資料存得多，不代表知識找得到。

真正有價值的知識庫，應該讓團隊在需要時，快速找到正確、最新且可採取行動的答案。

前言

工作時間越久，累積的資料通常越多：

• Email 往來
• 會議紀錄
• 專案文件
• SOP 與操作手冊
• 問題處理紀錄
• 教育訓練資料

但當同事詢問：

這個問題以前怎麼處理？
最新版本放在哪裡？
誰知道這項作業的完整流程？

大家仍可能花大量時間翻找資料，甚至重新做一次已經做過的工作。

問題通常不是沒有資料，而是資料沒有被整理成可搜尋、可理解、可維護的知識。

AI 可以協助我們將分散資訊整理成結構化知識，建立個人第二大腦與團隊共用知識庫。

為什麼知識庫很重要

如果組織知識只存在個人信箱、聊天紀錄或資深同仁的記憶裡，通常會產生以下風險：

• 相同問題重複發生
• 新人學習時間過長
• 同一問題出現不同答案
• 人員異動造成知識流失
• 文件很多，卻找不到最新版本

好的知識庫不只是集中存放文件，而是要回答五個問題：

1. 這份知識解決什麼問題？
2. 誰可以使用？
3. 內容是否仍然有效？
4. 發生異常時該怎麼做？
5. 誰負責維護？

因此：

知識庫的價值不在於文件數量，
而在於能否快速找到可信任的答案。

AI 核心觀念

不要只要求 AI：

請幫我整理文件。

應改成：

請將以下資料整理成知識庫文章。

請保留原始事實，區分已確認資訊與待確認資訊，
並輸出適用情境、操作步驟、常見問題、注意事項、文件負責人與更新日期。

AI 可以協助整理與重寫，但不能自動保證內容正確。

知識庫正式發布前，仍需要由熟悉業務或技術內容的人員審核。

建立知識庫前，先設計分類架構

如果沒有一致的分類方式，知識庫很快就會再次變得混亂。

可以先建立以下基本分類：

• 新人入門
• 標準作業流程
• 常見問題
• 問題排除
• 專案經驗
• 政策與規範
• 表單與範本
• 教育訓練

每篇知識文章則可固定包含：

• 標題
• 問題或目的
• 適用對象
• 前置條件
• 處理步驟
• 驗證方式
• 注意事項
• 關鍵字
• 文件負責人
• 最後更新日期

案例一：將 Email 往來整理成知識文章

情境

某個問題經過多次郵件討論後已經解決，但完整處理方式散落在不同信件中。

Prompt：

請根據以下 Email 往來建立知識庫文章。

輸出：
【問題摘要】
【適用情境】
【已確認原因】
【處理步驟】
【驗證方式】
【注意事項】
【待確認資訊】
【建議關鍵字】

請只使用郵件中已提供的資訊。
若內容不足，請標示「待確認」，不要自行推測。

價值

將一次性的郵件討論轉換成可重複使用的組織知識，避免下一次再從頭調查。

案例二：將會議紀錄整理成 FAQ

情境

會議中討論了許多常見問題與回答，但資訊埋在長篇會議紀錄裡。

Prompt：

請將以下會議紀錄整理成 FAQ。

每一題包含：
問題
簡短答案
詳細說明
適用對象
相關限制
待確認事項

請合併重複問題，但不要刪除重要例外條件。

價值

讓讀者可直接依問題尋找答案，不必重新閱讀整份會議紀錄。

案例三：建立新人入門知識包

情境

新人報到後，不知道應該先閱讀哪些文件，也不清楚常用流程與聯絡窗口。

Prompt：

請根據以下資料建立新人入門知識包。

輸出：
【第一天應完成事項】
【第一週應了解內容】
【常用流程】
【常見問題】
【重要聯絡窗口】
【必要文件與範本】
【完成檢查清單】

請依學習順序排列，不要假設新人已具備內部背景知識。

價值

降低新人依賴口頭教學，讓學習路徑更一致，也減少資深同仁重複回答相同問題。

案例四：建立問題排除知識文件

情境

團隊經常處理重複問題，但每次處理方法與紀錄格式不同。

Prompt：

請將以下處理紀錄整理成問題排除文件。

輸出：
【問題症狀】
【影響範圍】
【前置檢查】
【可能原因】
【處理步驟】
【驗證方式】
【升級條件】
【復原方式】
【禁止操作事項】

請將已確認原因與可能原因分開標示。

價值

建立一致的處理順序，降低誤判與操作風險，並幫助新進人員快速找到處理方向。

案例五：建立專案經驗與 Lessons Learned

情境

專案結束後，團隊直接投入下一個專案，過程中的成功方法與失敗經驗沒有被保留下來。

Prompt：

請根據以下專案資料建立 Lessons Learned 文件。

輸出：
【專案目標】
【成功做法】
【主要問題】
【原因分析】
【可避免事項】
【可重複使用的範本】
【對下一個專案的建議】
【待驗證假設】

請區分事實、觀察、推論與建議。

價值

讓專案經驗成為下一次規劃的基礎，而不是只留在個別成員的記憶中。

常見錯誤

❌ 把所有文件丟進同一個資料夾

✅ 建立分類、標籤與命名規則

❌ 只追求文件數量

✅ 優先整理高頻、高風險與高價值知識

❌ 讓 AI 自行補齊缺少內容

✅ 資料不足時標示待確認並交由專人審核

❌ 沒有文件負責人

✅ 每篇知識指定 Owner 與覆核週期

❌ 建立後不再更新

✅ 設定最後更新日期、版本與到期檢查機制

Best Practice

建立知識庫時，建議採用以下原則：

1. 先從高價值內容開始

優先整理：

• 最常被詢問的問題
• 容易出錯的流程
• 高風險操作
• 新人必讀內容
• 經常重複處理的事件

2. 一篇文章解決一個主要問題

文章範圍過大，會降低搜尋與閱讀效率。

3. 保留來源與可追溯性

重要結論應保留原始文件、紀錄或負責人，避免知識失去依據。

4. 建立生命週期管理

建議每篇文章至少記錄：

文件負責人
版本
最後更新日期
下次覆核日期
內容狀態

5. 設計權限與資料邊界

不是所有知識都適合對所有人開放。建立知識庫前，應先確認內容是否包含機密資料、個人資料、帳號資訊或受限制文件。

今日實作

選擇一項經常被詢問或重複處理的工作。

請 AI：

1. 將原始資料整理成知識文章
2. 建立 FAQ
3. 加入關鍵字與分類
4. 標示待確認資訊
5. 加入文件負責人與覆核日期欄位

完成後，再請實際負責人確認內容是否正確。

今日練習題

練習一

將一段 Email 往來轉換成知識庫文章。

練習二

將一份會議紀錄轉換成 FAQ。

練習三

將一次問題處理紀錄轉換成正式的問題排除文件。

萬用知識庫文章模板

請扮演知識管理顧問。

將以下資料整理成可供團隊使用的知識庫文章。

輸出：
【文章標題】
【問題或目的】
【適用對象】
【適用情境】
【前置條件】
【處理步驟】
【驗證方式】
【注意事項】
【常見問題】
【待確認資訊】
【建議關鍵字】
【文件負責人】
【最後更新日期】
【下次覆核日期】

請遵守以下原則：
1. 只使用來源中已提供的資訊。
2. 區分事實、推論與建議。
3. 資料不足時標示「待確認」，不要自行編造。
4. 使用清楚、簡潔、可搜尋的標題與段落。

今日重點

✅ AI 可以將分散資訊整理成結構化知識

✅ AI 可以協助建立 FAQ、新人入門文件與問題排除指南

✅ 知識庫的價值在於快速找到可信任的答案

✅ 每篇知識都需要負責人、版本與覆核日期

✅ AI 產出的內容仍需要人工審核

✅ 應優先整理高頻、高風險與高價值知識

✅ 權限管理與資料邊界是知識庫治理的重要環節

明日預告

Day 26｜使用 AI 協助流程分析與持續改善

當 SOP 與知識逐漸完整後，下一步不只是照流程執行，而是找出：

• 哪些步驟重複
• 哪些等待時間過長
• 哪些工作可以自動化
• 哪些控制點需要加強

下一篇將介紹如何利用 AI 找出流程瓶頸，並設計可落地的改善方案。