大模型时代的到来，AI取得长足的进步。以大数据、大知识为基础，在算力、算法的加持下，AI从感知走向认知，从归纳演绎走向推演涌现，从设想走向现实，AI原生，AI加持，场景应用落地，迎来大模型应用元年。而知识管理、知识工作就是其中最为普适的场景，大模型+知识管理，AI+知识管理的结合是天作之和，其以结构化数据、非结构化数据为基础，结合算力、算法，在工作场景的敞口下能够快速兑现验证AI对工作的价值，是能够速赢的策略，其有利于进一步挖掘释放出数据的知识价值，让机器更智慧，让人类更聪明，让工作更自如。

知识管理、知识工作加持大模型，加持AI，并非只是AI、大模型，其还要融合大数据、RPA、BI、NLP、知识图谱、OCR、人员画像、业务建模等技术与实践，实现数据的自动归集、语义表达、理解与执行、数据价值的深入挖掘、推演与分析，将人从信息海洋中解放出来，从琐碎重复的任务中解放出来，将注意力集中花费在有价值的创造性工作上，让每个人的知识信息需求得到精准满足，个性化的满足，无论是对内的，还是对外的。让数据的知识价值、决策价值、洞察作用发挥出来，而不仅仅停留在感知采集、归档追溯、简单分析，被动式的应用上，而是让工作自动，知识智能，数据洞察，经营智慧，让知识这一生产力的效益充分发挥出来。

大模型、AI的发展让符号主义与连接主义走向融合，让机器理解人的语言，处事逻辑与基础情感，让其具备人的通才和专才的能力，无疑是人类的第二大脑，强大助手。AI的作用并不仅仅作用在数据上，也作用在业务、产品、服务、工作上。AI的发展进一步解决了结构化数据难治理，非结构化数据难提取等阻碍内容处理与应用上的难题，让人人AI、事事AI、时时AI成为了可能，数据价值的深入挖掘成为现实，各类场景应用走向现实，成为可能。而AI、大模型的发展与成熟，作用加持于知识管理、知识工作，让以往基于结构化、非结构化数据等内容基础上的知识管理、知识服务以及知识工作，得到了明显改善。

以往组织知识管理存在散乱裂扰困苦弱的问题，没有八巧玲珑心，且劳心劳力不讨好，没人买单。在AI、大模型的加持下，这些现象得到缓解，投入产出比，边际效益、体验得到明显改善与优化。

散：知识分散不统一，信息孤岛，知识烟窗；同时对于内外部的知识采集整合自动化不足；借助系统集成以及RPA技术在各系统间实现集成，自动抽取对应的知识，将数据转化为知识，并做可视化呈现；

乱：知识不知如何整理，分类，不成体系，语义不统一，语义有歧义；在RPA的帮助下实现自动化分类、执行与检查，以及知识消歧，统一理解；

裂：非结构化数据与结构化数据割裂，难以统一理解、治理；在NLP、BI、RPA、AI等技术的加持下实现统一组织与应用，数据治理与知识治理融为一体；

扰：知识分类维护人工投入太多，劳心劳智，耗时耗力；在AI的帮助下聚类分析，自动分类，自动打标签，通过AI学习打上更全，更精准的标签，让知识被发现、应用的可能更大；

困：知识内容运营创作、萃取劳心劳力，无头绪；在AI的支持下生成创作主题引导辅助知识创作，并多模板支撑，知识原子化组合，多模转化，输出贴合用户理解的知识，而且知识能智能验证、智能提醒、自我更新，实时进化；

苦：花费大量时间在查找、验证对应的信息上，知识创造创新没头绪，错二犯，重复造轮子，重复解答处理同样的问题、事务，知识理解难，需要多页面切换，多语言转译，思绪频频被打乱，工作完整性、专注性得不到保证；在NLP的理解下，大模型的加持下，直接反馈答案，有来源有验证的答案，可多轮对话，深入探寻，在创造上，多模态转化，AI摘要，续写、扩写、总结、词条百科释义，一键唤起，知识创作、管理与应用不在分开，思绪不再打乱；

弱：内容只是内容，需要自己深入理解，难以实现关联，深入推理，场景不深，服务不强，应用缺反馈；知识不仅是参考，能够洞察、做趋势分析、能够支撑决策，做自动个性化服务；在AI、图谱的加持下实现知识推理、知识发现，进行根因分析，预防性介入；在人员画像、业务建模的基础上从人找知识到知识找人的转变，让知识深入业务，提供如影随行的服务，知识推荐能够根据工作场景、知识行为、知识相关性进行个性化推荐与呈现，实现千人千面的知识满足。

在AI、大模型的加持下，知识投入少了很多功夫，知识应用多了不少便捷，内容创造、管理、应用不再分离，AI能够参与到每一个业务判断、执行，融入到每一个业务动作，能自动执行，业务智能化，组织智能体、人手一个智能助手、智能体不再奢望。

在AI、大模型加持下，整个过程在加速，在这个变化的时代，要坚守变与不变，要形成自身的元认知，要有深入思考的创见，要能够根据环境变化、自身发展需要持续刷新自身的知识结构，更新知识体系。毕竟AI代替不了思考，了悟。我们自身还是要有创见，要有推动力，能够引导、领导，能够给出结果的能力要锤炼训练出来，需格物致知、见省自身、龙场悟道、知行合一、自我实现，打造自身的独特竞争力。

在AI、大模型的加持下，对应的输出创造AIGC是对PGC、OGC、UGC的有益补充，参考，而非替代。知识是事务的本体、关联以及运动的描述、表征以及规律。知识在现场，从业务中来，服务业务，从实践中来，服务实践。知识需要生成、描述、表示、理解、消歧、组织、计算、增强、输出、学习、应用、创新，需学而实习之、习而贯通之、通而变现之，让知识价值在业务变现中得以实现。需以输出倒逼输入，让知识得以掌握、理解，以刻意训练带来深刻改变，以分享带来持续的提升，以协同创新、开放式创新带来破圈，以实际行动实现效益。

在AI、大模型的加持下，个体的效率得到极大的提升，此时组织面临着如何将这些个体的效率转变为组织的极致效率，转变为组织的最佳实践，绝不是提供对应的AI工具就可以的。AI的加持下，似乎随处可得，但应得什么，需得什么，所得能否转化为所用，所用能否转化为所出，这些能否固化为能力基线，能否将个体的能力整合转化为公司的能力，能否把能力建立在组织上，从个体的效率提升带来整体的效率革命，从个体的胜利转向团体、总体的胜利。这些知识管理的关键问题依旧是关键问题。这些鸿沟并没有因为AI的加持带来什么改变，依旧需要人去弥合，在弥合的过程中逐渐抹平拉开差距，带来整体品效、人效的提升，进而打破企业的价值空间，重新定义自己。

在AI、大模型的加持下，并非对人的替代，而是根植于于人的发展，组织的发展，助力于人的自我实现，组织的社会价值实现。更要发挥出知识型员工的价值，让更多人转变成为知识型员工，让知识型员工从日常琐碎的事务性事务中解脱出来，能够更好的专注价值创造性工作。让正确的信息在正确的时间传达给正确的人让相应的信息得到正确的应用，正确的发挥正确的作用。让员工专注于价值创造，让员工在价值创造中，组织的价值实现中寻求到自身不可替代，独特的竞争优势，找到生存之基。

在AI、大模型的加持下，不仅加持了知识管理、知识工作，更进一步加快流数一体，数知一体的融合进程，以此实现数据洞察，知识驱动，实践取得，认知引领，在正确的方向下实现知行合一，能够以认知引领发展，知行合一促进实现发展，以此不断扩展组织的价值边界。企业实现数据驱动、知识驱动到认知驱动的转变。

在AI、大模型的加持下，知识管理跟其他的管理要素走向深度融合，其依托于业务建设、组织建设、人员建设、组织能力建设以及相应的数据基础建设，在此基础上厚植组织能力，迸发组织能量。在AI、大模型的加持下，公司管控、业务发展、组织能力建设、数据治理、知识应用等不分彼此，不再割裂，企业作为一个智能体存在，以往有所欠缺的板块需要加快建设，形成互动，融合发展，以增强整体的韧性以及融通性。

此时的知识管理不再仅仅是单纯的存粹的知识管理，其不仅仅围绕知识内容，也不仅仅建立在数据的基础上，乃至跟业务工作以及生活融为一体，还建立在如何进一步挖掘应用人的才智，发挥人的能动性、创造性上，毕竟AI代替不了经历、代替不了你的思考，不能知你所不知，不知其不知，能助人成长，代替不了人的学习成长，知识需要在正确的方向上在正确的时间正确的场景下发挥正确的作用以产生正确的决策与行动，行动的经历、感悟能否转化为经验，能力，依旧依赖于参与者自身的思考、见悟。体验、体悟、思考与自身的成长以及业务结果是AI替代不了的，内容-理解-应用鸿沟在AI的加持下虽有所缩小，但代际的鸿沟再次拉大。其次AI的加持也不仅仅是通用的模型，其需要结合业务对象模型、人员的画像，跟跟业务的发展、人员的成长相适配，成为企业私有大模型，私有的应用，独特的服务与优势所在。

在AI、大模型的加持下，企业自身作为智能体，也要融入到社会、市场这个烘炉进行试炼，跟合作伙伴、客户产生连接、交互，共享共创价值。能够不断从市场中捕获定义客户需求，基于客户的需求定义设计自身的产品、服务、解决方案，同时企业本身并非封闭的系统，还需要联合伙伴共同交付，服务好客户，赢得客户的认可，并以发展、价值持续吸引、争取到合适的人才为己所用，人才在公司这一组织中能够成长，在组织这一机制下，实现兑现人生价值，实现共赢。其中组织内的员工要形成智慧共同体，并跟合作伙伴要形成共同的解决方案。外部的连接合作以及知识的刻意训练在于茂叶，在于扩展、深化，壮大生态。创新在破圈，知识在涌现，企业的价值空间被重新定义，企业应融入生态，找准有利生态位。内部的连接、交流、互动、响应在于强干，知识固化封装成程序、规则，固化为产品、解决方案，实现产品化、服务化、软件化、客户化以此固根，同时内部组织知识资产需得到肯定、保护，即时发挥价值作用。其中业务做好服务，提出资源、能力需求，组织做好资源供给以及能力支撑，解决能力与资源需求、培育、建设、供给问题，以此让企业这艘航母继续航行下去，进而实现以客户为中心，以市场为导向，在数据以及知识驱动下的人、组织、业务，生态的共同发展，增强企业的敏捷性、韧性与融通性。

在AI、大模型的加持下，需要明白AI带来的变与不变，以及需要坚守什么。

AI催生极致效率革命，企业内外零散的智力知识资源得到深度理解、整合与学习挖掘、涌现、输出以及服务，并反馈再进化，知识这一生产力得到充分的发展以及发挥，带来工作效率以及工作本身的工作方式迎来转变，一切在加速，加速融合，加速破圈。而同时行业不断输出形成各类AI应用最佳实践，乱花渐入迷人眼，AI能带来效率，能变革工作方式、革新公司的运营方式，这是毋庸置疑也是需要快速验证、落地为价值的。AI、大模型的导入其在加快效率，降本增效的同时，也再次让人们陷入茫然，无措。

在AI、大模型的加持下，自己的工作中有太多AI可以代劳，乃至全部替代的，要是全交给AI 去做，那自己的作用价值体现在哪，若AI能做的，自己还苦苦坚持摸索，放而不用又为何。陷入纠结、茫然，成为孔乙己，拿不起，放不下。是争渡，还是被裹挟着前进，还是引领潮头，身不由己。

AI加持下的知识工作，混沌之中蕴含秩序，在破坏中孕育新生，需在重构秩序中，于不确定下寻求确定。混序包含了生发、连接、运动、涌现和结构，是熵增还是熵减，是从中获益还是陷入混乱，茫然，找不到自己。到底是全才还是专才，是近乎全局通晓下引领AI、应用AI解决问题，还是专才成为AI攻破不了的高地。似乎我们都是普通人，经历着生活、工作、事业的苦，在这苦与乐中探究实现自己的价值，也没有跟AI较量一番的想法。到底是你从中获得的效益多，还是AI从人类的这个大池子汲取成长的快，终究还不是对立的局面，是人机协同的美好局面。在这其中，要发挥各自不可替代的作用，相辅相成。要明白在AI加持下的知识工作，自己不可替代的价值是什么，又要坚守什么，以致不陷入新的茫然、无措、不安中。

在AI时代，似乎一切都随时随手可得，在AI加持下一切都伪装得很好，也暴露得更彻底，还进一步加剧了学习的碎片化，碎片化信息的接收与理解，一切都那么可获得，那么一知半解，反而一事无成，陷入自我安慰、自我陶醉的成长当中，接受不了体系化、系统化的东西，一切都过眼不入心，将一切都归到已有的知识框架中，陷入傲慢的无知，无法破圈，无法更新自身的知识结构，知识体系，难以形成新的认知，是看似进步实则转圈乃至退步。

在AI加速下，更要沉得下心，知道自己要成为什么，要什么，能够坚持投入，坚持产出，能够深入到深出，能形成真知灼见，学会真学，输出真知，做出真行的结果。需花心思精力去解决我不知道的问题，解决我需要掌握哪些知识，怎样的知识，这些知识怎么掌握，怎么学习，怎么应用，怎么更新，怎么内化。学习任何时候都不是简单的事情，知是行之始，行是知之果，要避免碎片化的学习，成体系、成结构的学习，将别人的知识转化为自己的知识体系，以及将自己的知识体系做出结果与成果来。以达到学而能用，是真学，知而能行，是真知，真学真知，是智慧。学的是知识，悟到的是智慧，关键是内化为自己的知识体系，用过程、结果与商业成果去验证，知行合一，不做思想的巨人，行动的矮子，再做时的夸夸其谈者。要经历思想思考的苦，方能见悟，豁然。要做心智的开发，而非脑力的开发，做认知的转变与升级，让脑子做人脑更有价值的事，不再陷入重复性事务证明存在，而投入到更有价值的事务中。

在学习中坚持学习的721法则与费曼学习法，实现刻意训练下的成长。对于学习，要从个体学习上升到组织学习，一个人走得快，一群人走得远。对于应用，要直面问题，带着问题学习，要会学，真学，真用，用出结果，用出效果。会学才会学会，真干才能习得，在应用中反馈要即时，在同行的协助下，在反思、复盘中修正进化。其中事前学做在前不慌，过程的智慧更牢固心中有底做对，结果的再进化固化持续做对。

在AI对知识管理、知识工作的加持加速变革中，没有侥幸，只有笃定。知识更新越来越快，知识变现的工具越来越多，窗口越来越短，更要坚持终生学习、深度学习，较真学习，在行动中学习，以此增强知识管理能力，能力是内生的，知识要成为本能。技术工具可以辅助加快，代替不了的要坚守实现内在的生长，在AI以及知识管理能力牵引下，找到公司、组织、员工发展的内生驱动力，动力激发，能力牵引，实现共同发展，成为AI浪潮下的受益者而不是被颠覆者。