知识即基础设施

一篇文章，一千个错误答案

在过去十年中的大部分时间里，一篇过时的知识库文章只是一个局部问题。客服人员可能会阅读它，察觉到有些不对劲，然后悄悄地实时纠正客户。人类的判断力介于糟糕的内容和客户之间。这种缓冲正在消失。检索增强生成现在允许AI副驾驶和面向客户的聊天机器人直接从同一个存储库中提取信息，它们会以十足的信心重复所发现的内容，毫不犹豫，从不质疑。一个曾经只影响一次通话的错误，现在有可能在当天AI接触到的每一次对话中传播。

这是许多联络中心在2024年和2025年将AI试点投入生产时所做出的令人不安的发现。模型本身很少是问题所在。问题在于为其提供信息的知识。高德纳（Gartner）广为引用的2024年7月预测——到2025年底，至少30%的生成式AI项目将在概念验证后被放弃，这主要是由于数据质量差、风险控制不足、成本不断上升或业务价值不明确——这并非真正关于人工智能的声明。它是在警告组织在内容方面的纪律性。

知识库不再仅仅是一个支持工具；它正在成为一个生产系统。它需要与处理资金的系统相同的严谨性。

为什么治理变得紧迫，而非仅仅是愿望

知识管理在理论上一直拥有一个治理层——风格指南、审查周期、审批工作流程。但在实践中，大多数组织对其处理松散，因为一篇过时文章的成本很小且局限于局部。客户可能会从搜索中得到一个略微过时的答案；客服人员可能会在向客户重复之前发现错误。

AI消除了这种误差范围。当同一篇文章同时训练副驾驶的建议回复、支撑客户聊天机器人的答案并填充自助服务搜索结果时，其准确性不再是生活质量问题。它决定了三个不同的渠道是否会在同一个下午告诉客户三件不同的——或三件错误——事情。所有权模糊不清，这种经典的知识库故障模式，现在表现为AI幻觉，对阅读它的人来说显得完全权威。

这对运营提出了什么要求

将知识视为基础设施意味着要应用基础设施的纪律：为每篇文章指定所有者、安排审查日期、版本历史，以及——至关重要的是——在内容创建和AI摄取之间设置一个关卡。一些组织现在正在运行一个暂存步骤，新文章或编辑过的文章会放在一个沙盒检索索引中，并根据示例查询进行验证，然后才提升到实时AI语料库。这反映了软件团队在部署前测试代码的方式，也反映了一个更广泛的真理：内容现在就是代码，因为它在交付时无需人工审查即可大规模执行。

还存在一个淘汰问题。大多数知识库积累文章的速度快于它们清理文章的速度。AI系统没有内在的感知能力，不知道2019年的政策文件已经被取代了两次；它会检索任何被索引的内容，并以与今天早上的更新相同的信心呈现。废弃工作流程——主动归档，而不仅仅是任其腐烂——变得与创建工作流程同样重要。高德纳的预测实际上是预示了当组织跳过这一步时会发生什么：在受控演示中看起来很有希望的试点，一旦真实世界的数据质量、风险暴露和成本现实大规模浮现，就会崩溃。

行为层面：没有纠正的自信

这里存在一个更微妙的风险，根源在于人们如何处理自信传递的信息。关于情感启发式（affect heuristic）的行为研究表明，人们将传递的流畅性和确定性作为其准确性的替代指标——一个自信措辞的错误答案往往比一个犹豫不决的正确答案更具说服力。AI代理以相同的流畅性传递每一个答案，无论是对是错。客户没有线索去不信任错误的答案。这消除了人类互动曾经几乎免费提供的一种检查：犹豫、停顿、可见的不确定性，这些曾经是“在你依赖它之前请核实”的信号。

良好治理的体现

那些避免成为高德纳预测统计数据一部分的组织往往有一些共同的实用习惯。他们为每篇文章指定单一的、具名的所有者，而不是让内容“由团队拥有”。他们设定明确的审查周期，并与风险挂钩——定价和合规内容比一般操作指南审查得更频繁。他们在任何更新的文章到达实时AI检索索引之前建立一个验证关卡，对待内容变更像对待代码发布一样谨慎。他们积极淘汰过时的材料，而不是让它无限期地留在索引中，等待一个对自身过时毫无感知的AI系统将其浮现。所有这些都不是什么稀奇事。这只是基本的运营卫生，应用于一个在大多数组织注意到之前悄然成为承重层的业务领域。