29 9 月 董小英：AI時代知識管理新價值
導讀：近日，由北京大學出版社主辦的北大博雅講壇第675期”知識創造與高質量發展暨《從知識管理到知識優勢：數智時代企業雙元創新》新書發布會”在北京大學光華管理學院成功舉辦。新書作者董小英教授在發布會上以”AI時代知識管理新價值”為題發表演講，重點解析了當下企業所面臨的5個知識管理方面的問題。
董小英，北京大學光華管理學院榮休教授，我國知識管理與數字化轉型領域資深學者，工業和信息化部信息通信專家委員會委員，知識管理國家標準技術委員會委員。潛心致力於面向本土企業的研究。近年主要著作有《從知識管理到知識優勢：數智時代企業雙元創新》《變數：中國數字企業模型及實踐》《華為啟示錄：從追趕到領先》（中英俄文版）和《中關村模式：科技+資本雙引擎驅動》（中英文版）等。
以下為演講實錄：
知識管理是上世紀九十年代在全球興起的理論探索與管理實踐。在實踐中，第一代是美國企業引領發展，它們當時主要通過管理信息系統、知識工程來整合大企業內部的知識。那個時候美國企業強調知識管理，尤其是對顯性化知識的過程管理，特別重視信息技術的賦能作用。
第二代由日本企業主導，在學術上，日本著名教授野中郁次郎深入探索研究發現，光用信息系統不能解決知識管理的所有問題，因為真正的知識創造是靠人的隱性知識。野中郁次郎教授寫了三本對全球知識管理產生很大影響著作，他通過大量案例研究發現，企業高層、中層和基層員工所具有的創造力，才是知識管理的核心。因此，日本學者更重視”知識創造”，而不僅僅是”知識管理”。他們認為，人是創造知識的主體，組織的領導人、文化發揮關鍵作用。因此，第二代知識管理是以人本主義為核心的。
今天，到了人工智慧快速發展、人機交互的時代，知識創造的過程會發生很多變化，對於人工智慧在知識創造和知識管理中的作用，人們的觀點尚不一致。根據這些年對企業的調查，我發現企業在知識管理領域主要存在下面五個方面的問題：戰略層面的弱信號失效，技術萌芽被誤讀，一些關鍵性的認知偏差導致戰略失誤，多年以後經過實踐發現已錯失良機。知識流失，很多企業面臨高管和專業人才離職，大量知識流失。知識浪費，很多事情企業已經做了很長時間，但由於缺乏知識共享，人們在不斷重複舊事和重複犯錯。在組織層面，搜尋知識的成本非常高，企業不能在最短時間找到最合適的人。企業價值被低估。現在企業的數字化投入很多，但仍然存在大量信息孤島，數據的價值還還沒有上升到知識層面，企業無法積累和構建獨特性、差異性和複雜性知識，打造難以被超越的競爭優勢。
根據企業面臨的這些問題，我在書里關注五個方面：
第一，縮小知識差距。
今天的整個國際競爭環境，對於很多領域來說，都是”烏卡”環境。我們進入的有可能是一些”無人區”，是快速變化的領域和產業。在有些領域內，各種事件、要素等不斷發生和更新，技術創新在不斷地快速迭代，我們難以用已有的經驗知識去預測和預判未來。因此在更激烈的競爭環境中，真正帶來知識差距的領域，不是我們已知的，而是我們並不知道我們不知，以及競爭對手知道，但我們不知的領域。在這種區域，我們在發展中是處於相對被動的，所以知識管理先要解決關鍵難點是後面這三個點（如圖1所示）。 
以2024年Gartner技術曲線為例，在技術創新當中，最難獲得的知識是什麼？首先是從早期萌芽階段預判哪個技術是有發展前景的，無論從投資還是技術研發的角度看，能否判定它未來是不是進入新的增長期，是成為主流技術，還是會讓人踩空。再就是在中期跌入低谷的技術是否未來具有商業價值，我將其稱為”認知沼澤”（如圖2所示）。這兩個區間是不確定性很高的領域，也是知識差距大的領域。例如現在AI炒得很火，未來到底帶來哪些影響，我們可以聽到各種不同的觀點，這就是處在認知沼澤區域。技術應用的前景有時候需要時間慢慢顯現出來，因此企業面臨的問題是，怎麼快速獲得知識、加速知識積累、避免踩入陷阱。
我在寫這本書的時候比較關注突破式創新。因為中國以前都是追趕，都是向別人學習，但是現在有些產業已經相對領先了，當你進入相對領先領域，就意味著要面對更多的未知、混沌、獨特、無序和不確定。這就對人才提出更高的要求。例如我們去大疆訪談，大疆的技術是全球領先的，它全力以赴調用最愛好航空事業的人，這些人的全部心思都放在產品優化上。大疆人不社交，領導人來訪問了也不接待，但這些頂尖工程師聚集在一起時，每個人都會輸出真知灼見。公司不在意你是否挑戰了領導，而是你的認知是否發揮到極致、潛能是否得到充分激發。所以大疆能做出世界一流的產品。我認為這是第三代創業者的特質，志向很高遠，對技術創新的追求很純粹，我想這是代表未來的，這種企業在技術創新方面肯定是有所作為的。
在突破式創新領域能夠有所作為，必須要打造從數據到智慧的知識增值體系，其中，人發揮關鍵性作用。在國際學術界，知識價值鏈主要由四部分組成：數據、信息、知識、智慧，即DIKW。根據我對知識管理多年的研究，我認為它由七部分組成：數據、信息、情報、知識、閱歷、實踐智慧和智慧，即DIIKDPW。隨著AI的快速發展與應用，它在知識價值鏈上的位置上尚未確定，目前我將其置於知識與閱歷之間。
在知識的更高階段、擁有閱歷的人，通常在一個行業中有高度專深的技術積累。這種人你只要給他一點點信號、告訴他一點點信息，他就能對未來進行洞察和解讀，他一定在這個行業（無人區）里深耕良久。實踐智慧則體現為企業家駕馭不確定性的能力，這樣的人能在一波又一波市場技術變化當中，憑藉自身的直覺和洞察來決策以什麼樣的資金、在什麼時間窗口投入，怎麼去做研發，等等。人生智慧屬於更高的境界，它對於我們做企業、做人生選擇，有所為而有所不為給予指引，會統領我們對其他資源的使用。在整個知識增值過程中，人們對於AI到底替代哪個階段持有不同看法。一些人認為有AI就可以不讀書了，這是很大的誤導。目前AI對有知識儲備的人，特別是有甄別能力的專家更有幫助，因為他可以快速甄別哪個東西是真實可信的。
那麼人的價值在什麼地方？從知識管理視角來看，有些知識是AI無法替代的，比如know-how(醫生做手術、裁縫做衣服、鋼琴家演奏等需要手腦配合的)。還有就是人際網路（know-who），也可以說是社會資本。AI能夠在互聯網上搜索，但真正的知識，最有價值的、隱性的知識洞察，全都在人的大腦里。另外，在什麼時間窗口（know-when）、以什麼樣的資源（know-which）做選擇等問題，AI不會給你答案，你依賴它可能會犯錯。在AI時代，我們人類必須發展超級隱性知識，才能更好地駕馭AI，而不是被它替代掉。
第二，知識創造的速度。
通過本書中的”鑽石”模型來看（如圖3所示），能夠帶來競爭優勢的知識有三個特點：一是稀缺性。這類知識不是公共知識或通用知識，而是經過大量實踐、探索、協同組合到一起的專有（用）知識。二是複雜性。混合嵌套的知識，如與硬體、軟體、流程、人、組織、文化及其他要素融合在一起的體系性知識，這樣的知識或許可以被模仿或拆走一部分，但無法被整體獲取。三是持久性。易被複制的企業是沒有知識優勢的。對於一個企業來說，如果你的知識不怕被別人拿走，你的總知識庫就一定要足夠大，且動態迭代和更新，同時裡面嵌入的東西足夠稀缺、複雜，而且能不斷產生新的知識，那麼你這個企業的創造力才是旺盛的。
從以前的工具書，到後來的資料庫，再到今天的AI，這些工具的改變讓我們在獲取知識的速度、廣度、深度、精度和密度上都更進一步。但是AI有可能會帶來一些湧現和意外，這些東西超出了我們的經驗、能力和認知，需要在發展進程中不斷觀察和研究。
數字技術可以賦能並加速知識創造，擴大知識的廣度和深度，讓我們以更低的成本、更快速地獲得知識。數字技術可以把隱性知識（如老工人的經驗、醫生的經驗，甚至老師的經驗）用數字化的模式記錄，記錄以後將其模塊化，變成智能體以利於人們隨時調用。一般我們的經驗很難被數字化，但是有些能被數字化的，比如設備、產品的拆解，當每一個零部件被精細地數字化後，就可以快速地組合以實現更多功能。在這個過程中，AI能發揮重要價值。參照國際的創新流程，我覺得每一個數字技術都可以賦能整個體系，我在這本書里專門就這個寫了一章。
第三，降低知識創造的風險。
現在企業的創新成本越來越高，所以如何降低風險、避免浪費是值得關注的。以華為的”鮮花插在牛糞上” （以前叫”有控制的創新”）為例，就是把已有的、確定的知識管理好。華為有一個知識貨棧，要求所有的工程師在創新的時候必須要引用，充分利用已有的知識（80%-90%以上）進行創新。它把新領域的不確定的知識比喻為鮮花，探索採摘後插在牛糞（已有知識）上，就變成一個確定性知識，然後可以再進行新的探索式創新，這是將突破式創新與漸進式創新進行有效組合，關鍵是比例。比如，思科對不確定性的探索式創新投入通常佔20%，其餘80%放在對確定性知識的更新，因為對不確定性的探索不僅投入大，且回報也具有不確定性。真正好的創新是雙元組合，相互支持。但是在現實當中，企業做到雙元混合非常難，因為有前瞻性思維的人是極少數的，大多數人願意待在安全的漸進式創新的盒子里，這裡風險相對較小，持續以前能夠帶來收益的改善即可。大多數企業都喜歡做漸進式創新，而很多願意做漸進式創新的人，對突破式創新或者研究新知通常抱有質疑或持否定態度，所以我們現在需要鼓勵年輕人進行突破式創新。
一個企業最重要的能力是什麼？就是”鐵打的營盤，流水的兵”。它有組織的知識體系，誰走都沒有關係，每個人來都為它做貢獻，同時，它也賦能所有人，這個組織就有恆久的、長期的競爭力。數字化轉型可以加速知識流動和分享，更有效地對企業賦能，讓企業的知識集成更強有力、速度更快，從而價值進一步提升。所以我認為，當代管理者應該把知識作為資本，重點加以管理，甚至重於財務。
在突破式創新涉及的諸多問題中，我在書中重點談的是弱信號。弱信號被誤讀、被阻攔，或者沒有被及時通報，就會形成觀察過濾、認知過濾、信息過濾和權力過濾。真正有價值的、關鍵性的問題沒有被重視，可能會導致大的危機。一個新的技術也有可能被過濾掉，如一線員工感知到某個技術會有價值，但領導不認可，這個員工就有可能出去創業了，結果不僅帶走一批人造成人員流失，還有可能對競爭格局產生影響。這種情況大企業應該允許內部創業。另外，在突破式創新的時候，企業應該高度重視和愛護少數認知超常（擁有超常智力）、有創意、有洞察力的人。這些人一般都特立獨行，很孤傲，同時堅信自己看到的東西是有前景的。
第四，發揮人機協作的價值。
傳統研究將人的智能劃分為七類（如身體、空間、創造力等）。在過去的教育體系和社會環境中，人的多元潛在智能並未得到充分發揮，很多孩子的天賦在人生早期受家庭影響或學業壓力就被壓制了。人只有充分、全方位地理解、認可和支持自身所具有的潛在智能，才能更好地在機器智能時代找到增長點和平衡。目前，我們對人的潛能的認知還有很大空間。通過人際交流所獲得的知識，跟通過搜索引擎或人工智慧搜到的東西是不一樣的。
我認為，未來企業創新有四個空間（如圖4所示）：一是基於人際交流的創新空間，二是人機交互的創新空間，三是基於AI技術的創新空間，四是前三者融合的空間。有了這四個空間，企業就可以打造稀缺性、複雜性、動態性和持久性的知識優勢。
第五，打造整體的知識優勢。
在宏觀環境方面，我在書里特別將中國分別和美國、印度做了比較，尤其發現印度在幾個方面比中國強，比如軟體購買和文化創意（知識）產業（如寶萊塢）。由此我們看到自身可以進一步發展的地方。
通過AI賦能知識創造的”啞鈴”模型（如圖5所示），可以看到AI將來能幫助我們拓展什麼。
一是全景知識。比如，中國平安通過AI匯總的全球近6000萬篇文獻和各種醫療指南發現，影響糖尿病的有三百多種因素，而非我們之前認知的三十多種，以前有些因素是隱藏的，我們不知道，而AI幫助我們獲得了全景知識。二是跨界知識，通過AI搜索可以很快獲取新知識。三是更理性的知識。你獲得的不是主觀感覺，而是客觀的知識，同時在獲取過程中，也能得到一些洞察。當然AI也可以幫助我們做漸進式創新，比如在知識精益化、知識自動化、賦能產品創新和流程優化方面，AI可以做很多東西。