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