
10月29日,知识流程创新论坛&MIKE成果盛典在北京举行。会上,海信集团知识管理PDT经理宋冠辰作《AI时代海信知识型创新组织的进化实践:让知识成为全球创新的生产力》主题分享。以下为演讲内容整理,以飨读者。

尊敬的各位来宾、各位同仁:
下午好。我是海信集团数据知识部宋冠辰,负责集团知识管理PDT,主要承担知识库平台、本体平台建设与知识治理工作。今天很开心能够在此和大家分享海信在AI时代的知识创新实践。
一、五十七年的知识积累与现实困境
海信成立于1969年,到今天已走过五十七年历程,历经“艰苦创业自力更生”“引进提高夯实基础”“相关多元化快速发展”三个阶段,自2016年起步入“加快全球化垂直产业深耕”的新阶段。2025年海信营收达到2244亿元;目前在全球拥有32个研发中心、41个工业园区、8万余名员工。
海信的业务呈现出四大特点:一是技术密集、需要长期创新;二是多产业、多品牌、多经营主体并存;三是全球化的研发、制造与市场布局;四是坚持用户至上、质量为先。对应这些特征,这就要求知识既要按专业沉淀,也要支持跨产业、跨区域调用。因而我们知识治理的核心思路,就是按产品、流程与用户问题来组织知识,将分散的局部经验沉淀为集团层面可复用的组织能力。
具体落地过程中,我们面临着五类现实挑战。第一是知识分散,各类业务知识沉淀在不同产业、品牌、区域与系统之中;第二是经验高度依赖个体,专家经验、项目复盘、工艺质量案例难以规模化复制;第三是知识和业务流程相互脱节,组织内虽存有大量文档,但很难明确这些内容可以支撑哪些具体业务活动;第四是平台分散运营,伴随企业多年信息化迭代,学习平台、协作文档、各类业务知识库并存,形成不少历史存量资产;第五是面向 AI 应用的可信知识供给难题,智能体运行高度依赖准确、可溯源的业务事实,对知识质量、语义表达与调用机制提出了更高要求。
面对上述挑战,海信的知识管理并非从零起步。在此之前,它已经走过学院奠基、经验萃取、业务融合和数字共享的长期演进之路;自2024年起,我们以星海知识库和业务智能体为载体,进一步推动知识管理向知识工程、场景化深度应用跃迁。
对海信而言,知识管理是典型的 “一把手工程”。海信集团 CEO 曾提到,知识治理是一份苦活、累活,却承担着企业承上启下的关键作用,既要承接沉淀历史积累,也要为百年海信建设筑牢根基。这句话背后也折射出知识管理对于集团的四大核心价值:第一,承接集团整体战略,把技术立企、用户驱动、全球化经营等顶层要求,转化为具体的知识领域、组织责任与 AI 落地应用;第二,沉淀集团知识资产,将分散的专家经验、项目成果进行组织化梳理,把企业无形的经验转化为可复用的事实资产;第三,推动跨域业务协同。海信在研、产、供、销、服全链路深度布局,业务横跨多个产业板块,知识管理打通研发、制造、质量、营销、服务以及海外业务,实现跨领域知识串联与协同共享;第四,赋能业务创新提速。依托知识库、图谱与智能体能力,提升业务创新与经营决策效率,凝聚组织创新合力。

二、治理体系:三级责任、双向治理与全生命周期闭环
具体建设落地中,海信以统一标准为牵引,围绕建、治、用、运、优建立全生命周期闭环。组织责任、数字化平台与高质量数据共同提供保障,让知识能够持续生产、治理和应用。建,即知识规划与生产,在业务流程中识别知识点、明确载体与责任组织;治,知识加工与治理,完成命名、清洗、打标与知识元抽取;用,知识发布与应用,支持员工与业务系统复用、智能体与图谱调用;运,知识运营评价,考察知识覆盖率、准确度与使用评价;优,知识维护与优化,聚焦使用反馈与责任整改,及知识更新、归档与退出。

在组织责任层面,我们形成了集团、领域、事业部三级责任主体,并明确知识主人、管家、专家与贡献者的分工。集团管战略与标准、平台建设、跨域协调与考核评价;领域即研、产、供、销、服,负责设计知识体系、知识盘点、跨事业部协同与质量把关;事业部负责知识生产、清洗入库、使用反馈与价值验证。知识主人定义业务语义,知识管家组织治理与运营,专家参与审核。
组织明确之后,知识怎么梳理出来?我们采取双向治理。正向治理沿分级流程规划知识,把每个节点的输入、输出与规则梳理清楚,知识挂在节点上,责任也落在节点上;逆向治理从AI场景倒推,客服、卖点包装、门店分析中答不准、答不出之处,正是知识缺口,回过头补进正向体系。一条自上而下规划,一条自下而上校验,最终汇入同一个知识池。
在知识梳理过程中有个问题我们想了很久:要提升知识覆盖率,分母究竟是什么?口径不统一、各算各的,最后只会得到一组好看的数字。参考行业经验与国家标准,我们把“知识点”确定为治理基石——它是最小的可复用单元,统一颗粒度与计数口径,每条知识还须写清载体、对象标签与治理要求。事业部围绕知识点开展工作,方向不至偏离,也避免低质知识入库。
知识库引用的业务事实需要可靠的数据来源。海信依托HiData开展数据标准、元数据和质量治理,使知识、本体和智能体能够引用一致、可追溯的业务事实。截至目前,HiData沉淀了9000多条数据标准,覆盖11个领域,200多个业务系统纳入元数据覆盖,建设19000多个数仓模型,由2万多条质量规则每日校验;数据质量符合率长期保持在99%以上,主数据符合率保持在97%以上。
三、星海知识库:既服务员工,也支撑AI调用
底座具备之后,才谈得上应用。2024年我们基于AI建设了星海知识库,前期只做采集、存储与统一的切片和向量化;RAG中的R与A由我们承担,G交给智能体平台完成。
但仅靠RAG,有一类问题永远无法解决,那就是幻觉。遇到需要多跳推理、沿关系链判断、对过程逻辑要求很高的场景,必须把本体与知识图谱引进来。这背后也依靠星海提供的五层能力:知识资产与治理、知识加工、检索与语义、统一服务(检索API与MCP),以及业务应用。加工全链路由AI加持,但业务适用性与发布质量,仍由知识主人和专家审核。

本体分两层建设:企业级本体自上而下,从业务架构、价值流与分级流程出发,以产品对象为主干,统一客户、订单等核心语义,先把高质量数据之间的关系立住,规则与动作留待后续;场景级本体自下而上,从智能体场景与评测集出发,把实体关系、判断规则、推理路径显性化,关联FAQ等载体,验证有效之后再反哺企业级本体。
有了能力,怎么调用?问题先经过意图识别、任务规划与动态路由,再按类型选择路径:高频标准问答走FAQ;产品资料与复杂业务知识走RAG;需要外部时效信息时走联网检索;涉及故障规则、实体关系与指标口径的,走本体与知识图谱。四条路径经去重、重排与融合后统一输出,并标注来源。
截至今年8月10日,星海知识总量已达20.49万条,问答知识26.76万条,检索准确率94%。服务、产品、人资、营销、制造、研发等各领域使用率差别较大,这也提醒运营需要持续关注知识是否被调用以及哪些知识需要改进。
下面分享三个具体的场景。第一个是智能客服,2024年上线,是最早落地的场景。起步阶段同样是纯RAG,检索产品说明书与安装手册,但用户报修需要的不是一段说明,而是可直接执行的判断,于是我们把故障排查换成本体图谱:产品、故障说明、用户问询、解决方案、后续措施,五个节点连成一个图谱,命中任一节点,整条解决路径一次性带出。目前它独立承接80%的咨询量,满意度由84%提升至90%,累计服务268万人次,日均3.5万人次。
第二个是产品卖点包装。过去这一环节存在隐痛:卖点由人工撰写,每位产品营销经理各有方法论,同一产品在不同平台口径不一。我们未将其视为文案工具,而是顺着营销与服务价值流寻找卡点——从用户需求到卖点生成,再到服务环节的产品推荐,中间存在断点。智能体把这一段接上了:产品白皮书、行业报告、用户洞察与竞品分析共同支撑卖点提炼与素材生成,关键节点保留人工审核。效果直观:一份“一页纸”从两周缩短至一小时,覆盖全球500多个SKU。
第三个是门店智能分析。一线市场同事早已不满足于查看报表,更希望直接问数。这条路径走了三年:2023年开始尝试NL to SQL,准确率很不理想;今年改用基于本体的方案,以YAML与语义层组织业务知识,再与指标平台打通——本体明确业务对象与指标边界,图谱映射编码,数值由外部平台提供。目前已沉淀1139个指标编码、63个维度、13758个枚举值、111条业务规则,141个指标上线问数,反馈准确率90%,平均20秒回复,已在6个中心、260个网格经理中灰度测试。
三个场景背后是同一条逻辑:按业务任务组织知识,让调用结果回到责任人与运营闭环。这也是海信智能体数量不多而成效显著的原因——数百个智能体在运行,只做与价值流相关的场景,资源必须投向能产生经营价值的地方。
四、从场景到能力:五点经验与三个方向
知识使用之后,最难的是保持持续可用。我们把评价、反馈、整改、验证做成闭环:知识健康度看板考察完整性、准确性、规范性与及时性;用户反馈无用、缺失与错误知识;知识主人和管家整改,专家复核;经检索测试与业务验证后重新发布。知识不是一次性项目,而是需要持续经营的资产。
海信每年举办AI创新实践大赛,上一届沉淀了464项创新实践:个体赋能315项、流程优化141项、业务重构8项。这些创新成果也都会沉淀到知识库中。
总体而言,海信的知识治理与AI应用可以总结为五点经验:第一,战略牵引:承接技术立企与全球化经营,把知识任务纳入集团组织能力建设。第二,业务驱动:按研发、制造、营销、服务的流程明确知识需求与分工,第三,体系运营:集团统一标准,领域组织治理,事业部负责生产、整改与验证。第四,AI赋能:星海承载专业知识,本体图谱连接业务语义,智能体在场景中调用。第五,价值导向:用客服、产品卖点与门店分析等场景检验知识价值,持续优化供给。
面向未来,海信聚焦3个方向。一是方法与标准层面:把制造业务中的知识规划、治理与运营方法总结出来,参与行业交流与标准研究。二是专业能力层面:加强知识主人、管家与专家的培养,提升业务理解、知识运营与AI场景建设能力。三是产业生态共享层面:面向供应链与产业伙伴共享实践,开展经验交流与联合创新。
AI时代的知识和流程专家:蓝凌智能2001年成立于深圳,网页搜索“蓝凌官网”或关注微信公众号“蓝凌智能知识和流程专家”,添加蓝凌顾问,申请免费体验蓝凌数智化办公产品!
(免责声明:此文内容为本网站刊发或转载企业宣传资讯,仅代表作者个人观点,与本网无关。仅供读者参考,并请自行核实相关内容。)