企業真正缺少的，通常不是更多文件，而是一套讓人與 AI 都能快速辨識來源、狀態與用途的知識規格。
本文用 BDI 認知模型，帶你把散落筆記轉成可追溯、可維護、可逐步擴充的企業知識系統。
▋ Belief：文件很多，不等於組織擁有知識
許多團隊已經把會議紀錄放進雲端硬碟、把研究筆記放進筆記軟體、把技術規格放進程式碼倉庫，也開始讓 AI 協助搜尋與摘要。表面上資料比以前完整，真正執行任務時，員工與 AI 卻仍要反覆確認：哪一份才是最新版、內容從哪裡來、誰驗證過，以及現在是否還能採用。
問題不在儲存空間，而在知識缺乏共同語言。當不同部門各用一套命名、連結與分類方式，AI 每次進入新資料夾都得重新理解規則。這些看不見的適配工作會消耗情境視窗、人工檢查時間與運算費用，也提高引用過期資料的風險。
沒有來源、狀態與時效的文件，只是看起來像知識的文字。
素材所介紹的 Open Knowledge Format，也就是 OKF，提供一種輕量解法：以 Markdown 作為內容載體，以 YAML 前置資料描述知識類型，再用資料夾路徑、索引與變更紀錄形成可移植的 Knowledge Bundle。它不是要你更換所有工具，而是先讓現有內容遵守最低限度的共同規格。
為什麼漸進式披露可以降低 AI 成本？
傳統做法常把整批文件一次塞給 AI，期待模型自己找到重點。資料越多，等待時間、情境占用與誤讀機率也越高。漸進式披露則先讓 AI 讀取檔名、路徑與前置資料，確認內容與任務相關後，才開啟完整正文。
這就像到圖書館查資料。有效率的人會先看目錄、書名與摘要，不會把整層書架搬到桌上。對企業而言，少讀一份無關文件不只是省下一次運算，也是在降低錯誤決策進入流程的機率。
▋ Desire：你要的不是完美知識庫，而是可信任的決策入口
企業主真正想要的，不是再買一套漂亮的筆記工具，而是讓新人能快速上手、資深員工的經驗不會隨離職消失、AI 回答時能指出依據，並且在規章過期前主動提醒。這些需求可以濃縮成三個字：找得到、信得過、用得久。
OKF 的價值正在於把這三件事拆成明確機制。Provenance 以來源欄位與腳註建立證據鏈；generated 與 verified 區分 AI 產出和人工審核；stale_after 標示重新檢查日期；draft、stable、deprecated 則說明文件目前處於哪一個生命週期。
對高風險工作，還需要保留計算環境、參數、執行者與驗證者。當財務指標、CRM 狀態或資料庫查詢出錯時，團隊才能回頭重現過程，而不是只看到一個無法解釋的答案。可追溯不是行政負擔，而是把錯誤變得可診斷。
從投資報酬率看：先治理高價值知識
知識治理最常見的成本陷阱，是一開始就想整理全部歷史資料。大量搬移、補標籤與改格式會占用團隊時間，卻不一定改善眼前營運。更務實的做法，是先處理會影響收入、風險或交付品質的內容，例如報價規則、服務流程、客戶交接、法遵要求與核心技術決策。
你可以用一個簡單判準排序：這份知識若找不到、看錯版或無法驗證，會造成多少重工與風險？先治理代價最高的前幾項，觀察搜尋時間、重複提問與錯誤率是否下降，再決定是否擴大。這比一次購買昂貴平台更能控制導入成本。
▋ Intention：用五個步驟建立最小可行知識包
- 1，選定單一場景：先挑一個經常被問、容易出錯，而且有明確負責人的流程，例如客戶提案或新進人員上線。不要從全公司知識搬家開始。
- 2，建立導航入口：用 index.md 說明這個知識包的目的、適用對象與主要條目。連結採標準 Markdown 格式，避免被單一軟體的專屬語法綁住。
- 3，設定最低後設資料：每個條目至少標示 type，並依風險加入 sources、generated、verified、stale_after 與 status。欄位越少越容易執行，但不能少到無法判斷可信度。
- 4，保留變更軌跡：用 log.md 記錄新增、更新與廢棄內容的原因。紀錄的重點不是寫長篇日誌，而是讓未來的人知道什麼改了、為何改，以及由誰確認。
- 5，設定人工閘門：一般摘要可由 AI 草擬，高風險的財務、個資、CRM 與公開發布內容則必須由指定角色覆核。自動化速度不能取代責任歸屬。
導入前先問的三個問題
- AI 能否先看索引與後設資料，再決定是否讀取全文？
- 每個重要結論能否追到來源、版本與驗證者？
- 文件過期、被取代或不再適用時，系統是否會明確標示？
如果三個答案都是「不能」，你現在擁有的是資料集合，而不是企業大腦。今天不必重整所有檔案，只要選一個高價值流程，建立第一個索引、三個知識條目與一份變更紀錄，就能開始驗證成效。
真正的 AI 轉型，不是讓模型讀更多，而是讓模型只讀當下需要、來源清楚且仍然有效的內容。當知識有路標，AI 才能從聊天工具升級為可治理的工作系統。
▋ 把散落經驗建成可持續運作的企業能力
如果你的公司已經累積大量文件，卻仍反覆找資料、問同一批問題，或擔心 AI 引用錯誤版本，下一步不是急著換平台，而是先做知識結構與治理診斷。
