本文来说说在企业中让常识流动起来的大体思路。
数字员工
在以互联网或软件及服务为谋生的企业中，各个层级、分工的人和解决各类事务的应用软件是办公与业务运作的两大因素；企业中的绝大部分人是员工这很天经地义，但为何不能把工作中所用到的各种应用软件看成整体，也当作一名员工来对待呢？
将这名非凡的「员工」称为「数字员工」，与其余员工不同的是，它是纯虚构的、数字的，没有物理层面的状态，但与其余员工一样能够解决工作上的事务。
兴许一开始啥也不会，但在像训练动物或教诲小孩般对其加以训练，某些方面能够做得比人更杰出，尤其是机械重复性工作！再加上该「员工」没有七情六欲，不知疲倦，比人更加稳固牢靠且经济实惠。
如同人类员工会被依照能力和职责等进行职级划分，数字员工同样也存在等级——
解决各类事务的能力七零八落，像精神分裂般没有整体感，像智障一样没有一点智能；不具备任何常识，即使有，相互间也是割裂的——简直就是像锤子那样的工具。
局部能力之间互相买通，一些常识能够小范畴内流动起来，造成更为无效的零碎；缩小人类员工间的沟通，进步机械重复性工作的效率——算是繁难流水线了。
绝大部分企业中的数字员工都是这两个级别的，绝对（非常）低能，须要人类员工手把手操控；人类员工与数字员工之间是从属关系，或者说是主奴关系。若以「人」的规范要求，这两类数字员工就是残疾。
而更高级些的数字员工，与人类员工之间该当是伙伴关系，是强有力的助手，让人类员工能够根本解脱机械重复性工作，转而将工作重心从事创意性内容——从膂力密集型转向脑力密集型。
智能助手
能够说，智能助手是最高级别的数字员工了，是企业外部的「万金油」，承当这一角色的非智能工作台莫属，其外围为——
常识治理
在当下这个时代，无论是集体还是企业，常识都是最为重要的资产；但如何无效地积淀常识，并让它们像活水一样流动起来，这是很多集体与企业都面临的一个难题。
对于企业而言，常识更是推动翻新所须要的原料，无奈翻新的企业只能坐吃山空，进而被时代所淘汰；企业常会以人员的频繁换血来谋生机，但这根本是有效的，自上而下地推广常识治理才是邪道。
无效的常识治理必须先以《反思软件开发：常识流动（中）》中论述的那几个基本原理为根底，打造出企业内专有的、集中式地中心化治理各类常识的宏大知识库。
企业员工脑中与企业无关的常识，不仅是员工集体的，也能够转化为企业的，因此企业常识来源于一个个员工的集体常识；所以，如何让员工迫不得已并难受地将他们脑中的隐性常识显性化为企业常识，是每个企业高管该用心思考的。
企业常识虽来源于集体常识，但并非集体常识间接就成为了企业常识，而是通过肯定范畴内多人探讨后变换得来，这也算是「共识」；是共识就该当尽可能地固化进工具或流程中，加重并脱离对人的意志等的依赖。
没做好常识治理的话，企业的成绩会高度依赖于员工集体，存在于员工脑中与企业相干的隐性常识将随着员工的到职而失落；若这部分常识数量较多或（潜在）重要性较高，那企业将会蒙受较大损失。
大多企业都有常识治理，但很多是将常识散落在多个利用上，如 Confluence、禅道等；这些利用间自身就是较为割裂的，常识间的关联性弱到简直没有。
如果常识治理不是基于「惟一可信起源」（下文称「SSOT」）的中心化形式，如同人心涣散，跟没有也没啥区别；听从「SSOT」进行中心化治理的知识库就是智能助手的「大脑」，使其具备「记忆」能力，可将常识作为后续行为的原料。
智能助手的其余能力理论是输送常识的管道或变换其状态的转换器，人类员工的最终产物（工作成绩）皆由数字化的常识通过各局部能力所连成的管线推导而来。
产研一体化
这里说的「产研一体化」就是将企业的数字产品相干的常识主动推导生成为利用成品的管线，其核心理念仍然如《聊聊中后盾产研一体化：引子》中所说。
在我所构想的「产研一体化」中，「（业务）利用」是「需要 + UI & UX + 低代码框架」，疏忽一些细节后能够形式化表白为 App = Render(Extract( 需要, UI & UX))。
其中，「需要」是「某一版本的常识集」，Render 是低代码框架的一部分，而 Extract 则是知识库与在线设计器。
在传统的产研合作模式中，需要治理，或者说业务知识治理很容易凌乱——常识以不同的模式分布在不同平台、IM 中，并且常识之间没有关联；常常口头产生或更改需要，没有落实为数据存留下来，导致常识失落。
在产品经理出了 PRD、原型之后，UI & UX 设计师出设计图，后端建表、写业务代码，前端再依据产品经理、UI & UX 设计师及后端的产物去编写页面代码——他们的工作是绝对割裂的，各环节产物之间没有理论的关联关系，改个需要要别离更改。
但在我所构想的产研合作模式中，将「需要」形象为「常识」，所有需要变动都要先更新常识数据，而后主动将变更反馈到「利用」这个最终产物上——这便是以「常识」作为「SSOT」的「产研一体化」。
产品经理整顿各类需要，形象并积淀 / 更新与本身业务相干的业务概念，明确它们之间的关系和作用规定，这些会留存在知识库中，可能以文章、流程图、常识图谱等模式查看；筛选几个固定版本的常识创立一个汇合，这就是一个「需要」，能够认为是「PRD」。
产品经理在做这些事件时实际上就是在本体建模或领域建模，其产物能够转化为供低代码框架生产的元数据，用于后端解决业务数据和前端对数据进行校验等解决。
产品经理再在在线设计器上通过可视化的形式从畛域模型中选取字段，从已有的交互模式库中选取适合的 UI 组件，通过一系列利落拽操作后就产生了「原型」，与传统模式不同的是，这个「原型」公布后就是页面的最终成果。
如果 UI & UX 设计师对「原型」的某局部视觉效果不太称心，也能够在在线设计器上进行微调。
以下为大略的示意图（一年前画的，但整体思维差不多）：
总结下新的模式与传统模式的不同点：
- 「常识」驱动，以「常识」作为「SSOT」，强制使常识放弃最新，不会呈现常识扩散与失落的情况；
- 「代码」与「需要」间建设了关联关系，依据由「常识」衍生的元数据自动化生成 / 更新业务利用（的性能）；
- 「代码」与「设计」间建设了关联关系，UI & UX 设计师在平台上微调产生的配置数据会生成前端页面的款式代码。
「产研一体化」这条主动推导管线的关键点是要形象出数量起码、可组合性最高、可解释性最强的几个原子化概念，就像物理中的「粒子」、「力」等一样，它们之间的互相组合与作用可演化出万物。
人工智能
作为区别于其余更低级别数字员工的要害，智能助手必须搭载 AI 以让它领有「智力」，从而具备自主学习的能力，可能理解企业并了解人类员工的需要，进而在被动承受指令执行工作之外还能被动进行揭示与倡议等。
听从「SSOT」进行中心化治理的知识库为 AI 提供了海量优质的学习材料，可在此基础上训练出最懂企业的专属模型，如此一来——
人类员工在新增或编辑常识时，会主动拉取关联度很高的其余常识进行提醒；人类员工输出的常识及与智能助手之间的交互同时也能使它变得更加「聪慧」，更懂那个人类员工的习惯。
团队中某个人有事要销假，领导在审批时智能助手会依据工作的排期与状态以及备选人员状况等信息进行倡议，看是否予以通过或想些代替计划。
须要接手别人工作的人类员工，智能助手会收集整理好一份较为全面且具体的交接文档供其浏览了解，并依据人类员工的能力等提供可能疾速上手的倡议。
当监测到企业业务所关联的政策、行业等的重要动静时，智能助手会告诉相干人员，并揭示有哪些常识须要进行更新以紧跟时事，及时应答变动。
除了以上列举的场景，还能做到很多令人感到「贴心」的事件！
总结
一家企业内不仅有人类员工，还有可将工作中各种数字化伎俩整体对待的数字员工；其中，最高级别的是智能助手，智能工作台承当了这一角色。
智能助手可能行之有效地帮忙人类员工解决机械重复性工作，使人们能够专一于创意性内容，真正地从膂力密集型变为脑力密集型；它就像是个「贴心」的小秘书，因此不能把它看作奴仆，而是搭档。
因为智能助手的个性，一个需要的呈现，一个想法的诞生，它们是否靠谱在输出进去之后的那一刻就能失去初步验证；通过大家独特探讨与批改，敲定后的论断就作为常识在智能助手中留证，并间接看到数字产品的最终成品。
ChatGPT 的横空出世，带来了一些影响——
既标记着 AI 对人类自然语言的理解能力曾经达到可落地推广应用的水平，同时表明自然语言用户界面（LUI）在某些场景下能够取代图形用户界面（GUI）——通过输出文字或谈话通知智能助手把页面背景色从红色变成红色。
倒逼着那些本人逻辑不清晰，表达能力差，不会形容问题的人乖乖抵赖是本人不行，而无奈甩锅给他人；让某些老板意识到智能助手及随同的组织架构与合作模式的改革是企业在将来得以生存的要害，晚一步就会被时代所淘汰！
此外，企业常识来源于员工的集体常识，那么员工集体的智能助手与企业的智能助手之间无缝对接的话，会产生什么效应？
本文其余浏览地址：集体网站|微信公众号