第三代知識管理
第三代知識管理
1999.12.01 |

策略產業(年營業額60億美元)中的管理顧問公司與財經媒體、大學商管學院經常一齊共謀,鑄造新辭以鼓動流行,並藉以創新議題,刺激新業績。
「知識管理」這個詞彙,就是其中一例。
事實上,自有企業以來,知識管理就非新鮮事。
數百年來工藝大師不辭辛苦將技藝(craftsmanship)交給學徒;家族企業業主將產業智慧(industry recipe)傳給子孫依缽傳人;工人在工作現場互相交換技能與想法-這其間都可以追索到「知識管理」實務的軌跡。
如果排除「前現代」時期,第一代「知識管理」典範出現在泰勒(Federick Taylor)的科學管理時代:企業蓄積產業智慧的庫藏地是在策略層峰及中層幕僚(是為「知識工作者」),生產作業核心的人則不與聞問(是為「勞力工作者」),兩種階層的區分是極為嚴格的。Taylor認為產業智慧的開發、蓄積與應用是前一階層的使命,作業核心只負責執行,完全不鼓勵他們隨便更動前者所定下的知識與規範。
第一代「知識管理」典範的覆亡始於六十年代,而於八十年代則形勢明朗化。以日本豐田汽車為首的「精實生產」(lean production)知識管理新典範徹底擊垮了北美科學管理「大量生產」(mass production)舊典範。

**全員皆「將軍」的豐田式生產

**
精實生產型的企業全員均為「知識工作者」,再無兩種勞動階層的劃分。豐田內部不只工程師,連生產線工人都投身於6,800個品管圈活動中,這群高中/高工教育程度的作業核心被訓練成能夠本能地對任何實務現場的工作問題,連問五層為什麼,以魚骨圖/因果鏈綴連現場開發工作知識(working knowledge),並應用這些工作知識,在九十年代平均每年提出2,076,077個改善提案。
換言之,這群高中/高工程度的產業部隊成員平均每人每年向豐田公司提出35.6個工作知識的結晶(每人每月3個),而公司也接受並獎勵了98%的提案。這種全員皆知識工作者,除了將帥校尉,連二等兵也獻身工作知識開發部隊,是既work hard也work smart的動人景象。
豐田仰賴這樣的全員知識開發部隊,提昇品質、降低成本、縮短週期時間,強固了公司更卓越的競爭優勢。
豐田的口號是「卓越思考‧卓越產品」。整個豐田全面上下均形成一個思考型組織、學習型社區(thinking institute & learning community)。工作改善與產品創新的知識在這個社區內像「青春之泉」(spring of knowledge)般永續不斷地噴湧而出,豐田員工的理性之光照映在這知識之泉上,幻化成智慧的彩虹,閃耀在全球汽車產業疆場的上空......
第二代「知識管理」典範徹底擊垮第一代(這場典範之戰的第一役-北美的民生電子工業被日本族誅滅種了﹔第二役DRAM之戰,Intel揮淚退出戰局﹔第三役汽車之戰打到九十年代初,很多人都預言底特律的覆亡指日可待),靠的不只是單一企業內部的全員知識開發,而是生產合作網路的全員知識開發。

**「價值星系」擊敗了「價值鏈」

**
根據哈佛大學企管所Kim Clark所長與東京大學Fujimoto教授的研究,開發新車時所需的新零件,供應商與中央車廠共同協力開發的比重,在北美是15%,在日本是52%。換言之,第二代「知識管理」的典範,所謂學習型社區,知識流通、連結(knowledge flow & linkage)的疆界,是以整個合作生產網路為單位,而不只是侷限於單一企業內部。
第二代「知識管理」擊敗第一代,在於前者的「知識引擎」(發動機)是分散的、鑲嵌組織四處的(distributed & embedded)而非集中的(centralized)。GM所以戰敗,豐田之所以勝利,是因為表面上兩造各為十萬大軍對十萬大軍,其實是GM一萬大軍(中上層知識工作者)對豐田十萬大軍(全員知識工作者),甚至更是GM一萬大軍對豐田二十萬大軍(十萬內部加十萬協力體系)。
兩種典範大戰的結果,在整個八十年代與九十年代初很多人都在說「金陵(北美)紫氣黯然收」,頗有「王氣東來」之嘆。但是風水輪流轉,九十年代中期開始,北美孕育出第三代「知識管理」典範,展現出帝國大反擊的氣勢,竟又使太平洋兩岸風雲變色,戰局大逆轉。
第三代「知識管理」典範(這次是北美領風騷)是創新、價值(與顧客)的共同開發(co-development)、是「價值星系」(value constellation)顛覆了昔日哈佛大學教授波特(Michael Porter)的「價值鏈」(value chain),是互動的「知識流量」(knowledge flow)補強了靜態的「知識庫藏」(knowledge stock),也是使市場從一個價值交換的「場所」(market as value Exchange Place)蛻變成星系各成員對話的「論壇」(market as Dialogue Forum)。
微軟開發Window 2000,至少動員公司外400,000名客戶為其作β-site test(測試版測試),免費為微軟除錯,提供產品改善建議。只要每位工資估1,000美元,微軟就節省了四億美金產品創新投資資金。微軟以「吸星大法」之姿,吸收諸位「買爺」心甘情願貢獻的知識內力後,再集大家內力大成之產品賣給各位「買爺」,大家還快快樂樂一邊排隊一手交現金,一手領回自己貢獻創新知識有份的產品。

**新教科書中的新經濟

**
市場的定義改變了,經濟學教科書要重寫了。
顧客不再單純只是顧客,他也將如同第二代典範中的供應商一樣參與產品創新流程,被整編入知識創造的價值星系中。
市場不再只是買(的採購部門)賣(的業務部門)雙方價值交換的場所,市場更是合作網路各成員(包括顧客、供應商、通路、學研機構)多元交流,知識流通與加值的對話論壇。
這就是第三代「知識管理」典範,而以第三代「知識管理」典範為經營策略主軸的經濟體就稱作「新經濟」。
運用第三代「知識管理」的新經濟是九十年代中期以後北美生產力大躍進,競爭力大勃興背後的秘密,當然也是日本產業一時之間難望項背的困境所在。
第三代「知識管理」也好,「新經濟」也好,均不能與所謂「高科技」畫等號。
「呆伯特」的創造者史考特‧亞當斯(加州大學柏克萊MBA)以十七年上班族生涯體驗創造呆伯特後現代職場荒誕場景與異言堂,在全球四十國、一千五百家報紙登載,每天有一億五千萬讀者爭相閱讀。史考特開設網址SCOTTADAMS@AOL.COM,每天收到全球讀者的評論回饋與心情故事。史考特同樣以吸星大法匯納百川,醞釀加值後再出書賣給原始IDEA貢獻者。
什麼叫做「作者」?什麼叫做「讀者」?
何謂「廠商」?何謂「顧客」?
一切疆界模糊化了。一切知識是共同開發的(co-developed)。一切價值也是共享的(shared)。
「新經濟」萬歲!
第三代「知識管理」萬歲!

往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
2026 大重啟
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓