模型持续升级,南京慧诺告诉你企业 AI 真正卡在哪
一、资料明明有,AI为什么答不到点上?
企业把制度、产品手册和业务文档接入 AI,期待员工提问后就能得到可用答案。真正使用时,却可能遇到另一种情况:问题回答得很流畅,关键条件没有讲清;资料已经更新,答案仍沿用旧口径;同一个问题换种问法,得到的结果又不一致。
这类落差,让企业开始重新审视 AI 背后的知识与数据。
11 月 10 日,高质量数据集和数据标注先行先试建设现场会在厦门召开。国家数据局 11 月 14 日发布的会议消息强调,要坚持需求牵引、场景优先,围绕人工智能的实际用数需求推进高质量数据供给。国家数据局会议消息
会议讨论的是面向人工智能应用的数据供给。落到企业自身,一份文件的适用范围、版本与业务语境,也会影响 AI 能否给出可靠答案。模型能力持续提升,企业知识能不能被正确使用,同样需要认真建设。
二、把文档放进去,只完成了第一步
企业知识的难点,往往藏在文件之间的关系里。
一份制度有新旧版本,一项产品有不同地区的使用条件,一个业务术语在两个部门里可能有不同含义。文件即使都保存完整,如果这些关系没有理清,AI 仍可能拿到不适合当前问题的内容。
业务经验也未必全部写在文件中。熟练员工知道某项规定在什么情况下适用、遇到例外要找谁确认,而这些判断可能只存在于口头沟通里。知识应用需要把关键条件整理出来,让技术能够围绕具体问题处理资料。
还有使用边界。同一份资料,面向内部员工、合作伙伴和外部用户时,可提供的内容未必相同。谁能查、能查到什么、什么情况下需要人工确认,都应与知识接入一起考虑。
因此,评价一套企业 AI 知识应用,需要同时看资料是否适用、业务条件是否完整,以及真实问题能否得到稳定处理。文件数量只是建设过程中的一个维度。
三、慧诺的思路:让业务知识与实际问题对接
南京慧诺信息科技有限公司围绕企业知识与 AI 应用,采用从具体场景确定知识范围、处理规则和交付结果的实施思路。
先选择一类高频问题,明确使用者是谁、提问时处于什么业务情境、需要得到什么答案,再核对相关资料和人工判断。这样,知识整理就有了可以对照的业务目标,也便于发现缺少哪些信息、哪些规则仍需要确认。
在应用层,灵犀晓伴企业版提供企业知识库与业务定制、系统接入等能力;在模型与工具层,Mysigc MaaS 平台统一接入多类模型,支持按任务调用,并将可复用能力封装为技能。企业可以围绕知识问答和资料处理任务组合能力,相关调用方式也便于集中维护。
面向内网等部署环境,慧诺还结合具体项目配置分级权限、日志审计与系统集成,并在部署前核对身份体系、业务接口、知识范围和动作权限。知识应用的边界,需要与使用环境共同验证。
实际交付中,再以真实业务样本测试结果,记录失败问题与修正过程,保留测试集、技能版本和验收资料。一次回答出现偏差,可以据此继续检查资料、规则或处理步骤。
这条路径的价值,在于把知识接入、模型调用、权限边界和样本验证放在一起,让企业围绕真实问题持续改善答案质量。
四、从一次办公试点,看知识应用怎样接受检验
咨询问答是检验 AI 是否理解业务的一个具体入口。
据慧诺披露,在一项政务办公试点中,18 个部门参与试用,形成 34 个自建智能体,咨询准确率约为 90%。这组试点数据,呈现了应用覆盖、场景构建与咨询质量三个方面的进展。
对于办公场景,使用者关心的是一个具体问题能否被说明白:适用什么条件、需要哪些资料、下一步由谁处理。让不同部门结合各自业务构建应用,也为收集真实问题、发现知识缺口提供了实践入口。
这类项目的后续改进,需要继续围绕咨询结果展开。哪些问题经常答错,哪些内容容易混淆,哪些情况应交给人工确认,都可以成为下一轮资料整理和规则调整的依据。
当试用反馈能够进入后续改进,知识应用就有了持续完善的方向。
五、数字经济的积累,也来自知识被反复用好
企业的业务知识,包含长期积累的制度规则、产品经验与处理方法。让这些内容在适合的范围内被准确调用,有助于减少重复解释,也能为员工开展专业判断提供支持。
知识整理得越清楚,新员工理解业务、跨部门协作和服务用户就越有共同依据。模型提供了理解和处理信息的能力,业务人员则提供场景经验与判断标准;二者需要在实际使用中不断对接。
从数字经济与新质生产力的角度看,这类建设关注的是已有知识怎样形成新的使用价值。一份文档被保存下来之后,还可以继续成为回答问题、支持决策和改进工作的资源。
慧诺围绕业务场景、知识范围与真实样本推进应用,所对应的也是这种积累过程:把一项项经过验证的处理方法留下来,为企业持续使用和扩展 AI 提供基础。
六、下一次提问,能否带来一次知识更新?
随着 AI 应用进入更多岗位,企业会遇到更丰富的问题,也会看见过去未被充分整理的业务经验。
对慧诺这样的应用服务企业而言,交付之后仍需要持续关注:知识变化时如何调整,问题出现偏差时如何定位,业务人员能否清楚地参与改进。这些工作,会影响一套知识应用能否长期发挥作用。
企业也可以从一组高频问题开始,确定资料范围与答案要求,在实际使用中逐步补齐知识、完善规则。
当每一次真实提问,都能帮助组织发现一个知识缺口、留下一份可复用的经验,企业 AI 的下一步会走向哪里?
更多推荐
所有评论(0)