本文來説説在企業中讓知識流動起來的大體思路。
數字員工
在以互聯網或軟件及服務為營生的企業中，各個層級、分工的人和處理各類事務的應用軟件是辦公與業務運作的兩大要素；企業中的絕大部分人是員工這很理所當然，但為何不能把工作中所用到的各種應用軟件看成整體，也當作一名員工來看待呢？
將這名特殊的「員工」稱為「數字員工」，與其他員工不同的是，它是純虛擬的、數字的，沒有物理層面的形態，但與其他員工一樣可以處理工作上的事務。
也許一開始啥也不會，但在像訓練動物或教導小孩般對其加以訓練，某些方面可以做得比人更出色，尤其是機械重複性工作！再加上該「員工」沒有七情六慾，不知疲倦，比人更加穩定可靠且經濟實惠。
如同人類員工會被按照能力和職責等進行職級劃分，數字員工同樣也存在等級——
處理各類事務的能力七零八落，像精神分裂般沒有整體感，像智障一樣沒有一點智能；不具備任何知識，即便有，相互間也是割裂的——幾乎就是像錘子那樣的工具。
部分能力之間相互打通，一些知識可以小範圍內流動起來，形成更為有效的系統；減少人類員工間的溝通，提高機械重複性工作的效率——算是簡易流水線了。
絕大部分企業中的數字員工都是這兩個級別的，相對（十分）低能，需要人類員工手把手操控；人類員工與數字員工之間是從屬關係，或者説是主奴關係。若以「人」的標準要求，這兩類數字員工就是殘疾。
而更高級些的數字員工，與人類員工之間應當是夥伴關係，是強有力的助手，讓人類員工可以基本擺脱機械重複性工作，轉而將工作重心從事創意性內容——從體力密集型轉向腦力密集型。
智能助手
可以説，智能助手是最高級別的數字員工了，是企業內部的「萬金油」，承擔這一角色的非智能工作台莫屬，其核心為——
知識管理
在當下這個時代，無論是個人還是企業，知識都是最為重要的資產；但如何有效地沉澱知識，並讓它們像活水一樣流動起來，這是很多個人與企業都面臨的一個難題。
對於企業而言，知識更是推動創新所需要的原料，無法創新的企業只能坐吃山空，進而被時代所淘汰；企業常會以人員的頻繁換血來謀生機，但這基本是無效的，自上而下地推行知識管理才是正道。
有效的知識管理必須先以《反思軟件開發：知識流動（中）》中闡述的那幾個基本原理為基礎，打造出企業內專有的、集中式地中心化管理各類知識的龐大知識庫。
企業員工腦中與企業有關的知識，不僅是員工個人的，也可以轉化為企業的，因而企業知識來源於一個個員工的個人知識；所以，如何讓員工心甘情願並舒服地將他們腦中的隱性知識顯性化為企業知識，是每個企業高管該用心考慮的。
企業知識雖來源於個人知識，但並非個人知識直接就成為了企業知識，而是經過一定範圍內多人討論後變換得來，這也算是「共識」；是共識就應當儘可能地固化進工具或流程中，減輕並脱離對人的意志等的依賴。
沒做好知識管理的話，企業的成果會高度依賴於員工個人，存在於員工腦中與企業相關的隱性知識將隨着員工的離職而丟失；若這部分知識數量較多或（潛在）重要性較高，那企業將會遭受較大損失。
大多企業都有知識管理，但很多是將知識散落在多個應用上，如 Confluence、禪道等；這些應用間本身就是較為割裂的，知識間的關聯性弱到幾乎沒有。
如果知識管理不是基於「唯一可信來源」（下文稱「SSOT」）的中心化方式，如同一盤散沙，跟沒有也沒啥區別；遵從「SSOT」進行中心化管理的知識庫就是智能助手的「大腦」，使其具備「記憶」能力，可將知識作為後續行為的原料。
智能助手的其他能力實際是輸送知識的管道或變換其形態的轉換器，人類員工的最終產物（工作成果）皆由數字化的知識經過各部分能力所連成的管線推導而來。
產研一體化
這裏説的「產研一體化」就是將企業的數字產品相關的知識自動推導生成為應用成品的管線，其核心理念依然如《聊聊中後台產研一體化：引子》中所説。
在我所設想的「產研一體化」中，「（業務）應用」是「需求 + UI & UX + 低代碼框架」，忽略一些細節後可以形式化表達為 App = Render(Extract(需求, UI & UX))。
其中，「需求」是「某一版本的知識集」，Render 是低代碼框架的一部分，而 Extract 則是知識庫與在線設計器。
在傳統的產研協作模式中，需求管理，或者説業務知識管理很容易混亂——知識以不同的形式散佈在不同平台、IM 中，並且知識之間沒有關聯；經常口頭產生或更改需求，沒有落實為數據存留下來，導致知識丟失。
在產品經理出了 PRD、原型之後，UI & UX 設計師出設計圖，後端建表、寫業務代碼，前端再根據產品經理、UI & UX 設計師及後端的產物去編寫頁面代碼——他們的工作是相對割裂的，各環節產物之間沒有實際的關聯關係，改個需求要分別更改。
但在我所設想的產研協作模式中，將「需求」抽象為「知識」，一切需求變動都要先更新知識數據，然後自動將變更反應到「應用」這個最終產物上——這便是以「知識」作為「SSOT」的「產研一體化」。
產品經理整理各類需求，抽象並沉澱/更新與自身業務相關的業務概念，明確它們之間的關係和作用規則，這些會留存在知識庫中，能夠以文章、流程圖、知識圖譜等形式查看；挑選幾個固定版本的知識創建一個集合，這就是一個「需求」，可以認為是「PRD」。
產品經理在做這些事情時實際上就是在本體建模或領域建模，其產物可以轉化為供低代碼框架消費的元數據，用於後端處理業務數據和前端對數據進行校驗等處理。
產品經理再在在線設計器上通過可視化的方式從領域模型中選取字段，從已有的交互模式庫中選取合適的 UI 組件，經過一系列拖拉拽操作後就產生了「原型」，與傳統模式不同的是，這個「原型」發佈後就是頁面的最終效果。
如果 UI & UX 設計師對「原型」的某部分視覺效果不太滿意，也可以在在線設計器上進行微調。
以下為大概的示意圖（一年前畫的，但整體思想差不多）：
總結下新的模式與傳統模式的不同點：
- 「知識」驅動，以「知識」作為「SSOT」，強制使知識保持最新，不會出現知識分散與丟失的狀況；
- 「代碼」與「需求」間建立了關聯關係，根據由「知識」衍生的元數據自動化生成/更新業務應用（的功能）；
- 「代碼」與「設計」間建立了關聯關係，UI & UX 設計師在平台上微調產生的配置數據會生成前端頁面的樣式代碼。
「產研一體化」這條自動推導管線的關鍵點是要抽象出數量最少、可組合性最高、可解釋性最強的幾個原子化概念，就像物理中的「粒子」、「力」等一樣，它們之間的相互組合與作用可演化出萬物。
人工智能
作為區別於其他更低級別數字員工的關鍵，智能助手必須搭載 AI 以讓它擁有「智力」，從而具備自主學習的能力，能夠了解企業並理解人類員工的需求，進而在被動接受指令執行任務之外還能主動進行提醒與建議等。
遵從「SSOT」進行中心化管理的知識庫為 AI 提供了海量優質的學習材料，可在此基礎上訓練出最懂企業的專屬模型，如此一來——
人類員工在新增或編輯知識時，會自動拉取關聯度很高的其他知識進行提示；人類員工輸入的知識及與智能助手之間的交互同時也能使它變得更加「聰明」，更懂那個人類員工的習慣。
團隊中某個人有事要請假，領導在審批時智能助手會根據任務的排期與狀態以及備選人員情況等信息進行建議，看是否予以通過或想些替代方案。
需要接手他人工作的人類員工，智能助手會收集整理好一份較為全面且詳細的交接文檔供其閲讀理解，並根據人類員工的能力等提供能夠快速上手的建議。
當監測到企業業務所關聯的政策、行業等的重要動態時，智能助手會通知相關人員，並提醒有哪些知識需要進行更新以緊跟時事，及時應對變化。
除了以上列舉的場景，還能做到很多令人感到「貼心」的事情！
總結
一家企業內不僅有人類員工，還有可將工作中各種數字化手段整體看待的數字員工；其中，最高級別的是智能助手，智能工作台承擔了這一角色。
智能助手能夠卓有成效地幫助人類員工解決機械重複性工作，使人們可以專注於創意性內容，真正地從體力密集型變為腦力密集型；它就像是個「貼心」的小秘書，因而不能把它看作奴僕，而是夥伴。
由於智能助手的特性，一個需求的出現，一個想法的誕生，它們是否靠譜在輸入進去之後的那一刻就能得到初步驗證；經過大家共同討論與修改，敲定後的結論就作為知識在智能助手中留證，並直接看到數字產品的最終成品。
ChatGPT 的橫空出世，帶來了一些影響——
既標誌着 AI 對人類自然語言的理解能力已經達到可落地推廣應用的程度，同時表明自然語言用户界面（LUI）在某些場景下可以取代圖形用户界面（GUI）——通過輸入文字或説話告訴智能助手把頁面背景色從白色變成紅色。
倒逼着那些自己邏輯不清晰，表達能力差，不會描述問題的人乖乖承認是自己不行，而無法甩鍋給別人；讓某些老闆意識到智能助手及伴隨的組織架構與協作模式的變革是企業在未來得以生存的關鍵，晚一步就會被時代所淘汰！
此外，企業知識來源於員工的個人知識，那麼員工個人的智能助手與企業的智能助手之間無縫對接的話，會產生什麼效應？
本文其他閲讀地址：個人網站｜微信公眾號
