周一早上九点，销售总监在群里连发三条消息：谁有去年那版报价模板？新来的两个销售不知道怎么填折扣审批单。行政翻了三分钟网盘，发出来一个2022年的旧版，里面还留着已经停用的产品线。这样的场景，在大多数中小企业每周都在上演。
问题不在于没有文档，而在于知识被存起来了，却没有被用起来。很多老板以为买一个网盘、上一个知识库，知识管理就完成了。但员工遇到问题的第一反应，依然是问身边最熟的那个人。
误区一：把知识管理做成归档
常见的做法是：项目结束，资料打包上传；制度更新，发个通知放在共享盘。结果是文件越来越多，找到正确版本的难度越来越大。知识库变成了「电子档案室」，只进不出，没人愿意进去翻。
真正的知识资产，应该具备三个特征：能被快速检索、能被信任引用、能随业务更新。缺了任何一条，沉淀就只是成本，不是资产。
误区二：指望员工主动写经验
另一个常见误区，是把沉淀经验的希望寄托在「大家多写总结」上。一线业务人员最缺的就是时间，写出来的总结往往流于形式，真正关键的判断依据和踩坑细节反而被省略。
更可行的思路是：不额外增加书写负担，而是在业务发生的当下，把问答过程自然留下来。员工问过的问题、得到的回答、被验证有效的结论，本身就是最好的知识原料。
趋势判断：知识复用正在从「搜」转向「问」
过去十年，企业知识管理的核心动作是搜索——关键词匹配、目录导航。但搜索的前提是，提问的人知道该搜什么词。新人往往连问题该怎么描述都不清楚。
大模型带来的变化，不是让文档变多，而是让「用自然语言提问」成为可行的入口。员工不需要知道文件存在哪个文件夹，只需要把业务问题说出来。这对中小企业尤其友好，因为它们的知识总量不大，但分布极散。
可执行方法一：先切一个高频场景，别做全量
不少企业一上来就想把十年资料全部灌进系统，结果整理成本高、效果难验证。更务实的做法是选一个高频、高价值、答案相对稳定的场景先跑通。
比如售前报价、售后常见故障处理、新员工入职答疑。这些场景问题重复率高，答案边界清晰，最适合做第一块试验田。跑通之后，再逐步扩展品类。正易龙的行业AI在落地时也遵循这个逻辑：先围绕具体业务场景构建知识问答能力，而不是追求大而全的知识中台。
可执行方法二：让问答记录反哺知识库
系统上线后，真正有价值的动作是定期回看：员工都在问什么？哪些问题回答得不好？哪些答案被反复引用？这些数据比任何调研都真实。
把高频问题和优质回答整理成标准问答对，反过来补充到知识库中。知识资产就这样在「使用—反馈—修正」的循环里越来越厚，而不是靠一次性的运动式整理。
行业场景：不同业务，切法不同
制造业的售后部门，常见痛点是老师傅的经验带不走。把故障现象、排查步骤、处理结果结构化，新工程师在现场就能边问边修。
贸易型企业的销售团队，报价和合同条款更新频繁。用问答方式把最新政策固化下来，能显著减少报错价、发错版本的情况。