关于知识管理，曾有一位企业管理者向我们这样表示：他目前最关心的是发展新客户、推出新产品，同时他也会亲自过问财务，其次比较关心的是研发。至于知识管理，确实也是刚需，但优先级可能不比前面这几桩事情高；知识管理的工具又经常建了之后使用率不高，占用开支，他和管理层在推动知识管理建设上的意愿，是相对较弱的。
这是较为典型的一种经营思维，管理者认为自身的精力已经合理分配下去，已经顾及到了创新和降本增效两大问题。这种安排有其合理之处，但忽略了一点：知识管理，其实是企业创新的“风险屏障”。
一方面，知识管理离不开自动化和协作流程，本质上是为了让员工放开手脚，不把时间浪费在重复性、无意义的劳动上，而是有更多余力投入到创新当中。
另一方面，许多伟大的创新多是当事人的“灵光一现”，但企业源远流长的发展自然不能只等待灵感的火花。存量知识的解构、重塑其实同样会增加创新的可能性，企业也就会向创新保质保量发生的目标更近一步。
目标和逻辑明确之后，知识管理和创新之间的联通路径，又应该是什么？
在不久前的进博会上，雷峰网注意到，百度集团副总裁、集团首席信息官李莹提出了这样一个新公式：
创新流水线=AIX知识管理
李莹谈到，AI赋能知识管理，产生的效应往往不再是简单相加这般简单，而是会能产生乘积般效应。
这种乘积效应体现在：
第一，在组织内部，借助AI的力量，撬动沉积在公司内部的知识。让知识更为高效、精准地，触达个体，让组织庞大的知识积累，真正流动起来。笔者举个通俗点的例子，这有点像把一个“图书馆”的庞大知识量，都给激活，切实地給到每个个体。
第二，在公司层面，当组织的知识资产不断赋能员工，而员工在日常工作中有不断创造和积累新技术经验，并源源不断添加到公司“图书馆”。
而当“图书馆”知识越来越丰富，员工又能获得更加丰厚的知识能量，如此循环往复，便形成了“创新流水线”。
在这个公式里，当AI技术的积淀和知识管理的经验，都达到最大化时，创新流水线无疑会呈现更大的能量。
“知识工作者(knowledgeworker)”一词最早由现代管理学开创者彼得·德鲁克在年《明天的里程碑》中提出。年，德鲁克在《哈佛商业评论》上发表《新型组织的出现》一文。知识管理亦被提出。
当时，行业专家提出，将专家的知识写出规则，构造知识库，专家知识管理系统由此兴起，这也是如今智能诊断机器人的前身。
而后90年代中期互联网开始快速发展，人们又开始萌生一个新的想法，即基于互联网上的信息来做知识库，语义网应运而生。
语义网需要采用RDF、OWL等编程语言，建立起“活的”数据和分布式应用，让机器去读数据，让数据可以在应用间流通。
但语义网的学习门槛太高，大规模推广失败，相关技术进一步删繁就简，衍生出了现在的知识图谱技术。
同时，基于之前十余年的底层数据库建设，机器人问答、搜索和推荐项目等较复杂人机交互软件也成功面世。
雷峰网注意到，眼下，知识管理正在向下一阶段进发。
随着企业数字化转型的不断深入，算力、算法、大数据加持下，人工智能成为新基建的“底座”，以AIGC（AI内容创作）、流程机器人为代表的知识智能开始加速落地，应用到各大细分场景。企业内部的知识流动、知识生成，开始发生新变化。
企业知识管理要分几步？这些年来，企业内部的知识生成和流动，技术的力量从未缺席，大量用于知识管理的工具接连诞生。在工具到位的同时，如何将知识管理体系的建设，拆分成一个个子任务有序进行，成为了企业需要