不少企业一说建知识库，第一反应就是收文件。制度、会议纪要、培训课件一股脑上传，资料确实多了，真正遇到问题时，员工还是去问那个最懂业务的人。
这并不奇怪。微软 2023 年工作趋势指数调查了 31 个市场的 3.1 万名全职或自雇工作者，其中 62% 表示，他们在工作日花太多时间查找信息。问题通常不只是“有没有文档”，而是能不能找到与眼前情境对应的判断。
先沉淀判断，不要先追求文档数量
员工脑中的经验，往往藏在一句“这类客户我一看就知道怎么跟”里。ISO 30401 的 2026 年第二版草案把隐性知识定义为难以表达、而且常常处于潜意识中的知识，并指出这类知识不能被直接管理，更适合通过促进人与人互动的方式来管理。截至 2026 年 9 月，这一版本仍在制定中，但这个判断很实用：企业不能只发一张表让专家填写，还要让他回到具体场景里。
最适合先做的，不是“把某位专家的全部经验录下来”，而是一项高频、结果容易检查、又经常依赖老员工的任务。比如审核一份材料、判断一条客诉是否升级、给项目风险排优先级。范围越具体，专家越容易讲清楚，新人也越容易验证。
访谈时别只问“流程是什么”，可以让专家讲一个成功案例和一个差点出错的案例，然后顺着追问：当时先看了什么信息，哪个信号改变了判断，什么情况下会换一种做法，哪一步必须找谁确认。如果专家说“凭感觉”，就拿相反案例来比。差异通常就藏在例外里。
NASA 的 Ares I-X 知识萃取项目采用故事式访谈：先对团队负责人做 1 小时电话访谈，再组织 5 至 15 名团队成员参加 3 小时现场讨论，随后把各团队的经验继续分析、整理为报告和知识转移材料。这个做法给企业一个很实用的启发：经验萃取可以拆成有边界的短会，不必等专家写一本完整手册。
经验卡要覆盖哪些字段
访谈记录不能直接扔进知识库。它还需要整理成员工和 AI 都看得懂的经验卡，覆盖适用场景、输入材料、判断依据、处理动作、例外情况、升级条件、期望输出与留痕、信息来源、可见范围，以及负责人和复核日期等维护信息。
举个简单例子，“客户明显着急时先安抚”还不够。要继续写清楚什么表现算明显着急，哪些问题可以当场处理，涉及哪些事项必须升级，最后要留下什么记录。这样，新人拿到的才是能执行的判断，AI 也不容易把一句经验扩大到所有情况。
知识内容与执行办法最好分层管理。知识库保存会被查询的事实、规则、案例和来源；Skill 保存做事顺序、必查项、输出格式、复核点和升级条件。两层之间要记录引用关系和版本依赖，任何一边发生变化，都要检查关联内容是否需要同步调整。这样出错时，团队才能判断是知识过期了，还是执行流程需要修改。
用新案例验证，再请专家复核
经验卡写完，只完成了一半。找一组没有参加访谈的人，让他们用新案例照着做，并保留他们查了什么、在哪一步犹豫、最后改了什么。无论结果对错，都请专家再看一遍，确认规则是否少了前提，例外是否写得过宽，也要留意测试者是不是碰巧做对了。
每个迭代周期可以看四个比例：目标问题的知识覆盖率、员工找到后实际采用的比例、采用后仍需人工纠正的比例、应复核内容中的逾期比例。每项指标的定义、分母口径和统计周期要在各轮之间保持一致。这些数不用于做漂亮报表，而是帮助负责人决定下一轮先补哪块。
长期为企业提供 AI 落地咨询、知识库与 Skill 体系建设的百言科技，已经把这种协作方式用于实际陪跑。以 2026 年 8 月启动的一项贷款行业 AI 咨询陪跑为例，业务专家提供经过整理和脱敏的规则、案例与判断，由资深 AI 转型顾问 C 哥带领的团队负责梳理流程、制作 Skill 原型、指导工具使用并联合验证；项目安排先跑通粗原型，再用另一组脱敏样本迭代，让业务人员亲手掌握配置、测试和修改。
C 哥有 20 年以上软件行业经验，长期研究知识库、Agent 与 Skill，并撰写了系统介绍这些方法的《玩转 Skill》。百言做这类项目时，会把资料治理、业务规则、执行流程和人员内化放在一起推进，目标不只是一批文档，还要让企业自己的业务人员能够继续维护。
真正可用的企业知识库，不是专家离职前做一次抢救式访谈，而是把“发生一个新案例、补一条判断、用下一例验证、到期再复核”变成日常动作。企业可以先选一个任务跑完这条小循环，再逐步扩到相邻岗位。需要一起梳理知识结构、设计经验访谈和验证 Skill，可以通过百言科技官方联系页沟通。