企业做 AI，先建知识库还是先梳理业务流程？

先梳理业务流程，再决定知识库做到多大。知识库解决的是“这项工作需要哪些稳定、可维护的参考信息”；流程说明谁在何时使用这些信息、遇到例外怎么处理、结果由谁确认。两者服务于同一项具体任务。

假设一家企业想让团队快速回答产品选型问题，于是上传了产品手册、旧报价表、销售话术和微信群里存下的问答。这是一个假设情境。文件都在，并不意味着答案可靠：旧报价与新规则可能冲突，同一个型号可能有不同适用条件，有些说法只供内部使用。

要让资料真正可用，至少需要知道：这份资料由谁维护、最后何时确认、适用于什么范围、冲突时以哪份为准、能否用于对外回复。随后还要规定：AI 给出的建议由谁核查，哪些问题必须转交负责人。

公开讨论中确有制造企业负责人提出“把 SOP 和产品信息整理成统一问答入口”的需求。这是一个具体需求例子，不能由此推断多数企业都要建设统一机器人。来源：Reddit 讨论

先写明要完成的任务，再列资料，往往比先建一个“企业全知识库”容易检查。

这些都是示意，不代表任何行业可直接照搬。首批资料只要能覆盖选中的任务即可；后续按真实误答、缺答和规则变化补充。

每条重要知识附上来源、适用条件、负责人和复核日期。例如“某产品适用于某类客户”，需要写明产品版本、条件和审批来源，而不是只保留一句口号。知识变更后，应能找出依赖旧版本的问答、页面或培训材料。

如果任务主要是格式整理，可能只需少量规则与样例；如果任务需要复杂判断，就必须把判断条件、例外和人工责任说清楚。NIST 的通用框架也要求定义预期用途、任务范围及人工监督。来源：NIST AI RMF Core

选一个真实工作任务，列出当前常用的 10 个问题；对每个问题记录答案在哪里、是否有冲突、谁能确认、能否公开。若 10 个问题都难找到权威答案，先整理资料和责任人；若答案明确但工作仍慢，继续查流程中的交接、审核或系统操作。

下一步可以阅读《企业 AI 应用怎么开始？从一项业务任务到限定试点》，检查这项任务是否适合做限定试点。