近期，因知而智·2022中国知识管理年会暨第12届China MIKE颁奖典礼在深圳圆满落幕。China MIKE专家代表、蓝凌研究院执行副院长黄德毅作主题演讲，分享“知识管理的创新曲线”，引发热烈关注。本文整理出相关演讲内容，以飨读者。以下为演讲实录（有删节）。

新时代知识管理的关键词：知识韧性、终身学习

1985年，经济学家Bennis&Burton Nanus在《领导者》一书中提出“VUCA”一词，即volatility（易变性）、uncertainty（不确定性）、complexity（复杂性）、ambiguity（模糊性），用以描述冷战结束后世界局势呈现的不稳定、不确定、复杂且形式模糊的世界新状态。

这几年人们逐渐发现，VUCA 已不足以形容我们今时今日所处的这个更加不确定的世界，尤其在疫情之后，这个感受更加强烈。美国人类学家Jamais Cascio于2016年创造的“BANI”一词开始进入公众视野。什么是“巴尼（BANI）时代”？Brittleness（脆弱性）、Anxiety（焦虑感）、Non-Linear（非线性）、Incomprehensibility（不可知）。

乌卡与巴尼时代交织之下，企业面临不确定性的环境，员工个体也变得更焦虑、脆弱。组织应该如何去应对？我们认为，构建组织记忆是尤其重要的，它是组织核心的能力。

概括而言，企业可以数字化为工具或手段，再造组织流程和业务流程，以精准、理性的知识确定性应对外部环境变化的不确定性的能力。短期来看，可以通过知识数字化构建敏捷组织、理性管理，实现全链路的组织赋能。长期而言，通过知识的沉淀可以帮助企业穿越周期，构建可持续的组织文化沉淀，实现永续经营的能力。

那么，作为个体又该如何应对？我们的答案是：终身学习。每个岗位的员工所关注的实际上就是经济收入及个人成长两个方面。对于普通员工而言，组织能够为其“赋能”是他们的共同诉求。对于管理者而言，要放弃“内卷”，实现以赋能代替管控的心态转变，学会撒手、后撤，学会不当英雄。

融合乌卡和巴尼时代的特点，从知识管理的视角，我们进行了汇总。从组织管理诉求来看，它希望能够降低人员依赖，组织工作更多地实现从标准化到自动化的升级，希望员工具备多重技能、并聚焦于创新；从知识管理的诉求特点来看，知识泛化为多模态的知识，组织更希望知识能够变得自动化，让知识自我执行业务，通过知识化驱动组织创新；从知识管理技术来看，更需要知识自动化与工具化工具，员工、组织赋能工具，数据、文本融合工具，知识业务融合与创新支撑工具。

数字化知识管理的三条创新曲线

在这种情形之下，知识管理究竟应该怎么做？我们归纳为三条创新曲线。

第一曲线：以人为本的知识管理驱动赋能与创新

知识可以从四个维度产生价值。一是赋能组织，让组织有记忆、生命，通过知识盘点，构建知识仓库、知识专题、知识专辑、知识地图等，实现经验沉淀、最佳实践复制，实现知识生产过程有序化，让知识得到更好的利用，赋能组织创新。

二是赋能员工，譬如通过构建新人学习路径图、新人地图，进行新人辅导等，帮助新员工快速入模，胜任新工作；通过岗位知识地图化、业务知识课件化、知识赋能在线化等手段，帮助员工快速地发展、晋升，提升组织战略性的造血能力。

三是赋能业务。通过知识与业务融合、知识原子化精准服务，让知识更好地服务于业务。为了帮助组织更好地实现知识对业务的支撑，我们构建了知识教练系统，在业务操作过程中，知识教练系统可以进行场景式知识服务。

四是赋能创新。首先要进行组织能力的构建，“刀子向内”，我们需要清楚组织具备什么样的知识、哪些知识是所缺乏的，知识的准备度、清晰度、更新率是怎样的，综合这些维度来构建出整个组织的全盘记忆。

其次，赋能员工。赋能员工很核心的逻辑，就是知识一定要跟员工调节，能不能做到百分百覆盖员工、能不能实现知识100%沉淀？知识与员工、知识与业务的关联度是怎样的？最后需要建立知识运营的模型，实现员工知识管理的100%闭环运作体系（含方法、模型、工具、管控制度等），为将来的复制推广打好基础。

我举个简单的例子，如何实现战略性人才储备。员工入职后，通过何种路径去成长，譬如一年成为项目经理、一年半成为CEO助理、三年成为中心的副总经理，最后留存到组织中。这基本上是三步策略：第一步，快速进入相关的专项业务知识的赋能；第二步，经验知识的赋能，培训学习里面有“721模型”，70%的知识来自于经验知识的学习、辅导；三是与业务的融合，知识如何赋能业务场景，比如我们写报告、做项目等，所有的这些工作场景，我所需要的知识都伴随着我，我的工作效率及准确性将得到很大提高。比如，我写一份报告，需要用到报告模板，在撰写的过程中，需要引用相应的经济数据，这整个场景中，都可以利用到知识的供给；整个知识的获取以及报告撰写过程都是被记录的，谁关注、调用了什么样的知识，全过程都可以被追溯。

一方面“刀子向内”，另一方面还需“创新向外”，就是要往外面获取新的能量。外部知识如何为我所用？外部专家如何为我所用？内部专家如何激发所长？这是非常重要的3个方面。海尔有一个HOPE 平台，被称为中国式的“C&D-联发平台”，聚集着高校、科研机构、大公司、创业公司等群体，覆盖了 100+的核心技术领域，社群专家12万+，全球可触达资源100万+。这是很好的“创新向外”的案例。

第二曲线：以数据为根的数字知识化创造与消费

企业拥有人员、客户、营销、成本、工程等各类数据。我们需要将这些数据围绕业务本身形成“知识立方”，面向业务对象，将多模态数据整合成一张知识网，不再是单维度描述对象，而是立体全面识别、判断、支撑与服务于业务对象。

比如员工知识立方，以往识别人员更多是HR、部门视角，相对单维度，而不全面；以员工为业务对象，将组织中与员工关联的各种数据形成关联，从而打破单职能对员工认知的判断，实现员工的全价值识别。例如，每个员工的关注点、诉求点是什么？他的知识需求点在何处，我们可以通过智能门户、场景推理等，为其提供精准的知识服务。

再看客户的知识立方。对客户的消费感知企业最为关注，但客户与组织内部的关系如何持续维持与提升，更需要从企业内部以客户为中心的价值创造与影响来判断；以客户为业务对象，可将客户画像与企业内服务过程进行全面感知，可敏捷响应客户诉求，优化资源更好服务客户。

比如，当一个新的合同项目进来时，我们可以在合同知识立方的基础上，基于合同推荐相似客户、相似项目、项目经理，达到公司最优的资源匹配，也就是我们组织的能力调度；在组织敏捷性层面，当我们获得一个客户线索时，我们可以在客户线索知识立方的基础上，基于线索推荐最可能的服务人员、方案，可实现资源自动化调度，方案实时对外服务。

回归到员工本身，当其工作开展时，他所需要的是一个直达企业内部的所有服务与主数据的输入框，也就是“框计算服务”。当其想搜索一个客户的资料时，通过“一框式搜索”，所有与该客户相关的资料、信息等都将呈现。也就是说，结合知识图谱技术应用，在一个搜索框中解决企业所有搜索问题，除了对内容检索外，包括对人员、主数据（项目、合同、供应商等）和一键呼出应用的检索。

如果围绕着员工的角度继续深化，我们要围绕着组织的能力提升展开。当我们打造一个有韧性的组织时，通过构建“知识立方”，组织对员工的情况就会“了如指掌”，包括应该给他何种资源匹配，如何评判他的表现，如何实现对他的精准赋能等。

第三曲线：以文本为源的知识数字化再造与服务

我们所应用的很多都是文本性的知识，包括一些非结构化的知识。如果我要把碎片化的或是抽取的知识灌到自动问答的场景里面，让它能够与多人互动问答，实现精准的服务。如何让它精准地识别每个问题？清楚地知道问题与答案的关联关系？并且将文本知识进行结构化？这就涉及到“智能机器人”。

它的核心处理逻辑就是借鉴。它需要通过不断地进行训练，来提升其成熟度与精准度。我们可以通过文本性的知识仓库作为载体，通过自动跟半自动数字化的结构处理完之后就进入到服务端（手机端、PC端、语音交互端等），例如智能客服就是这样的逻辑。

我们还需要将多源的文本数据（数据库、网页、图表、多源知识库等）进行处理，通过基于自然语言处理（NLP）的知识加工技术，形成结构化的文本。举个应用示例，当公司的某个产品出现故障之后，我们会进行相应的原因分析，进而找出相应的解决方案、找到可以解决的人。通过知识图谱技术，可以将复杂的因果关系显化，将问题与解决措施进行动态关联，提供决策参考；并且可以基于解决措施与问题描述，进行过往经验案例服务推送。

再比如，我们服务的一家汽车制造企业，他的维修工人遇到某个产品出了问题，想了解这个产品的结构、某个结构维修时需要注意哪些问题、维修后是否会影响其他的结构。如果只有一两个产品，只凭维修师傅的记忆是可行的，但是当你面对的是一个复杂庞大的系统，记忆是未必能靠得住的。这时候，通过系统，它可以帮你记住数百上千个维修要点、你下一步应该维修什么、维修时的注意点是什么，避免维修工人在维修过程中出现错误、遗漏。

如何推进？

以上是我所分享的的知识管理的三条创新曲线。那么，究竟应该如何去推进？我们回归到最本源的东西，管理到底是什么，我们要解决什么问题。我们希望能构建一个可持续性组织，在这个诉求下，我们需要解决什么问题？当人才增长速度高于业务复杂度增长速度时，这才更有利于组织的可持续发展。这就需要组织不断地给员工进行赋能，用知识解放员工，赋能业务高效、可持续、创新增长。第一，对知识进行有效地管理，实现知识沉淀、应用、创新；第二，知识与人、业务融合，提供场景式服务；第三，实现知识自动化管理，实现数据知识化与知识数字化。

基于以上，我们再来看，第一条曲线是基础，是每个组织必须要思考的，主要以知识仓库、员工赋能、知识搜索、知识场景门户、流程融合等方法进行推进；第二条曲线核心是构建从数据到知识的模型、推进组织新增长，推进方法包括数据采集、数据湖、数据场景建模、数据推理、智能推荐等；第三条曲线则是文本的数据化应用，实现文本动态化，挖掘知识的创新价值，推进方法包括主题知识梳理、领域知识训练、专项试点等。

我们畅想，在不远的未来，也许在2030年，知识管理创新的3条曲线会走向融合，实现“三线合一”。这个时期的知识管理团队，既是知识管理专家，也是数据专家，或者说是知识训练专家，他们将是真正推动企业知识管理前进的重要力量。