現在的企業都積聚了許多文檔和非結構化數據，其中“封存”了難以估算的業務及產品知識，若不能充分利用，知識的價值就無法被釋放。自然語言技術近年來獲得了突破性進展，借助自然語言理解(NLU)和知識抽取已可以高效處理海量文檔，由機器人自動構建知識圖譜。這樣一來，原本極難運用的非結構化數據就轉變為可搜索、推理及預測的結構化數據。

　　只具備文檔管理等簡易功能的傳統知識庫注定將被淘汰，而新一代被冠之以“智能”之名的知識庫正承擔起更重的責任，使知識真正融入業務，大幅提升企業的運營效率和核心競爭力。但是，如何使知識順暢流轉起來？如何讓隱性知識顯性化？如何一體化管控多渠道知識？諸如此類的問題，漸次浮到臺前，吸引著各路AI選手的目光。在通往智能化的路上，有許多關隘等待攻克，還有許多陷阱需要提防。

　　很多知識庫對于員工個人所擁有的本地文檔只能望洋興嘆，無法開展有效的搜索，也無法將其直接應用在服務端，于是知識的可承載量必定大打折扣，可拓展性也會大受限制。

　　無論知識采編、審核還是發布，都需業務人員投入巨大勞動力，知識庫搭建完成后，未來的更新也完全要靠人工操作，耗費大量人力資源，而且準確性亦要打個問號。

　　在企業內部，系統如孤島，數據似散沙，彼此隔絕，沒法統一進行知識的采編、審核、發布等流程，做不到聯動與共通，勢必對管理和監控都造成嚴重的阻礙。

　　光有龐大的知識庫，卻沒法快速及準確地搜索其中內容，堪比入寶山卻空手而歸，而且隨著知識庫內容不斷擴充，搜索速度及準度會每況愈下，變成惡性循環。

　　伏爾泰對神圣羅馬帝國有過一句經典的評價，他稱其“既不神圣，也不羅馬，更非帝國”，借用這位法國思想家的話，現在市面上很多所謂的智能知識庫，其實既不智能，也不觸達真正的知識，更談不上是兼收并蓄的“庫”。一個理想的智能知識庫，應該貫穿于知識生成、加工、沉淀、組織、管理、流動、優化的全周期，受AI賦能，通過知識提取、分析、聚集、運用、共享等一系列動態過程，讓知識的價值最大化，從而驅動多姿多彩的智能化應用。

　　一家頂尖的工程機械制造商，名聲響，規模大，然而對于自家產品的故障排除，卻在長期以來都忍受著難言之痛。該廠商有不計其數的機械和設備正在使用中，一旦出現故障，必須精確定位到出問題的零部配件，且要遵照完全不同的維修方法。與此相關的知識點成千上萬，外勤維修人員不可能面面俱到，必須要依靠二線支持人員的援助。

　　于是，數量有限的二線人員自然是倍感壓力，面對上千名外勤工程師，面對諸多互不相連的業務系統，常常是心有余而力不足。雪上加霜的是，他們還會不可避免地遇到大量相似、雷同問題，反復解答很浪費時間，又極大地束縛了生產力。

　　顯而易見，單純靠人力積累和經管知識，已遠遠不夠，急需激活科技創新，開啟智能化轉型，一舉扭轉排故不力的尷尬局勢。針對這些痛點，竹間智能憑借自研的NLP、情感計算及綜合能力平臺，為其量身定制了一套解決方案。其中至為關鍵的一步，便是將繁雜的排故數據及信息疏浚整合，據此構建內容詳實、架構合理、靈活易操作的智能知識庫。接下來，各類實際應用便得以站在巨人的肩膀上，發揮各種妙用了。

　　與排障有關的文檔、材料和圖表，格式迥然有別，包括半結構化和非結構化數據，且零零碎碎地分布在不同的數據庫、業務系統和負責人手中，形成了一道道“屏障”。其數目之多、種類之雜，外人是難以想象的，僅故障代碼一項，就有超過800條。

　　不過，這對于竹間智能，并非不可逾越的天塹。在輔助工具與AI訓練師的引導之下，客戶方人員成功進行了知識的歸納和整理，無損采集了海量數據。隨后，竹間智能通過自己的AI綜合能力平臺，憑借深度學習的過硬本領，對這些知識原料完成了訓練及測試。

　　匯總FAQ以解決通用問答，打造知識圖譜以搞定同質化問題，同時引入多輪對話引擎以應對復雜的交互任務，三位一體，竹間為客戶構建起了“滴水不漏”的AI智能知識庫。排障助手機器人隨之被創造出來。由于使用了分布式存儲架構，且基于人工智能檢索，知識庫可妥善處理數十億的實體、數百億的知識關聯，且仍舊保持速度優勢，實現毫秒級響應。因此，對于五花八門的問題，排障助手可以在眨眼間給出正確的答案。

　*以上排障對話示意圖僅供參考

　　排障助手上線一年后，已可妥善覆蓋80%以上的故障相關問題，降低了50%左右的通訊成本和服務時間成本，電話咨詢量顯著下降，二線服務人員能夠游刃有余地為有需要的外勤人員送上強力的支援，效率增幅高達50%以上，降本增效的成果令客戶相當滿意。

　　傳統知識庫只能通過單一場景面對使用者，但竹間的智能知識庫因得益于統一平臺管理的優勢，可以打破智能應用的邊界，開疆辟土，適配更多的場景，締造更大的發揮舞臺。如果說專注于排故困境的項目一期推動了該集團從無到有地完成歷史性突破，那么到項目二期，竹間智能更進一步，協助創建了論壇回復助手機器人，則是讓該集團從一邁向無窮大的非凡躍遷。

　　不同于排故助手背后的短文本問答模式，論壇帖子本質上是更為復雜的長文本，判斷和處理的難度更高，這時就得仰仗竹間智能所擅長的NLU技術了。首先進行長句的切分，將意圖分類，倘若發帖的意圖是提問，那就提取和識別出帖子的核心問題，再結合現有知識庫中的FAQ及知識圖譜，自動進行回復；倘若發帖是出于其他意圖，比如求贊、吐槽、灌水、經驗分享等等，那機器人會根據實際情況作出恰當的答復。

　　為什么別人的破碎錘壽命都很長？原來是這個原因！當挖掘機配上破碎錘，可謂無堅不摧，但一定要注意保養和使用，否則可能造成嚴重的損害！下面我分享一個真實的故障案例，希望能引起大家的警惕。

　　感謝您的建議，這對我們十分重要。我們會迅速調查和落實，一經采用，會為您奉上精美禮品！

　　你安好，我無恙！齊心協力，共抗疫情，中國加油！讓我們一起迎接春天，一起笑對陽光！大家始終肩并肩，往前行！

　　登過一些山，才知道艱難。趟過一些河，才知道跋涉。跨過一些坎，才知道超越。

　　*以上論壇回復示意圖僅供參考

　　論壇回復機器人正式啟動后，70%以上的論壇問題都可以交給其應答，人工作業的重心從答復變成了審核，一定程度上解放了人的創造力。同樣不容忽視的是，該客戶因此實現了跨渠道知識共享，從APP端延伸到論壇端，不再封閉于某一方小天地，排故知識可以無所拘束地流通，面向更多受眾，促成更廣泛的應用。

　　如果知識庫僅僅是功能強大，卻難以操控，相信留給用戶的也只能是一段苦澀的體驗。竹間智能搭建的整個智能知識庫對客戶很友好，支持二次開發，方便調整，能夠實現本地文檔的在線化及半結構化，可經由自動或手動的方式，輕松自如地添加及修改知識。這家廠商人員在實踐一段時間后，經過一次次更新，漸漸將FAQ從最初的100個增加到5000個，不斷吸納新的業務知識，然后賦能機器人，服務于不同的需求，生生不息，后勁十足。

　　所以，這個智能知識庫完全可以伴著客戶業務的發展，進行增量式的發展，成長性極佳。對于排故咨詢助手，基于竹間智能AI平臺的滿意度、負反饋等獨特機制，將平時工程師向機器人咨詢的問題“反哺”給知識庫，形成自學習的良性循環；對于論壇回復助手，管理員可以將歷史帖子中有價值的內容整理成新的FAQ或知識圖譜，再錄入知識庫，循環迭代，使其不斷優化，趨向完善。在此過程中，盡量減少人工干預，節省運維成本。知識庫可以持續自我進化，越學越聰明，越用越專業。

　　隨著項目的深入開展，這家大型工程機械制造商對自己憧憬的智能化轉型進行了一番由淺入深的探索，逐步落地了問題咨詢、社區運營等智能化應用，積攢了豐實的經驗，給接下來更多的創新變革做好鋪墊。

　　目前已建成的知識庫只是對機器人予取予求，那以后能否拓寬“受眾面”，直接對內部員工開放，幫員工解惑？下一階段，我們就有機會為該廠商部署EmotiKnows，擴大知識管理及獲取渠道。它支持智能問答，可助人們高效地檢索和共享知識，充分感受企業級知識庫的便捷性與準確度。

　　總結而言，AI智能知識庫的主要功能就在于——自動管理大量文檔及數據，并從中抽取業務和產品知識，建成企業級與行業級的專用知識庫。借此，企業能夠以知識為中心，將內部的數據孤島都連接起來，形成一塊完整的知識畫布，統一提供整合過的知識，打通各大業務系統，再結合NLU技術，讓搜索變得更順暢、快速和精確。

　　在此基礎上，智能應用的萬丈高樓將拔地而起。機器人可以活用知識庫中的一切，用戶也可以通過自然語言搜索來找到想要的答案。得益于精準的語義理解及知識推理技術，與用戶所查知識點相關聯的文章與內容能被直接展示出來。可視化的知識圖譜，更能讓用戶享受高端的推理式搜索。