序
-
00:00
1.
突破 ~ 什麼都先問 AI 就對了
播放影片: https://learning.xms.tw/media/4963
主題索引
是！
而且最好在「做之前」，都先過問 AI。
除了再次確認做法之外，
如果 AI 無法從內部的資料回答，就可以藉此從真實的需求中發現知識缺口並用簡單的 QA 順手補上，解決企業知識管理的千古難題 ~
隱性經驗危機
也就是公司裡那些最有價值的實戰經驗 or 眉角，
絕大部分只存在員工的腦子裡並沒有被記錄，導致內部的知識庫根本就是一個數位廢墟，沒人想用 ...
需求驅動，解決知識管理 3 大難題
因為問，就看到需求，
再透過「需求驅動」去記錄重要且常見的經驗，解決「知識進不去」的問題。
另外，
當 AI 會從資料庫找出對應的 Q&A，或是依據相關資料綜合整理後回答時，
我們就有機會發現資料可能有問題，就可以持續改善，解決傳統知識管理「維護困難」的問題。
也就是透過簡單的「提問」這個需求，以及 AI「找得到」的強大能力，
就可以同時解決知識管理的 3 大痛點 ~
- 知識進不去
- 維護困難
- 找不到
經驗進不去
在一般公司裡面，
人才的寶貴經驗，真的有寫下來的可能連 5% 都不到，也就是根本沒有任何文件記錄！
這種情況其實很合理，我們常常就是想太多：
東西這麼多
資料還不夠完美
現在很忙
之後再寫
...
光是這些就足以讓我們打退堂鼓了，
結果就是卡在那裡，什麼都沒做。
想都是問題，做才有答案！
有問，就是需求，就值得被紀錄，把「開口問」當做行動的第一步，就這麼簡單。
只要做到「什麼都問 AI」這個小小的習慣，
就能啟動整個循環，將那些「重要、且常見的問題」紀錄，
知識管理就會從過去不會成功的苦差事，變成水到渠成的結果。
過時
當發現 AI 提供的資料怪怪的，例如：
問：「怎麼重設密碼？」
AI 回答：「可以通訊辦理」
顯然，這是過去的做法，現在已經不提供了。
提問者就可以回饋「不滿意」，
系統就會通知後台管理員，不用 1 分鐘就可以順手修掉了。
不完整
如果沒有持續維護，資料不完整就是必然的現象。
因為我們不可能一開始就寫出 100 分的內容！
就像 iPhone 已經出了 10 多代，是持續改善的過程。
透過大家不斷的去問問題，
當 AI 無法回答或給的資料不完整時，就像是一個探測器，發現知識的缺口。
例如，前面提到的例子，
那位行政大姐的報銷秘訣 (隱性經驗)，小陳問完後，負責的大姊從系統後台就能發現並補進去。
這個簡單的「問 AI」動作，
就把維護知識庫這個幾乎不可能的任務，變成一個無痛的好習慣。
只要進入 PDCA 持續改善的循環，一次進步一點點，就能增加覆蓋率和正確率。
重複
一旦資料找不到 or 缺乏整理，常常只好再寫一次，很自然的就有一堆重複的資料 ...
解法一樣很簡單，
AI 會告訴你有哪些 FAQ 是同樣的問題
或是我們可以從參考資料清單中發現重複的資料。
不一致、互相矛盾 ...
AI 帶來技術突破，
能透過強大的「語意理解」能力 ~
能透過強大的「語意理解」能力 ~
找到核心意義相同的內容，
突破傳統「關鍵詞」搜尋的限制
一旦找得到，只要有制度、有負責人、就能順利解決這些難題！
重點整理
什麼都問 AI 就對了！
這個簡單的動作，
除了避免「我以為 ...」的認知錯誤外，
更能徹底解決人才的隱性經驗進不去，以及資料維護困難的難題。
只要養成這個小小「問」的習慣，
就能進入 PDCA 循環，增加覆蓋率和正確率，把知識管理從一件注定失敗的超苦差事，變成一個超自然的水道渠成結果。
改變，就從這個簡單的小動作「問 AI」開始！
評語
請登入後才可以評分