AI赋能知识管理

模块

单元

知识点

互动

开场与引入

走近知识管理

知识管理基本理念及发展历程

知识管理在当今时代呈现的新生命力

如何找到知识管理价值入点

关于大模型进企业的现状和问题

误区 1 、期望过高

误区 2 、投入方法和资源不当

误区 3 、目标与手段背离

模块一

解密大模型

大模型是什么

1 、大模型的来源及构成

2 、大模型本质，把大模型当 “ 人 ” 看

3 、大模型的适用范围

大模型可以为企业带来的改变

改变 1 、各类型企业 / 各板块业务增效

改变 2 、内外部协作智能化

改变 3 ：企业核心价值的增强和转变

改变 4 ：有效支撑企业智能化转型

改变 5 ： 2-3 人微型企业增多与市场竞争格局改变

用 3-5 个简短案例说明

引入大模型，正当其时

1 、大模型是明显接近 “ 人类 ” 的 AI （以往的 AI 产品离 “ 人 ” 的水平差距比较远）

2 、大模型（包含语言、图像、多模态等）是企业数字化 / 智能化的发动机 / 引擎

3 、大模型是企业人力管理 / 盈利能力管理的新阶段

4 、行业探索期已过，行与不行 / 如何开展已有初步结论

RAG ：当前大模型落地的最优解

1、   RAG 的基础含义

2、   RAG 的基本实现过程

3、   RAG 的优势（对比大模型直接应用、大模型微调、大模型训练）

RAG 落地的实际案例和体系建设

RAG 落地体系搭建

1 、总述：快速推动 RAG 企业落地的 “365” 体系

2 、大模型 “ 六边形战士 ” 模型及基础准备工作

￮      业务场景（选取场景，应该遵循高价值、易实现原则）

￮      产品设计（产品基本选型，如对话沟通型、工作台调取型、工作流嵌入型）

￮      技术攻关（搜索关键技术、问答关键技术、推荐关键技术）

￮      模型算法（大模型的选型和具体选择方法、周边算法及模型）

￮      算力规划（提高算力投产比的方式方法）

￮      数据 / 知识（企业数据 / 知识的管理体系和方法）

互动一：

用案例串讲本节理论：

互动二：

简要说明，在相关模块，我们有哪些进一步的培训或辅导项目

RAG 落地实施 - 知识管理金三角体系

一、总述：知识运营的 “ 金三角 ” 体系

▪    基于业务变革的知识变革

▪    知识运营全链路管理

▪    业务场景最优探索和价值闭环

二、 RAG 如何落地的具体措施

1、   基于业务变革：知识基础形态改变和知识质量提升

2、   知识运营全链路：五部曲

•             知识生产

•             知识采集

•             知识加工

•             知识应用

•             知识增补

3、   探索和闭环：搭建和运行 “ 知识 for AI” 管理体系

•             应用场景落地：

客户、用户角度和问题、痛点意识

如何实现问题 / 痛点角度的业务场景和价值梳理

基于以上体系的知识体系的重构

•             知识盘点：

知识架构、知识地图、知识体系

知识规范度和 AI 友好度评估和提升

•             知识管理规范与知识贡献激励

•             系统 / 产品功能建设要点

•             RAG 效果评估

训练集 / 测试集的搭建和运用

基于业务价值评估指标和体系

成功用好 RAG 的五大保障

•             基础保障：知识 / 数据的积累和管理

•             组织保障：岗位增设与参与人员

•             体系保障： IT 、业务运营等体系的职责与分工协作

•             文化保障：探索、学习型文化的建立和持续迭代

•             机制保障：评估和评价机制

RAG 在企业落地的项目探讨

开启企业落地项目的三步走

第一步：基于 “365” 体系的评价框架

第二步：（基于自评）定位问题、选择切入点

第三步：明确第一批优先行动任务

互动：

让听众用我们的问卷评估自己企业或体系的情况

总结和提炼