一、知识散落各处，业务已经为此付出代价
某医药流通行业头部集团的销售人员，在客户办公室被问到一个问题：对方刚拿到新的经营资质，能不能从他们这里采购某类药品？
问题不复杂，答案却不在销售手里。它涉及经营范围、资质匹配和区域政策，答案在总部的质管部门。电话打回总部，辗转了几道，后来是一位老同事凭经验给了答复。事情解决了，客户多等了一会儿，总部多耗了一份注意力。
这样的电话，几乎每天都在发生。
这家集团的业务覆盖药品批发、零售连锁和医疗器械，客户遍布医院、药店和下游经销商，内部有多个区域公司和仓储配送节点。规模铺开了，知识却没有跟着业务一起长大：政策文件躺在共享盘的目录里，操作规范锁在质管部的电脑里，很多实际做法只存在于老员工的记忆中。
（一）销售答不上来的问题，最后都变成总部的电话
1. 客户的问题很具体，销售的答案靠问熟人
客户不会问抽象的问题。他们问的是：这类药品配送需要什么条件？首营资料怎么交？票据流程怎么走？退换货怎么算？这些在制度里都有答案，但制度文件在销售那里不是一个顺手能查的东西。
于是销售形成了各自的习惯：问同事，问区域经理，问总部熟人。谁熟问谁，谁有空问谁。同一个问题，不同销售得到的说法不完全一致。曾经有销售在同一个客户那里给出了不同的资质要求，客户当场提出质疑。尴尬是小，信任受损是大。
2. 质管部门成了"人肉总机"，专业的人做不成专业的事
咨询的电话最终都汇到质管部门。质管的本职工作是跟踪政策变化、管首营审核、应对监管检查，都需要整块时间。但他们的时间被切得很碎：接电话、回消息、给新人解释同样的流程。
一位质管人员半开玩笑地说，白天是客服，晚上才能干正事。玩笑背后，是整个部门被重复咨询拖住的状态。
（二）文件版本混乱，新人上手靠师傅带
知识的问题不止在"问"，还在"存"。
集团的文件散落在多个地方：总部的共享盘、区域公司的服务器、员工的个人电脑、内部群的聊天记录。同一份政策文件，不同地方存的版本可能不一样，哪一版现行有效，没人敢打包票。
文件更新之后，靠邮件和群通知传达。谁看了，谁没看，没有记录。在受监管的行业，这不是效率问题，是合规风险。
新人的处境更难。培训材料有，但不够用；实际工作里遇到的情况，材料里往往没写。常见做法是配一位师傅跟着学。师傅的时间本来就紧，带人的效果随师傅的忙闲波动。新人上手慢，师傅也被拖住。
（三）通用大模型试过，但这条路走不通
1. 答案对不对，没人敢信
集团的IT团队动过念头：现在大模型应用这么热，能不能直接拿来用？
他们做了小范围测试，把一些政策问题丢给通用模型。回答很快，文字也通顺。可一旦逐条对照原文，问题就出来了：有些条款是模型自己"编"的，引用出处对不上号。放在别的场景，这种错误可能只是尴尬；放在医药流通行业，一个错误的合规答复可能带来实际风险。
测试结束，团队的判断很一致：不能直接用。
2. 数据不能出内网，这是底线
另一个顾虑是数据。集团的核心资料包括合同、价格、供应商信息、内部制度，这些内容不可能传到外部环境。IT部门的态度明确：系统要落在自己的环境里，数据不出门。
约束摆在那里，团队想清楚了：他们要的不是一个会聊天的模型，而是一套能查、能溯源、能管权限的企业AI知识库。答案要能追到原文，权限要跟组织架构对齐，未授权的内容不能出现在回答里。
（四）接触数商云：先想清楚知识库搭建，再谈知识库智能体开发
带着这个判断，集团开始看方案。
见过的供应商不少。有的上来就演示模型能力，回答又快又花哨；有的概念讲得多，一到怎么落地就含糊。数商云的交流方式不太一样。初次会面，对方没有急着讲技术，而是问了一连串问题：文件都在哪里？谁有权看？日常问答有哪些场景？答案出错了谁负责？
这些问题让集团团队印象很深，因为它们正是项目真正会遇到的坎。
数商云提供智能体开发平台，支持企业知识库搭建、智能问答编排、权限体系设计，支持国产化适配，也可以源码交付。集团看中的是这几点：系统能落在内网，权限捏在自己手里，交付之后自己能改。企业知识库智能体这个方向，从此有了清晰的落地路径。
项目就此立项。目标定得实在：先把内部高频问答解决掉，再谈对外场景。
二、项目落地：一场跨部门的"知识搬家"
项目启动会那天，会议室坐满了人。质管部牵头，IT、客服中心、采购、销售运营、法务、人力都派了人。这个阵容本身就说明问题：知识不属于某一个部门，它横跨所有部门。
（一）知识梳理：先做减法，再做整理
1. 启动会上就有分歧
讨论很快出现分歧。业务部门希望快点见到效果，觉得文件多放一些总没坏处；IT部门提醒，放进去容易，管起来难，过期文件混在里面，答案迟早出错；质管部担心准确性，宁可少答，不可错答。
各方诉求都有道理，谁也不让谁。僵持中，项目组定了一个原则：先做小范围试点，用真实问题验证效果，再决定推广节奏。这个原则后来被证明是对的，争论解决不了的，测试可以。
2. 文件分级分类，给每类知识一个"身份"
试点范围确定后，重点落在文件梳理上。
团队把知识分成几个层次：法规政策原文、公司制度和操作规范、培训材料与经验记录。前两类是权威知识，回答必须能溯源到原文；第三类标注为参考性质，系统回答时要说清楚它的身份。
分类之后是做减法：重复的合并，过期的下架，版本不清的先确认再入库。这个过程比预想的费时间，很多文件没人说得清是不是现行版本，需要一份份找人确认。知识治理的功夫，主要花在这里。
3. 老师傅的经验，终于被写进了系统
整理过程中有个意外收获。
质管部有位老师傅，脑子里装着一堆判断：什么情况要补充材料，什么情况必须转到人工审核，什么情况要上报。这些内容不在任何文件里，全靠口头回答。
项目组请他坐下来，带着年轻人把这些问题一条条整理成问答对。老师傅讲，年轻人记，拿不准的再去核对制度原文。这批问答对后来成了智能问答命中率最高的知识之一。老师傅自己也没想到，干了这么多年，经验还能这样留下来。
梳理工作持续了相当一段时间。项目组保持定期碰头：销售运营带来一线问得最多的问题，质管判断这些问题该怎么答、依据是什么，IT确认权限和部署细节，客服反馈坐席遇到的新情况。争论时不时发生，有次为了某类文件要不要向区域公司开放，讨论了不止一轮。但每一次争论，最后都落在一条更清楚的规则上。
（二）平台落地：用数商云智能体开发平台搭底座
1. 文档解析与切片，决定答案质量的下限
集团的资料格式很杂：电子版文件、扫描件、表格、内部通知，清晰度参差不齐。数商云的知识库搭建能力先做解析和清洗：扫描件走文字识别，表格保留结构，问答对整条入库。
切片策略按文档类型区分：政策文件按条款切，操作规范按流程切。这一点在测试阶段被反复验证。有一次，一份操作规范被从中间切开，检索时只拿到后半段，答案少了前提条件，差点造成误导。团队由此确认：切片粒度不对，检索出来的内容就是断章取义。这件事没有捷径，只能按文档类型一遍遍调整。
2. 权限设计，比检索算法更需要较真
集团的组织架构复杂：总部、区域公司、门店、仓库，不同岗位能看到的内容不一样。价格、合同、人事这类信息，如果混在知识库里没有隔离，后果不堪设想。
数商云在知识库之上做了权限过滤：用户提问时，系统先判断这个人能看哪些知识，再在授权范围内检索、生成回答。授权之外的内容，不会出现在任何回答里，提问方式再绕也不行。测试阶段专门验证过这套机制，用不同岗位的账号问同样的问题，得到的范围确实不同。IT部门这才放心。
3. 国产化适配与源码交付，让IT部门点头
系统部署在集团自己的信创环境里，数商云完成了国产操作系统、数据库等底层适配。源码交付则是另一个关键点。IT负责人后来复盘时说，真正让他点头的不是演示效果，而是这两件事：能落在自己的环境里，交付之后自己能改。企业做企业AI知识库，长期看拼的是自主可控。
（三）从内部智能问答到对外智能客服
1. 内测先小范围，把问题暴露出来
早期版本先开放给质管部门，随后扩到销售运营团队。
答案一开始并不理想：有答非所问的，问的是发货条件，系统答了退货政策；有把旧版本文件内容翻出来的；也有用户问法太口语化、系统接不住的。项目组把未命中的问题一条条收集起来，分类分析：是知识缺失，还是切片不对，还是需要在问法上做引导。
有一类问题最有代表性。销售问"这个客户欠着款还能不能发货"，系统答的是信用管理制度的原文，可销售要的是一句能执行的判断。这说明光有原文不够，还要把常见场景的处理口径整理成问答对。项目组据此补了一批场景化知识，命中情况明显改善。这个过程持续了相当一段时间，准确度是一轮轮磨出来的。
2. 智能客服先做坐席辅助，不急着替代人工
对外场景从智能客服切入，定位很克制：辅助人工坐席，不替代。
上下游客户常问的问题集中在配送范围、票据流程、退换货要求、资质要求。以前不同坐席答法不同，客户体验不一致。现在智能客服给出统一口径，附上原文出处，坐席确认后回复。回复快了，口径也统一了。
有个细节：客户问"票据丢了怎么办"，以前新坐席要问主管，现在系统直接给出流程和出处，坐席当场就能回复。等这套流程稳定一段时间后，集团才开始考虑把部分标准问题交给智能客服直接应答。
三、上线之后：变化藏在日常细节里
系统上线那天没有仪式。真正值得说的，是上线之后那些不起眼的变化。
（一）质管部门的电话少了，知识运营的事多了
最直观的变化是来电少了。高频重复咨询被智能问答接走，质管人员终于有时间做本职的事。
更有意思的是角色转变。他们开始定期看问答记录：哪些问题没答上来，哪些新政策要录入，哪些旧文件该下架。从"被咨询的人"变成"管知识的人"。工作量没有变小，但内容变了，从重复劳动变成了维护和判断。
（二）销售和客服的回答口径统一了
销售在外面用手机就能提问，答案和出处一起呈现。客户听到的说法和总部口径一致，之前那种不同销售给出不同说法的场面，慢慢不再出现。
客服这边，新人坐席不用背下所有政策，借助智能客服的提示也能给客户准确的回复。答复稳定了，客户能感觉到，合作方也能感觉到。
（三）新人上手的方式变了
培训部门把智能问答嵌进了新员工培训：先自己问、自己查，把常见场景过一遍，再跟岗实践。
新人遇到问题的习惯，从"先问师傅"变成"先查一下，查不到再问"。师傅被重复问题打扰的次数少了，能腾出时间讲真正需要经验判断的事。新人上手的节奏明显加快，这是人力资源部门在复盘时专门提到的变化。
（四）从"找文件"到"问系统"，习惯的转变最难得
项目组原本最担心的是没人用。毕竟以前大家习惯了在群里喊一声就有答案。
实际情况比预期好。用过的人会回来，原因很朴素：问系统比翻文件夹快，比在群里等人回复快，答案还带出处，可以直接引用。有一段时间，项目组陆续收到员工反馈，说某个问题系统答得不对或者答得不够全。这些"挑刺"恰恰说明，大家真的在用，而且在意它的准确性。
回头看，企业知识库智能体带来的变化，很少体现在某个夸张的指标上，而是藏在这些具体的工作方式里。
四、复盘：企业AI知识库项目，难的地方到底在哪
项目告一段落，团队做了一次复盘。有意思的是，大家公认的难点，和技术关系不大。
（一）难在知识治理，不难在模型
数商云的智能体开发平台把技术门槛降了下来，模型能力本身不是瓶颈。真正消耗精力的，是文件版本确认、分类分级、知识责任人指定这些事。
一个很现实的教训：文件治理没做透，模型再强也答不准。合规型企业知识库的底子，正是在这一步打下的。这话听起来朴素，但只有真正做过项目的人才有体会。
（二）难在权限设计，不难在检索
检索方案有成熟路径可循，权限才是大企业真正的坎。谁能看什么、谁能问什么、回答里能不能出现某类信息，这些规则最好在项目初期就定清楚。
上线之后再去补权限，牵一发而动全身，成本高得多。集团的经验是：权限方案和知识分类同步设计，宁可前期慢一点。
（三）难在持续运营，不难在上线
上线只是开始。政策在更新，业务在变化，知识库需要人管：定期看问答记录，补充新知识，撤下失效内容。
集团后来设置了知识管理员的角色，把这件工作固定成岗位职责，而不是"谁有空谁弄"。这个安排看起来不起眼，却决定了系统能不能一直好用。项目组在复盘时特意提醒：很多企业做知识库，上线时热闹，之后无人打理，慢慢就没人用了。
五、写给正在考虑知识库智能体开发的企业
这个项目走下来，有些经验值得说给同行听。
知识治理先于系统建设。先想清楚哪些知识权威、谁负责维护、怎么更新，再选平台。平台可以解决技术问题，解决不了知识本身的混乱。
权限规则要前置。大企业的知识天然分层，权限设计要和知识分类同步做，不要等上线后再补。
给持续运营留出人力。系统上线只是起点，后面需要有人持续维护。没有这个安排，再好的系统也会慢慢荒废。
选型看落地能力。能不能落在自己的环境里，能不能源码交付，能不能按自己的需要改，这些比演示效果重要。数商云在这几个方面提供的能力，是这个项目能顺利推进的重要原因。
这个案例发生在医药流通行业，但类似的知识困境，在制造业、能源、零售、物流等行业的头部集团里同样存在：知识散落、口径不一、新人上手慢、合规压力大。企业知识库智能体开发这件事，本质上不是买一套系统，而是把企业的知识重新组织一遍。技术层面可以由数商云这样的平台来解决，知识的梳理和运营，还得企业自己上心。
如果您的企业也在考虑知识库搭建、企业AI知识库或者智能问答相关的项目，欢迎联系数商云获取详细方案，也可以预约顾问交流或申请演示，结合自身场景聊一聊落地的路径。
评论