过任务类构建实现快速任务的执行。利用 AI 智能体方式，在 AIGC 生成类方向上有所建树，包括邮件内容生成、文案生成，甚至到专业文档的内容生成。

　　在智能问答方面，我们已突破了原有大模型智能问答形态，希望结合更多的企业事实，过程中的每一个问答，都能够重现调动后台知识皇冠体育官网资源、文档资源、系统资源，在问答交互中以更直接知识形态反馈给前端。

　　4）对于回答中涉及到的专有名词，连接企业专有名词库，将名词解释一并展示；

　　5）整个过程中的溯源，将知识内容都以溯源的方式体现出来，使得智能问答的回答丰富度、关联后台数据信息的种类程度，以及关键的溯源问题，共同封装，使得问答的交付更具有可实用性。

　　智能问数作为企业的高频场景，以往查找具体数据要进入到具体系统、页面，经过数据的筛选再做相应浏览，该链条其实是非常长的。现在是否能通过问答方式的简单交互，把一些问题做自动的语义理解，通过 function call 找到合适的智能体，回答问题中涉及的不同要素，最终拼装成具体回答。

　　这方面的运用也比较多，鸿翼在智能故障排查工单的关联问题场景上，帮忙落地数据问答智能体，达到了非常好的效果。

　　在内容生成方面我们也做了很多处理，客户希望我们能够形成系统的维护公告、面向供应商的感谢信测试类报告、资源申请类邮件内容的自动生成等。过程中我们通过简单交互获取客户意图，调取相关需求模板，通过提示工程、内容输入，做相应的思维链处理，形成范本。内容拼装、组接，最后形成输出效果。在日常工作中借助以往的内容、知识积累，快速提升用户办公效率。

　　该国内知名家电企业面临的大背景是中企出海。随着我国的家电在国外市场覆盖率越来越高，该企业要满足的具体需求是面向覆盖的 100 多个国家和地区，当地客服能够提供基于大模型的知识管理系统，构建庞大的面向海外的客服体系知识管理系统。

　　1）知识产生，以往知识内容产生耗时耗力皇冠体育官网，需要后台大量的知识运营团队对知识内容生成质量的管控、上架做管理。基于此，大模型可以基于海量的产品操作手册、维修故障手册进行快速理解，并形成 FAQ 对。庞大的产品体系手册、基本素材，通过大模型能够快速形成知识内容，过程中可以人为干预，对 FAQ 对做质量把控短时间内，随着产品的发布，快速迭代内容库。

　　2）翻译能力，面向 100 多个国家利用大模型的翻译能力，快速地将中文版本的知识内容翻译成小语种版本，进行内容的转换。

　　3）语音转文本，客服在面向客户的问题 call in 时，可以基于大模型的语音转文本，通过文本快速抓取后台对应的召回 FAQ 对，指导前端客服人员快速应对客户提出的相关产品类、故障类的问题。这是大模型结合知识管理在实际应用中的落地场景。

　　集团型企业的公文有着严谨且长的流程，其中涉及拟稿、审核、签发、相关任务的督办盖章、上下级单位的收发文的交换，此流程中有部分点是大模型和知识管理能够有所发挥的地方。

　　在拟稿过程中，可以在智能写作过程中提供相应助力，可以基于原有的优秀范文、公文范本，快速生成内容，并对专项中的政治错误、敏感词错误、常见语句错误、法律条文的引用和错误审核，做直接的内容生成和内容辅助审核，在拟稿过程中保证内容更加符合质量要求。

　　在审核中我们提供了智能版本比对、版本归档、版本比较，以及诸多的内容审核、形式审核，也使过往积累的大量优秀内容范本、专项政治语料库、敏感词语料库，直接通过大模型应用到实际业务中，使得公文板块的起草、审核等环节能够大大减少由于内容错误所引发的额外时间成本投入。

　　军工企业内部做的科研项目要求过程严谨，对于具体项目都有针对性要求，科研项目结束后会形成大量申请资料。在项目中借助大模型能力，对上传科研项目资料进行内容审查。

　　比如规定的研发项目的课题所覆盖的具体内容，在提交的研发报告里是否都有相应的覆盖，其中涉及到的相关标准，在内容里是否有明确直接的响应，其中还涉及到与研发相关的报告管理规则。这些都可以借助大模型的能力，提供智能内容审查。

　　结合着刚开始的思路，联系案例中的具体的实现路径，我们发现非结构化数据作为企业数据资产的底座非常重要，以往很多企业注重这部分的数据与知识的积累。我们认为真正能令数据积累发挥应有价值，需要与 AI 大模型做整合。

　　AI 大模型能够在知识萃取产生过程中提升效率，有效缩短人、业务、知识间的获取成本，利用知识推送、知识问答、知识搜索等方式将内容与业务相结合。在后续的进程中，鸿翼能够在数据底座、知识智能应用板块不断与前端客户、生态伙伴相伴，找到更好的落地场景，推动技术的发展。

　　ECM 领域资深从业者，具备丰富的企业数字化转型、AI 人工智能和非结构化数据管理相关行业从业经历和行业知识储备。

　　作为公司解决方案负责人，他主导鸿翼企业内容管理产品解决方案体系的构建，深度参与和见证了 ECM 领域整个市场演进和技术发展的过程，参与打造的基于鸿翼核心产品与行业理解的解决方案服务了包括新能源、半导体、高端制造、工程设计、能源化工等多个重点行业的标杆客户。