董小英：AI时代知识管理新价值

近日，由北京大学出版社主办的北大博雅讲坛第675期 “ 知识创造与高质量发展暨《从知识管理到知识优势：数智时代企业双元创新》新书发布会 ” 在北京大学光华管理学院成功举办。新书作者董小英教授在发布会上以“ AI时代知识管理新价值 ”为题发表演讲， 重点解析了当下企业所面临的 5 个知识管理方面的问题。

董小英，北京大学光华管理学院荣休教授，我国知识管理与数字化转型领域资深学者，工业和信息化部信息通信专家委员会委员，知识管理国家标准技术委员会委员。潜心致力于面向本土企业的研究。近年主要著作有《从知识管理到知识优势：数智时代企业双元创新》《变数：中国数字企业模型及实践》《华为启示录：从追赶到领先》（中英俄文版）和《中关村模式：科技+资本双引擎驱动》（中英文版）等。点击此处了解图书详情

以下为演讲实录：

知识管理是上世纪九十年代在全球兴起的理论探索与管理实践。在实践中，第一代是美国企业引领发展，它们当时主要通过管理信息系统、知识工程来整合大企业内部的知识。那个时候美国企业强调知识管理，尤其是对显性化知识的过程管理，特别重视信息技术的赋能作用。

第二代由日本企业主导，在学术上，日本著名教授野中郁次郎深入探索研究发现，光用信息系统不能解决知识管理的所有问题，因为真正的知识创造是靠人的隐性知识。野中郁次郎教授写了三本对全球知识管理产生很大影响著作，他通过大量案例研究发现，企业高层、中层和基层员工所具有的创造力，才是知识管理的核心。因此，日本学者更重视“知识创造”，而不仅仅是“知识管理”。他们认为，人是创造知识的主体，组织的领导人、文化发挥关键作用。因此，第二代知识管理是以人本主义为核心的。

今天，到了人工智能快速发展、人机交互的时代，知识创造的过程会发生很多变化，对于人工智能在知识创造和知识管理中的作用，人们的观点尚不一致。根据这些年对企业的调查，我发现企业在知识管理领域主要存在下面五个方面的问题：战略层面的弱信号失效，技术萌芽被误读，一些关键性的认知偏差导致战略失误，多年以后经过实践发现已错失良机。知识流失，很多企业面临高管和专业人才离职，大量知识流失。知识浪费，很多事情企业已经做了很长时间，但由于缺乏知识共享，人们在不断重复旧事和重复犯错。在组织层面，搜寻知识的成本非常高，企业不能在最短时间找到最合适的人。企业价值被低估。现在企业的数字化投入很多，但仍然存在大量信息孤岛，数据的价值还还没有上升到知识层面，企业无法积累和构建独特性、差异性和复杂性知识，打造难以被超越的竞争优势。

根据企业面临的这些问题，我在书里关注五个方面：

第一，缩小知识差距。

今天的整个国际竞争环境，对于很多领域来说，都是“乌卡”环境。我们进入的有可能是一些“无人区”，是快速变化的领域和产业。在有些领域内，各种事件、要素等不断发生和更新，技术创新在不断地快速迭代，我们难以用已有的经验知识去预测和预判未来。因此在更激烈的竞争环境中，真正带来知识差距的领域，不是我们已知的，而是我们并不知道我们不知，以及竞争对手知道，但我们不知的领域。在这种区域，我们在发展中是处于相对被动的，所以知识管理先要解决关键难点是后面这三个点（如图1所示）。

图1

以2024年Gartner技术曲线为例，在技术创新当中，最难获得的知识是什么？首先是从早期萌芽阶段预判哪个技术是有发展前景的，无论从投资还是技术研发的角度看，能否判定它未来是不是进入新的增长期，是成为主流技术，还是会让人踩空。再就是在中期跌入低谷的技术是否未来具有商业价值，我将其称为“认知沼泽”（如图2所示）。这两个区间是不确定性很高的领域，也是知识差距大的领域。例如现在AI炒得很火，未来到底带来哪些影响，我们可以听到各种不同的观点，这就是处在认知沼泽区域。技术应用的前景有时候需要时间慢慢显现出来，因此企业面临的问题是，怎么快速获得知识、加速知识积累、避免踩入陷阱。

图2

我在写这本书的时候比较关注突破式创新。因为中国以前都是追赶，都是向别人学习，但是现在有些产业已经相对领先了，当你进入相对领先领域，就意味着要面对更多的未知、混沌、独特、无序和不确定。这就对人才提出更高的要求。例如我们去大疆访谈，大疆的技术是全球领先的，它全力以赴调用最爱好航空事业的人，这些人的全部心思都放在产品优化上。大疆人不社交，领导人来访问了也不接待，但这些顶尖工程师聚集在一起时，每个人都会输出真知灼见。公司不在意你是否挑战了领导，而是你的认知是否发挥到极致、潜能是否得到充分激发。所以大疆能做出世界一流的产品。我认为这是第三代创业者的特质，志向很高远，对技术创新的追求很纯粹，我想这是代表未来的，这种企业在技术创新方面肯定是有所作为的。

在突破式创新领域能够有所作为，必须要打造从数据到智慧的知识增值体系，其中，人发挥关键性作用。在国际学术界，知识价值链主要由四部分组成：数据、信息、知识、智慧，即DIKW。根据我对知识管理多年的研究，我认为它由七部分组成：数据、信息、情报、知识、阅历、实践智慧和智慧，即DIIKDPW。随着AI的快速发展与应用，它在知识价值链上的位置上尚未确定，目前我将其置于知识与阅历之间。

在知识的更高阶段、拥有阅历的人，通常在一个行业中有高度专深的技术积累。这种人你只要给他一点点信号、告诉他一点点信息，他就能对未来进行洞察和解读，他一定在这个行业（无人区）里深耕良久。实践智慧则体现为企业家驾驭不确定性的能力，这样的人能在一波又一波市场技术变化当中，凭借自身的直觉和洞察来决策以什么样的资金、在什么时间窗口投入，怎么去做研发，等等。人生智慧属于更高的境界，它对于我们做企业、做人生选择，有所为而有所不为给予指引，会统领我们对其他资源的使用。在整个知识增值过程中，人们对于AI到底替代哪个阶段持有不同看法。一些人认为有AI就可以不读书了，这是很大的误导。目前AI对有知识储备的人，特别是有甄别能力的专家更有帮助，因为他可以快速甄别哪个东西是真实可信的。

那么人的价值在什么地方？从知识管理视角来看，有些知识是AI无法替代的，比如know-how(医生做手术、裁缝做衣服、钢琴家演奏等需要手脑配合的)。还有就是人际网络（know-who），也可以说是社会资本。AI能够在互联网上搜索，但真正的知识，最有价值的、隐性的知识洞察，全都在人的大脑里。另外，在什么时间窗口（know-when）、以什么样的资源（know-which）做选择等问题，AI不会给你答案，你依赖它可能会犯错。在AI时代，我们人类必须发展超级隐性知识，才能更好地驾驭AI，而不是被它替代掉。

第二，知识创造的速度。

通过本书中的“钻石”模型来看（如图 3 所示），能够带来竞争优势的知识有三个特点：一是稀缺性。这类知识不是公共知识或通用知识，而是经过大量实践、探索、协同组合到一起的专有（用）知识。二是复杂性。混合嵌套的知识，如与硬件、软件、流程、人、组织、文化及其他要素融合在一起的体系性知识，这样的知识或许可以被模仿或拆走一部分，但无法被整体获取。三是持久性。易被复制的企业是没有知识优势的。对于一个企业来说，如果你的知识不怕被别人拿走，你的总知识库就一定要足够大，且动态迭代和更新，同时里面嵌入的东西足够稀缺、复杂，而且能不断产生新的知识，那么你这个企业的创造力才是旺盛的。

图3

从以前的工具书，到后来的数据库，再到今天的AI，这些工具的改变让我们在获取知识的速度、广度、深度、精度和密度上都更进一步。但是AI有可能会带来一些涌现和意外，这些东西超出了我们的经验、能力和认知，需要在发展进程中不断观察和研究。

数字技术可以赋能并加速知识创造，扩大知识的广度和深度，让我们以更低的成本、更快速地获得知识。数字技术可以把隐性知识（如老工人的经验、医生的经验，甚至老师的经验）用数字化的模式记录，记录以后将其模块化，变成智能体以利于人们随时调用。一般我们的经验很难被数字化，但是有些能被数字化的，比如设备、产品的拆解，当每一个零部件被精细地数字化后，就可以快速地组合以实现更多功能。在这个过程中，AI能发挥重要价值。参照国际的创新流程，我觉得每一个数字技术都可以赋能整个体系，我在这本书里专门就这个写了一章。

第三，降低知识创造的风险。

现在企业的创新成本越来越高，所以如何降低风险、避免浪费是值得关注的。以华为的“鲜花插在牛粪上” （以前叫“有控制的创新”）为例，就是把已有的、确定的知识管理好。华为有一个知识货栈，要求所有的工程师在创新的时候必须要引用，充分利用已有的知识（80%—90%以上）进行创新。它把新领域的不确定的知识比喻为鲜花，探索采摘后插在牛粪（已有知识）上，就变成一个确定性知识，然后可以再进行新的探索式创新，这是将突破式创新与渐进式创新进行有效组合，关键是比例。比如，思科对不确定性的探索式创新投入通常占20%，其余80%放在对确定性知识的更新，因为对不确定性的探索不仅投入大，且回报也具有不确定性。真正好的创新是双元组合，相互支持。但是在现实当中，企业做到双元混合非常难，因为有前瞻性思维的人是极少数的，大多数人愿意待在安全的渐进式创新的盒子里，这里风险相对较小，持续以前能够带来收益的改善即可。大多数企业都喜欢做渐进式创新，而很多愿意做渐进式创新的人，对突破式创新或者研究新知通常抱有质疑或持否定态度，所以我们现在需要鼓励年轻人进行突破式创新。

一个企业最重要的能力是什么？就是“铁打的营盘，流水的兵”。它有组织的知识体系，谁走都没有关系，每个人来都为它做贡献，同时，它也赋能所有人，这个组织就有恒久的、长期的竞争力。数字化转型可以加速知识流动和分享，更有效地对企业赋能，让企业的知识集成更强有力、速度更快，从而价值进一步提升。所以我认为，当代管理者应该把知识作为资本，重点加以管理，甚至重于财务。

在突破式创新涉及的诸多问题中，我在书中重点谈的是弱信号。弱信号被误读、被阻拦，或者没有被及时通报，就会形成观察过滤、认知过滤、信息过滤和权力过滤。真正有价值的、关键性的问题没有被重视，可能会导致大的危机。一个新的技术也有可能被过滤掉，如一线员工感知到某个技术会有价值，但领导不认可，这个员工就有可能出去创业了，结果不仅带走一批人造成人员流失，还有可能对竞争格局产生影响。这种情况大企业应该允许内部创业。另外，在突破式创新的时候，企业应该高度重视和爱护少数认知超常（拥有超常智力）、有创意、有洞察力的人。这些人一般都特立独行，很孤傲，同时坚信自己看到的东西是有前景的。

第四，发挥人机协作的价值。

传统研究将人的智能划分为七类（如身体、空间、创造力等）。在过去的教育体系和社会环境中，人的多元潜在智能并未得到充分发挥，很多孩子的天赋在人生早期受家庭影响或学业压力就被压制了。人只有充分、全方位地理解、认可和支持自身所具有的潜在智能，才能更好地在机器智能时代找到增长点和平衡。目前，我们对人的潜能的认知还有很大空间。通过人际交流所获得的知识，跟通过搜索引擎或人工智能搜到的东西是不一样的。

我认为，未来企业创新有四个空间（如图4所示）：一是基于人际交流的创新空间，二是人机交互的创新空间，三是基于AI技术的创新空间，四是前三者融合的空间。有了这四个空间，企业就可以打造稀缺性、复杂性、动态性和持久性的知识优势。

图4

第五，打造整体的知识优势。

在宏观环境方面，我在书里特别将中国分别和美国、印度做了比较，尤其发现印度在几个方面比中国强，比如软件购买和文化创意（知识）产业（如宝莱坞）。由此我们看到自身可以进一步发展的地方。

通过AI赋能知识创造的“哑铃”模型（如图5所示），可以看到AI将来能帮助我们拓展什么。

图5

一是全景知识。比如，中国平安通过AI汇总的全球近6000万篇文献和各种医疗指南发现，影响糖尿病的有三百多种因素，而非我们之前认知的三十多种，以前有些因素是隐藏的，我们不知道，而AI帮助我们获得了全景知识。二是跨界知识，通过AI搜索可以很快获取新知识。三是更理性的知识。你获得的不是主观感觉，而是客观的知识，同时在获取过程中，也能得到一些洞察。当然AI也可以帮助我们做渐进式创新，比如在知识精益化、知识自动化、赋能产品创新和流程优化方面，AI可以做很多东西。