知识管理的现状
知识库的作为客户服务的重要支撑平台，大型企业多数很早就已经开始建设，但从目前国内情况来看，知识库的建设往往是经历这样一个历程：兴奋期、建设期、蜜月期、苦恼期、废止期。也就是说，很多知识库的建设项目在前期都投入了很多的资源和精力，但真正享受其效益的“蜜月期”却很短。
企业使用知识库时常见问题如下：
- 依赖关键字搜索，无法快速精准反馈所需知识，需要员工多次点击、搜寻；
- 无法满足新媒体新渠道的知识应用扩展，导致知识应用系统重复建设；
- 无法满足多渠道知识统一管理，产生大量的重复维护工作，导致不同渠道知识内容不一致；
- 知识模板无法灵活应对不断增长的业务知识，知识积累无章法、知识复用率低；
- 无法满足知识之间的自动关联，人工标记无法应对海量知识关联；
- 服务质量严重依赖人员业务熟悉度，培训成本高居不下；
造成以上现状，仔细分析起来有以下四大原因：
首先，知识库的实施不到位。企业虽然已经拥有了明确的知识管理战略，在实施时却没有执行到位，并未对知识资源进行再认识、再评价、再整合，知识体系未根据业务进行重新梳理，容易导致知识混乱。还有一种情况，企业并未建立配套的激励机制鼓励员工参与到知识管理和创新的工作中去，导致知识库上线后，知识就不再更新，一旦员工发现知识和业务不同步后，员工使用知识库的意愿就越来越弱。
其二，知识库的技术无法满足企业知识管理和应用的精细化需要。随着大数据时代的来临，企业从客户服务、组织学习到产品创新，都要求快速获取和沉淀知识，传统非结构化知识通常是整篇文档，知识颗粒度粗，无法实现员工的高效工作和学习。国内不管是IT应用型还是文档管理型的知识库，都无法做到知识的结构化管理和应用，现有知识管理模式，更多是停留在知识的存储与使用分享上，知识的沉淀往往需要知识管理和使用者进行大量的人工维护。
第三，知识库的技术无法支撑多媒体客服中心时代的全渠道客服需求。一方面，在多媒体客户服务时代，知识的支撑必须经由完整统一的知识管理系统延伸到各个渠道，才能保证所有渠道知识的统一、准确、更新及时，而目前知识库无法支撑全渠道的知识应用；另一方面，目前知识库无法做到知识的客户化。未来大中型客服中心服务模式是以人工服务、互助服务、自助服务的倒三角漏斗式服务模式，自助和互动服务是客户服务的主体，而在提供此类服务时，知识内容需要直接面对客户，再服务人员从中“翻译”进行客户化的转换，因此知识管理必须实现知识客户化，才能满足客户对于服务的需求，而传统知识库无法提供客户化的专业知识。
第四，知识库的技术无法支持知识之间的关联。目前当客户问到某问题时，服务人员只能提供当前问题的解释和回答，但很多情况下用户的咨询会涉及多个存在某种关联的问题。随着企业业务知识的不断增长，这种多问题关联的咨询服务会更加普遍。在有限的时间内，多数服务人员还不能很好的掌握全部的业务知识，无法将涉及到的全部问题内容反馈给客户，造成客户满意度的下降。其背后是欠缺了对于知识的自动关联。
知识管理的发展趋势
大数据、多媒体和移动互联网的崛起，加之计算机技术的不断发展及用户的自助服务意识逐渐增强，迫使大型企业逐渐开始采用人工服务、互助服务、自助服务的倒三角漏斗式服务模式，传统客服中心也逐渐转变为多媒体客服中心，以分流服务压力、提高服务品质。多媒体客户服务的实现必须依托于统一的知识库，这一平台覆盖知识从采集、编辑、发布到应用所有知识管理应用环节，且知识的应用覆盖所有客户服务渠道，对于自助及互助环节的知识支撑的统一性、准确性、便捷性和知识的客户化的要求将更高。那么什么样的知识库才能适应未来的多媒体客户服务中心呢？
首先，知识库必须是开放的，可以同时支撑内部外全渠道的知识应用。未来客户将越来越依赖各类网络渠道获取企业产品、服务、市场活动信息，这些渠道包括网站、IM（微信、QQ）、微博、短信、手机APP、网银等，企业需要对各类渠道进行知识的统一支撑，知识的统一、准确、及时更新不仅仅是客户对企业服务的要求，同时企业也可以避免各种潜在的商务风险和产品纠纷。
其二，知识库必须能够同时管理结构化和非结构化知识。目前知识管理是以文档管理为主的非结构化知识管理，而为了满足知识客户化的需要，未来知识库必须能够管理结构化知识，为知识的单点维护多点发布、精准搜索、知识对比、知识反馈、精细化培训等知识的高级应用奠定基础，从而提高用户的服务体验及员工的工作效率。
知识的结构化要求知识库供应商必须通过大量且多领域的项目沉淀通用语言库和领域业务知识库，从而为知识结构的梳理和结构化存储提供有效的依据和素材。
其三，知识库必须支持知识的客户化和智能化。当用户问到某问题时，人工智能技术可以帮助系统准确理解用户的当前意图，从而推理用户下一步的需求，提升知识应用的效率。未来的知识服务应该是这样的：用户使用知识库时，他看到了或搜索到了他要的所有知识及相关信息，而他不需要的知识没有出现；当用户只了解到问题的表象时，系统能够将问题的现象关联到知识和相应的解决方案（即知识集合组成的解决方案），甚至能够关联到相应的产品和服务知识，在服务部门职能复合化的趋势下，知识库的智能性可以帮助员工更便捷高效地完成服务或营销工作。
其四，知识库必须具备个性化和人性化的特点。传统知识库更关注文档和系统本身，而未来的知识库应该从关注系统、文档到关注人。知识库必定是面向不同用户的，比如有的用户清楚的知道自己想问什么，而有的用户需要系统提示去发现他们真正的问题；知识库应该提供多种不同的搜索方法，不同的用户偏好不同的搜索方式；知识库应该使用户清晰地看到哪些知识跟他的工作有什么关系，使用户可以集中时间和精力于岗位知识；知识库应能创建个性化的知识对比方案，方便用户了解知识的来龙去脉，掌握不同知识的特点和区别；当用户发布公告时，可以发送给需要知道公告的人，而无关人等不会收到公告。
其五，知识库必须具备挖掘隐形知识的能力。调查结果显示，企业的知识60%是隐性知识，“隐性知识”向“显性知识”的转换过程，实际上是知识不断积累、生成、创新的循环过程。在适当激励机制的鼓励下， 用户能够在知识库中方便地提交工作的所思所想或对具体知识的意见想法，管理人员能够将提交的内容通过流程管理进行审核，最后录入人员能够高效有序地将其录入，知识库就实现了隐形知识的高效挖掘，企业的知识资产才能得以不断增长。
知识管理的本质即利用最新的信息技术来实现知识的获取、积累、应用、创新，以上5点即可涵盖知识管理的所有环节，有效提升企业整体的知识技能和知识创新能力，形成知识经济时代企业的核心竞争力。
小i智能知识管理解决思路
小i机器人顺应知识管理的发展趋势，并结合十多年智能机器人项目的积累，其智能知识管理解决思路如下：
知识的全渠道应用：利用跨平台、超大规模消息通讯和整合技术，实现知识库对内外部全渠道的接入，并配备统一的知识管理后台进行多渠道知识的单点维护、多点发布
知识的结构化管理：利用成熟的本体理论，创建知识本体，并将语言知识库和业务知识库分离，利用语义规则关联语言知识和业务知识，实现知识的结构化管理
知识的客户化和智能化：整合自然语言处理和人机交互技术，适应客户化的提问方式；提供基于语义的智能搜索和高级搜索，满足用户不同的搜索需求；利用基于语义模型的句子相似度计算技术推算关联知识；提供可自定义的知识对比方案，提供对知识不同纬度的对比
知识的个性化展现：提供多维度的知识入口、基于组织架构和岗位的知识推荐、基于组织特点的首页设置
隐形知识发掘：通过员工自主知识贡献，形成企业知识管理的良性循环，实现知识从隐性知识转化为显性知识全面提升企业的知识资产价值
小机器人智能知识库特点
单点维护，多点发布。小i智能知识库支持全渠道多维度知识的统一录入、编辑、更新、发布、归档。
智能搜索。该知识库提供基于自然语言理解的快速、精准的搜索，并支持输入提示、拼音识别及错别字纠错
全渠道支撑。网页、微信、短信、APP、QQ等全渠道知识整合应用，并且支持文本、语音、图像等多媒体知识展示。
知识结构化、原子化。原子化的知识便于知识与知识之间的灵活组合，满足用户对知识的个性化需求。
知识灵活继承、高度复用。通过成熟的知识本体实现知识的灵活继承、高度复用。
知识自动关联。通过智能算法，自动进行多维度的计算匹配关联知识，形成多维的知识关联路径。
小机器人智能知识库优势
小i智能知识库是基于小i机器人知识库十多年的产品研发和项目实践经验，因此小i智能知识库从诞生之初就具备了以下五方面的产品优势：
第一、 全球领先的核心智能引擎技术。拥有多项人工智能专利，综合了语言学、统计学、人工智能等多种学科的知识，具有场景反问和上下文关联处理，其智能交互算法经过每月10亿多次交互的验证，确保良好的用户体验和应答准确率，支持高并发和平行扩展服务能力。
第二、 独家支持全渠道多媒体的知识应用。支持全渠道多媒体的应用，包括网站、微信、易信、来往、微博、短信、QQ、WAP、基于Android的客户端、基于iOS的客户端、PC桌面端等，接入时间小于一周，并具有统一管理维护机制和灵活的应用前端逻辑二次开发框架。
第三、 知识库构建模型的创新和优势。基于语义而非词形的语言词典结构，以及基于领域本体的动态多维度智能知识库模型利于知识的积累和重用；语言知识库和业务知识库的分离维护机制方便知识库系统的维护和扩展，有利于维护人员对于企业知识进行规范的精细化管理。
本体是一种知识组织的理论，是通过概念、术语极其相互关系的规范化描述，勾画出某一领域的基本知识体系和描述语言。
知识本体是以人接受新概念的组织方式来整理知识，在词法和语义上比数据库表达的知识丰富的多，是科学严谨丰富的理论。
本体基类是指领域化的知识本体，也可指各个行业通用的知识本体。
第四、 完整的知识模型和最庞大的中文知识库。通过十余年专业运营各领域企业智能机器人，拥有全球最大的领域知识库和语言语义库，包括：上百万规模的词类、通用对话库（包括16大类，135个小类，有近二十万语料），以及数十个专业领域知识本体基类（包括本体属性定义及关联语义表达式集）、海量的通用语言知识库和对话日志，涉及电信、金融、政府、电子商务、IT、智能家电、汽车等诸多领域的专业客户化知识库内容。
第五、 丰富的项目实施和运营经验。拥有国内最多的行业客户成功案例，项目经过运营商、金融等大客户生产环境下应用验证，积累了丰富的项目建设和运营维护经验
小i智能知识库价值体现
小i机器人长期以来专注于智能多媒体客服领域，我们的智能知识库产品同样顺应客服中心多媒体化、智能化、客户化的发展趋势，致力于为客服中心带来以下六大价值：
- 降低知识管理成本
- 提高知识管理效率
- 全渠道知识应用支撑
- 提升客户服务品质
- 降低对培训的依赖
- 规范沉淀企业知识
招行智能知识库案例
由小i机器人和招商银行联手打造的我国首个智能知识库于2014年5月底上线试运营，并于8月完成项目初检，进入实际应用阶段，为招行的客服中心带来了巨大变化。
完美支持自然语言交互。传统知识库采用关键字搜索方法。客服人员接到一个电话之后，需要通过自己的专业知识将客户的问题转化为知识库内存在的关键字，进行搜索。而且知识库给出的答案是一系列的，就如同我们用的搜索引擎一样，客服人员需要从中间去找出适合的答案。这个过程对一个熟练的客服人员来说，可能还会是一个比较快速的过程，一旦客服人员不够专业，那将大量浪费客户的时间，让客服的质量大打折扣。
而加入小i智能机器人技术的智能知识库，这一问题将迎刃而解。客服人员完全可以按照客户提问的自然语言直接在知识库中查找，而且知识库中给出的答案是唯一的，这中间，客服人员不用经过自己的专业加工，也不用筛选，即便是业务不熟练的新员工，也能熟练使用该知识库，回答用户问题，极大提升了客服人员的工作效率。
知识自动关联。智能知识库的智能性还体现在对内容的延展推送上。当一个用户问到某一类问题时，智能知识库除了会将正确答案呈现出来外，还会做进一步的预测，将客户可能会问到的下一个问题，提前给出。例如：招行的某客户问到，我想办理A卡，第一方面，智能知识库会把A卡的具体办理方法提供给用户，同时把与A卡类似的B卡相关信息给出类比，而且在不同点上给出标注，方便客服人员查看。第二层面，智能知识库会把A卡相关的进一步问题列出，A卡的年费，A卡的优惠活动等。为使用者提供更加人性化的智能服务体验。
单点维护，多点发布。智能知识库还将招行各渠道客服平台的知识库进行了有效整合，实现了“单点维护、多点发布”，招行技术人员只需完成对一个智能知识库的更新和维护，即可实现对智能/人工等多个客服平台知识点的全面更新，开创了一个知识库后台同时服务与两类客户群体的新服务模式，即：对外，在招行的自助服务渠道上，知识库可提供用户7*24小时不间断业务咨询。对内，知识库可提供客服座席全条线全方位业务查询。
全渠道多媒体展示。作为新一代的智能知识库产品，招行智能知识库不仅支持文本知识的收录，还可以将语音、图像等多媒体数据内容整合进知识库之中，为使用者提供更直观、具象化的交互体验。
招行智能知识库采用语言和业务知识库有机统一的结构，支持全渠道的知识整合应用，包括网站、微信、易信、来往、微博、短信、QQ、WAP、移动终端等，并具有统一的管理维护机制和灵活的二次开发框架，可根据客户的业务发展情况，进行各种新渠道的延展和部署。
招行的智能数据库可以说是从知识结构、知识管理、知识应用三方面突破传统的、新型的智能知识库。该数据库的上线，为招商银行员工提供了灵活的知识采编模板，以规范的企业知识的架构对知识进行整合，全面提升客服体验，降低企业运营成本。
