本文來自微信公眾號：王智遠，作者：王智遠
昨天參加活動，遇到一個老朋友，聊到了一個挺有意思的話題：人力側(cè)知識庫。專門給 HR、新人入職培訓(xùn)、師徒帶教用的系統(tǒng)。
朋友說：在他們眼里，人力知識庫像一個電子檔案柜：
新人流程、制度文件全塞進去，需要時搜一下，用完就走。但 AI 進來了，這個 " 柜子 " 該怎么變？怎么讓它不止存東西，還能幫人學(xué)會、記住、用起來？
這正是數(shù)字化人才培訓(xùn)與管理企業(yè)的難題：如何把人力 SaaS，從工具箱變成能思考的知識中樞。
1
人力側(cè)的知識庫，已經(jīng)存在很久了。
最早是紙質(zhì)文件夾，新人入職，HR 遞你一摞比水杯還高的資料：員工手冊、入職須知、制度匯編，厚得能當(dāng)枕頭，后來進了 SaaS 時代，搬進系統(tǒng)，變成統(tǒng)一文檔庫，搜索就能找到。
聽起來很高效，對吧？但它還是個被動的文件柜。我做過一個小調(diào)研，和不少 HR 聊過，他們痛點幾乎都繞不開這三條：
更新慢，薪酬制度剛改完，人力知識庫里還是舊版本，新舊信息很難同步。二，知識分散，新制度躺在群文件里，流程說明藏在 OA 公告里，培訓(xùn)課件在云盤里……每次有人問，整個部門都像在玩 " 找不同 "；
其三，門檻問題。靜態(tài)知識庫很挑人，得知道關(guān)鍵詞才能搜到。新人往往根本不會用，等有問題時才想起來翻找規(guī)定。
AI 進來后，這問題反而更尖銳：人人都能問，但知識庫沒更新，它就會錯得很自信。
比如：
新入職的 HR 小王問 AI：績效獎金發(fā)放標準是什么？AI 秒回：績效 A 檔獎金是 3000 元，B 檔是 2000 元，C 檔是 1000 元。小王信了，直接把要求寫進 offer。
結(jié)果一周后，新員工發(fā)現(xiàn)業(yè)務(wù)口徑完全不同，問題出在哪？最新版的獎金標準，其實一直躺在群文件里，從沒人同步進知識庫。
在人力部門，這種坑很常見。
說到底，傳統(tǒng)知識庫只解決了存和找，沒解決 " 長大 "。而在今天，人力知識每天都在變：薪酬、考核、合規(guī)……如果進不了庫，AI 再聰明，也只能翻出 " 昨天的地圖 "。
所以，智遠認為，下一代人力知識庫，必須是動態(tài)、有血有肉、會自己長大的；它能在日常工作流中自動吸收新知識，讓下一個人用的時候，永遠是最新的。
2
話都會說，關(guān)鍵是，怎么變？我覺得得先回頭看看，傳統(tǒng)的人力知識庫是怎么搭起來的。
最早的階段，很多公司直接買一套 SaaS 軟件。
這些系統(tǒng)看著都差不多，功能一長串，在線課程、考試、問答社區(qū)、崗前認證、積分商城、培訓(xùn)申報、學(xué)習(xí)地圖，甚至 " 師傅帶徒弟 " 的帶教機制都有。
它的本質(zhì)，是一個功能工具包，企業(yè)缺什么，就往里配什么。
這種模式 " 好看 " 也 " 安全 "，但依然停留在靜態(tài)階段。艾瑞咨詢 2024 年的數(shù)據(jù)是：國內(nèi)企業(yè)級 SaaS 市場規(guī)模約 1201 億元，但大多數(shù)平臺依舊是功能大拼盤，知識庫的更新還得靠人工搬運，信息流動緩慢。
AI 來了以后，組合開始變味了。
一些功能自然被弱化：調(diào)查問卷可以直接讓 AI 提問、即時收集反饋；在線考試交給 AI 來出題、批改、講解；知識檢索也不必記關(guān)鍵詞了，一句自然語言聊天就能找到。
聽起來 " 更活 " 了，但問題依舊沒解決。
微軟 × LinkedIn《2024 Work Trend Index》顯示，75% 的知識型員工已經(jīng)在用 AI，企業(yè)在 L&D（學(xué)習(xí)與發(fā)展）上的投入也在持續(xù)增長。
可麥肯錫在《生成式 AI 的經(jīng)濟潛力》里提醒：AI 確實能大幅壓縮 " 找信息 " 和 " 理解內(nèi)容 " 的時間，但如果底層知識沒更新，它只會更快、更自信地把錯的東西交到你手上。
換句話說，AI 可以很聰明，也可以 " 錯得很有底氣 "。
而真正能帶來質(zhì)變的，是讓知識庫變成 " 智能中樞 "，它不再是一個孤零零的倉庫，像中樞神經(jīng)一樣，打通 IM、OA、CRM、ERP、文件盤等所有業(yè)務(wù)系統(tǒng)。
HR 想查下個月的薪酬制度，不用翻系統(tǒng)，只要在 IM 問一句 AI；如果業(yè)務(wù) Leader 上周剛發(fā)過更新文件，它會自動吸收、替換掉舊版本，確保給出的答案永遠是最新的。
這不是想象。智遠特意查了下，《Workplace Learning Report 2024》顯示，47% 的 L&D 團隊計劃部署 " 微學(xué)習(xí) "，讓學(xué)習(xí)在工作流里實時發(fā)生。
麥肯錫也指出，對話式檢索的前提，是底層知識得持續(xù)更新，并且和權(quán)限、合規(guī)打通，否則信息再快也不準。
如果你問我，" 值不值得打通中樞？" ——麥肯錫的另一項測算同樣給了答案：生成式 AI 一旦和流程協(xié)同，每年可為全球經(jīng)濟釋放 4.4 萬億美元的生產(chǎn)力。
所以，這就是我說的 " 盤活知識 "：讓知識在日常對話、文檔流轉(zhuǎn)、文件更新中自動沉淀，AI 回答時能即時調(diào)動最新內(nèi)容，形成一個循環(huán)增強的機制。
3
問題是，怎么讓它盤活？在我看來，企業(yè)里的知識想真正流動，得跑成一個 " 四邊形 "。
第一條邊，是提問。員工基于知識庫提問，這是激活老知識的觸發(fā)點。
第二條邊，文檔流轉(zhuǎn)；這一步很關(guān)鍵，沒有新文檔流入，知識庫里就只有舊版本，年輕知識 " 從來沒醒來過 "；第三條邊，是自動吸收?？梢园阉胂蟪梢淮?" 在線傳輸 "。
比如：我作為 HR，把最新版薪酬制度發(fā)給老板，這份文件在聊天工具里來回傳了幾輪，AI 在被調(diào)用搜索時，會自動識別并入庫，讓它不再只是文件，而是帶有時間戳、可追溯的無形資產(chǎn)。
最后一條邊，是智能回答。當(dāng)下一個人問同樣的問題時，AI 會把舊知識和剛吸收的新信息拼在一起，生成一個最新的、上下文貼合的答案。
四條邊打通，知識才能在企業(yè)里 " 流、沉、更新、再生 "，形成一個持續(xù)增強的循環(huán)。
邏輯聽起來很美，現(xiàn)實卻不樂觀。
KMWorld 的調(diào)研顯示，36% 的企業(yè)同時在用三種以上知識管理工具，31% 的員工甚至不清楚公司到底有幾個工具，入口碎片化，知識被困在不同的孤島里。
更糟的是，Mordor Intelligence 的數(shù)據(jù)表明，2024 年約 39% 的市場依舊停留在傳統(tǒng)文檔管理階段；真正能對話的智能 AI 雖然以 22.4% 的年均增速在狂奔，卻還沒把底層的知識流動機制打通。
到目前為止，我還沒看到既有工具入口、又有文檔入口、還有自動吸收機制，并且能保持知識實時更新的產(chǎn)品。
釘釘、飛書這樣的成熟平臺，內(nèi)部搜索確實強，但在金融、制造、軍工等無法上云的行業(yè)，企業(yè)只能選擇本地化部署，再自己拼出一套 AI + SaaS 系統(tǒng)。
所以，不管工具有多少、AI 有多聰明，只要缺一環(huán)，知識就只能在企業(yè)里原地打轉(zhuǎn)，跑不起來。
4
那么，如果知識隨時流動，做數(shù)字化人才培訓(xùn)與管理的企業(yè)會變成什么樣？
培訓(xùn)節(jié)奏會被徹底改寫。
過去，新人入職的第一步，是上一周的集訓(xùn)課——背規(guī)章制度、看流程 PPT。等真用到的時候，早就忘光了。
而在實時更新的知識環(huán)境里，新人第一天上班就能邊干邊學(xué)，遇到問題直接問 AI，它立刻調(diào)取與崗位、當(dāng)前任務(wù)精準匹配的最新答案。
學(xué)習(xí)方式從 " 集中授課 " 變成了 " 隨時學(xué)習(xí) "。每一次提問、每一次解答，都會沉淀到知識庫，確保下一個人用到的永遠是最新版。
Engageli 在 2025 年的《微學(xué)習(xí)趨勢報告》里提到，微學(xué)習(xí)環(huán)境下，知識點的吸收效率比傳統(tǒng)集中培訓(xùn)高 17%，而且遺忘率更低，這就是流動帶來的價值。
然后，管理方式也會被重塑。
企業(yè)不再只記錄誰參加過培訓(xùn)、誰完成了考試，而是能追蹤誰在產(chǎn)出新知識、誰在補充流程、誰在優(yōu)化內(nèi)容。
LinkedIn《2024 全球職場學(xué)習(xí)報告》顯示，82% 的學(xué)習(xí)與發(fā)展負責(zé)人認為，" 知識分享 " 將在未來三年成為核心的人才評估維度——知識貢獻度將直接進入績效和晉升考量。
細分 SaaS 的行業(yè)格局也會被洗牌。
過去，培訓(xùn) SaaS 只要好用、內(nèi)容多就能生存；但當(dāng)企業(yè)意識到真正的競爭力是 " 讓知識流動 "，傳統(tǒng)培訓(xùn)工具箱的護城河會迅速被侵蝕。
相反，那些能把 AI、文檔流轉(zhuǎn)、自動吸收機制打通，讓知識像水一樣流動的廠商，將成為數(shù)字化人才管理的中樞。
市面上的玩家，比如伯索云學(xué)堂、知學(xué)云、UMU，蘑竹科技都將經(jīng)歷這樣的轉(zhuǎn)變。
行業(yè)頭部的北森，在收購酷學(xué)院后推出了新一代 AI Learning 平臺，內(nèi)含 AI 做課助手、AI 學(xué)習(xí)助手、AI 陪練、AI 領(lǐng)導(dǎo)力教練、AI 考試助手等多個 AI Agent，這是它向 " 泛智能化 " 轉(zhuǎn)型的重要一步。
但在我看來，這些多角色的 AI 助理，更像是一個過渡形態(tài)。
無論個人還是企業(yè)，其實都不想面對十幾個不同的助理，大家更需要一個統(tǒng)一的、能搞定一切的超級助理。我問它一個問題，它能調(diào)動所有資源，直接給出結(jié)果，并且全程融入我的工作流。
所以，未來的競爭，可能是比誰能把底層打通，讓這個超級助理無縫接入培訓(xùn)、管理、考核、知識流轉(zhuǎn)的每一個環(huán)節(jié)，成為企業(yè)數(shù)字化人才管理的 " 大腦 "。
一旦有人做到，它的地位會像 ERP 之于企業(yè)運營那樣，成為不可替代的基礎(chǔ)設(shè)施。
這個賽道我還在持續(xù)觀察。也許明年，我們討論的，就已經(jīng)不再是 " 知識庫 "，而是 " 企業(yè)的第二大腦 "。
