快速入門
-
00:00
1.
需求驅動：打造企業 AI 知識庫的唯一路徑
播放影片: https://learning.xms.tw/media/6961
如果你曾經為了公司內部那些帶不走的知識感到頭痛，
或者說你對導入 AI 滿懷期待，卻有不知道該從哪裡下手 ...
以下解析絕對會徹底顛覆你的想像並提供一個明確的導入指引。
--
要打造一個真正有用的企業 AI 知識庫，
如果從現實情況和人性來考量，唯一可行的方法就是
透過「需求驅動」
在一問一答之間，把公司人才腦袋裡那些「隱性經驗」給徹底挖出來並記錄
這太武斷了吧！
怎麼可能沒有其他策略？
如果先拋開成見，
耐心看完以下分析，相信你最後一定會完全認同這個觀點喔！
隱性經驗危機
除了少數整理好的文件 (如請假規定、行政流程、SOP 等) 之外，
公司裏那些資深老鳥腦袋裡最珍貴的經驗 (做事的眉角)，95% 以上都沒有寫下來，隨時都有可能流失！
Google 查的、ChatGPT 說的
即使是 100 分的完美解答，也不一定是公司內的做事邏輯。
如果您認同「人才」的價值，是公司最重要的資產，
紀錄人才的經驗，變成公司具體可複製、可傳承的數位資產，絕對是打造企業知識庫無可迴避的第一步。
也就是說
如果沒有內部經驗可參考，AI 就巧婦難為無米之炊、英雄無用武之處！
記錄經驗的策略
既然經驗這麼寶貴，那我們一開始到底是怎麼學到這些經驗的呢？
根據全球非常有名的 70-20-10 學習法則，
只有 10% 來自教育訓練，高達 90% 的經驗其實就是來自實際工作中的摸索 (70%)，還有跟同事之間的互動交流 (20%)，
也就是「經一事長一智」的過程 ~
碰到問、做錯學
問這個動作，也是開啟學習大門的一把鑰匙 (註)，
在一問一答、資深前輩回答新人的那個瞬間，其實就是經驗出現與傳遞最黃金的時機。
透過「問」的當下 (事件)
驅動「記錄經驗」是實務上唯一可行的方式。
驅動「記錄經驗」是實務上唯一可行的方式。
因為發生的當下沒記錄，以後就很難！
畢竟絕大多數的人都是這樣
今天很忙沒空、明天也不會有時間
今天會拖延，明天也不會立刻就改變習慣
如果請資深同事將大腦中的經驗主動寫下來呢？
根本不可能！
保證一開始就會卡在：「經驗這麼多，要從哪裡開始紀錄？」
如果連自己都做不到的事情，就不能期待別人做到，
這就是為什麼傳統那種由上而下的強迫規定註定會失敗的原因。
最簡單的方式，
還是回到前面提到的，透過「一問一答」之間經驗出現的那一瞬間，順手記錄下來。
如何記錄經驗？
用 QA 紀錄就對了！
寫起來簡單、快速。更重要的是還能對症下藥、解決問題！
想想看我們人類的經驗是什麼？ 不就是
看到什麼、想到什麼的關係
例如，
工廠裡有經驗的老師傅
聽到機器發出「唧唧、唧唧」的奇怪聲音，根本連想都不用想，馬上就知道是傳動皮帶磨損，換一下機器就正常運作了。
如果是沒經驗的機械博士呢？
很可能拿著一堆精密儀器診斷、翻那本厚厚的保養手冊，折騰了半天還是找不出問題到底出在哪 ...
這就是經驗，
甚至都不需要經過大腦複雜的邏輯推演就能直覺反應出來的東西。
其實 AI 的運作方式也很類似
把全世界所有資訊都建立好關聯性，就一路看到什麼想到什麼 (embedding similarity) 暴力計算
雖然沒有腦袋，但還是吊打了大部分的人類。
就像前面提到的「老師傅」，
一個很有經驗，即使沒有理解和邏輯 (直覺)，
還是比一個很厲害但沒經驗的「博士」更能解決問題，你說呢？
避免 AI 幻覺
當 AI 有企業內部的參考資料後，還要能避免 AI 一本正經胡說八道的問題，才能真正落地應用！
很不幸的，史丹福大學 2025 發表的一篇論文，從理論和數學證明
生成式 AI，幻覺是根本無法避免的問題
即使透過 RAG，也會陷入「檢索脆弱性」的問題，回答錯誤
既然生成就會有機率產生幻覺，
直接對症下藥的解法就是 ~
不讓 AI 生成，
讓 AI 透過強大的「語意理解」能力，找到對應的 FAQ，並直接輸出經過人類確認、整理的內容就好
就像是稱職的圖書館員，
針對你的需求幫你找書 (輸出 FAQ) 而不是一本正經的為你解答 (AI 生成)。
結論
一路分析下來，很明顯的，現況唯一可行的方法就是
在一問一答之間，挖出並紀錄公司內人才的「隱性經驗」 (FAQ)
透過 AI 直接找到並輸出 FAQ 的內容
其實這就完美模擬了公司內有經驗的同事，每天解決問題的日常。
方法知道了，要如何執行呢？
工欲善其事、必先利其器，透過 xms+ AI 就很簡單！
每天花 10 分鐘，就執行 2 個步驟
- 問 AI or 在知識社群發問
這樣就收集到最真實的「需求」or 看到知識庫的缺口。 - 整理 FAQ
資深同事將重要且常見的問題寫成 FAQ
如果一天 3 個 QA，
3 個月就 200 個 (類似的不用寫，因為 AI 都找得到)
就能涵蓋特定領域 (如請假等行政日常) 大部分的問題。
發揮 80-20 法則的巨大效益，
讓 AI 依據這 20% 最核心，最常被大家問到的問題，精準解決內部高達 80% 日常的需求！
徹底解放資深員工回答重複問題的時間，
而是能把最寶貴的時間，投入到更關鍵更困難的高價值任務上。
附註 ~ 問，真的很重要
問，這個貫穿這整個策略的底層邏輯的核心價值，其實不管從哪個角度看，都很有說服力
Learning by asking questions
複習時的「問答字卡」
notebooklm 裡面的「學習卡」
2009 TED 演講中提到的黃金圈「一切從 why 開始」
「學習五個關鍵」文章中提到的第二步 ~ 理解
...
上面這些學習框架都在反覆向我們證明同一件事，
問絕對不只是一個動作而已，它更是 AI 時代最核心的關鍵能力。
同時更是我們把工作做好的絕對基礎，
可以避免「我以為 ...」因為沒問把事情搞砸，像無頭蒼蠅一樣白忙一場。
評語
請登入後才可以評分
- 位置
-
- 資料夾名稱
- AI 人工智慧之道 ~ 每天 10 分鐘，打造沒有幻覺的 AI 知識庫
- 上傳者
- 蘇德宙
- 單位
- 台灣數位員工
- 建立
- 2026-08-12 19:10:55
- 最近修訂
- 2026-08-17 09:27:46
- 長度
- 11:09