第一层：基础层次：知识的管理

这也是普通人理解的知识管理实施，将组织存量的知识进行梳理，建立知识分类结构和体系，同时规定各部门和职能的知识产出要求，譬如每个部门每月生产多少篇知识文文件等。在较早（2008年之前）的知识管理实践中大部分是这样做的。

当然这样做也有其必要性：通过梳理知道组织有什么知识、通过分类将这些知识放到固定的维度和分类下，提高了人们发现和定位的效率，保存了显性的资源。

在ISO 9001的2015版本中对于组织知识的要求中，其本质上是处于这个层次的：界定组织知识、分门别类存储、便于人们使用。

但这个层次其实存在许多问题，许多做了以上工作的企业仍然发现，明确的显性知识即便保存起来也不一定有人用（或很少被打开），有人用的满意度也不高。

核心原因在于这种管理方式只是站在知识供应端思考，而没有与管理者和员工的需求结合起来，认为只要存起来就有人来用，但在互联网的环境下这种假设本身已经不符合实际了。

第二层：应用层次：用知识管理方法解决具体问题

许多组织和机构并没有全面的知识管理，也没有做以上基础层次的知识管理工作，但基于组织运营中的核心需求发现需要去做知识管理的工作，就用知识管理的方法去解决这些问题。

譬如在大部分大型的客户服务中心或者呼叫中心中，都建立了面向坐席代表的知识库，也在陆续建立面向终端使用者的智能客服机器人（其背后也是知识库的支撑），但除了面向坐席代表和终端用户的知识服务外，这些客服或者呼叫中心内部的管理职能并没有去做知识管理的工作，就出现了虽然这些机构绞尽脑汁的想提升知识库的质量和用户满意度，但却发现很难推动。

背后是因为这些库是前端，没有后端的知识管理前端也不能做的很好。跟客户服务中心类似的知识管理实施模式还有运维业务的知识库等。

也有许多企业大学从培训、员工教育和人才培养的角度去做知识管理，收集各种课件、课程视频、最佳实践等资源，建立知识库支撑员工学习。还有从质量管理角度做知识管理，为了更好地质量管理要求沉淀经验教训，便于改进优化之前的质量问题等。相似的还有从标准化角度、创新角度的切入。

这种知识管理推动方式相对于仅仅站在知识立场上的推动，效果更好一些，原因在于这种情景下知识管理的目标明确而聚焦，将职能的需求转化成对于知识的需求，更容易见到成效。

但在实践中，这个层次仍然存在着问题，归纳起来就是：

a、知识的层次性较低，大部分是业务产出（各类报告、图纸、经验总结）的各类知识原料，而员工工作中核心需要的能够真正指导工作的知识内容欠缺，更缺乏更高层次的流程知识、情景和战略的知识。

b、知识组织的层次较低。依然是按照传统的知识分类、导航、搜索方式进行，无法解决使用者“不知道自己不知道”的问题。

第三层：系统化层次：纵向传承与横向协作

该层次的核心在于：

全面：各业务、职能全面的知识管理，而不仅仅是第一层基础的管理或者第二层点的管理；支撑多种目的，既包括效率的重用和复用质量的稳定性与提升，也包括高层次的决策、创新等。

能力：通过系统的知识管理培训、研讨和实际工作，管理层和员工大都具备了知识管理的意识和能力，他们乐于用知识管理的方法去解决面临的问题，并且具备了相应的内容（知识生产、组织、模型的构建）。

企业层面提供相应经费和人员支持，建立了系统的知识管理组织结构和考核激励制度，每个部门和团队都有明确的知识管理目标与方向。

另一个方面是，专业人员和业务专家具备知识管理的相应能力，可以基于需求去组织知识图谱、场景图谱，支撑核心工作。

价值：通过知识管理对于组织各层级的管理者和员工、各类型工作的支撑，直接产生价值，促进绩效达成，形成良性循环持续投入。

第四层：自动化层次：知识工作自动化

在麦肯锡全球研究所2013年发布的《颠覆技术：即将变革生活、商业和全球经济的进展》报告中，预测了12项可能在2025年之前决定未来经济的颠覆技术。其中，知识工作的自动化智能软件系统位居第二,该报告预计到2025年，知识工作的自动化每年可直接产生5.2万亿至6.7万亿美元的经济价值，不计自动化所带来的效率间接提高，相当于额外1.1亿至1.4亿个全职雇员的产出。

这也是人工智能代替知识工作者的趋势。但对于非封闭领域的自动化而言，知识工作自动化依赖于人类产生出结构化、标准化的知识才能够实现。

我们判断，随着技术的发展，对于知识生产的要求越来越高，各组织之间的竞争优势获取依赖于是否能更快的生产出可以被智能机器所理解的知识，并替代人们需要做的繁琐、低价值的工作，这也是未来知识管理发展的趋势。

畅想一下就是：未来的知识管理很重要职能是由人生产出标准化的知识，然后让机器去实现，而竞争优势在于谁最先标准化这些知识，谁能创造出新知识！