Martech觀點
提升決策品質！你需要企業虛擬數據長 用AI打造知識管理戰情中心
隨著資訊爆炸性增長，龐大的數據資料令人應接不暇，而這些資訊多數分散在孤立的資料庫中，不僅削弱了整體價值，也導致重複和矛盾的情況。透過完善的知識管理，即使面對不斷增長的數據量，也能更高效且具成本效益地處理內容，協助做出可靠的決策，並增強公司的創新能力。什麼是知識管理？知識管理（英語：knowledge management，縮寫為KM）的目的是系統性地記錄、組織，並使分散在公司內部的知識集結提供員工資料查找、新人自助學習及客戶智能問答，以提升企業軟實力，進而改善決策過程。
然而，許多企業在有效利用現有知識正面臨重大挑戰，原因之一是企業數據和資訊分散在不同的系統、工具和格式中，整合起來就是件大工程，導致搜尋查詢往往提供不相關的結果，不僅工作效率低，也會讓員工感到挫折。透過使用AI人工智慧技術，企業將可以徹底改變公司數據的搜尋方式。接下來，我們將介紹基於AI的解決方案如何改變知識管理，並探討它們為現代企業帶來的好處。
- AI聊天機器人：利用自然語言理解（Natural Language Understanding，NLU）或自然語言處理（Natural Language Processing，NLP）與機器學習（Machine Learning，ML） 技術進行類似真人互動的對話，以理解用戶的查詢。AI 聊天機器人通常用來做為客服中心解決方案、即時協助真人服務專員，以及生成式聊天機器人和語音功能等。
- 進階分析：透過AI使用統計模型和機器學習技術來處理大量數據。通過檢查變量之間的關係。AI能夠識別人類可能忽略的模式和趨勢。在知識管理中，進階分析被廣泛使用，不僅只是數字運算，而是結構化的數據解讀，提供可行的洞察。
- 內容創建：AI可以挖掘資料集（Dataset），生成摘要和報告，並確保知識庫不斷得到豐富和更新。策略、幕僚團隊可以透過這項功能自動生成50多頁文件或一組文件的摘要來報告；銷售團隊也可以使用同樣的功能來生成關鍵競爭對手的battlecard或現有客戶概況。
- 內容標籤和分類：AI可以自動為新的資料項加上標籤並進行分類，確保一致性，減少重工及人力數據分類的需求。AI通過監督式學習（Supervised Learning）在預先標記的數據上進行訓練。目前這項功能已被知識管理平台廣泛採用，因為它大大減少了策劃和分類內容所需的工作量。
- 主動知識發掘與智慧搜尋：AI能主動尋找新的相關知識，確保知識庫始終保持最新狀態。AI運用分群（Cluster Analysis）和關聯規則（Association Rule）等非監督式學習（Unsupervised Learning）技術，來發現非結構化數據（Unstructured Data）的模式。這將不僅是數據檢索，而是展示全新的洞察力。同時，AI將語義理解與傳統搜索演算法結合，能夠解讀用戶查詢的上下文，即使是使用模糊或過於常見的字詞進行搜尋，也能爬搜到精確且與上下文相關的資訊。
- 知識傳遞、共享與推薦：AI分析個別用戶的行為，主動推薦相關內容或課程，增強個性化體驗。IT知識管理部門可以利用此功能，根據員工過去的互動紀錄自動推薦新發布的IT培訓模組，提供需要複習的員工；企業學習平台也能根據員工過去完成的課程及具有相似職位的同事選擇的課程來進行推薦。
除了上述功能外，隨著AI人工智慧不停的向前發展，知識管理的能力將不斷擴展，將能協助企業能夠高效運用其知識庫，做出數據驅動的決策。大數據股份有限公司運用全新的生成式AI技術和大型語言模型，不僅將擁有每月處理上千億中文數據，超過40億筆大數據輿情資料庫的《KEYPO大數據關鍵引擎》功能全新升級，更推出一站式數據科技平台《KEYPO Suite》，更結合《Fanti人群輪廓分析》及《KEYDERS網路意見領袖搜尋引擎》等服務，運用知識管理技術為企業打造虛擬數據長，強化ESG風險管控、市場趨勢分析、KOL推薦，滿足品牌對「找事」、「找人」與「找網紅」的需求。
想了解更多一站式數據科技平台《KEYPO Suite》強大功能了嗎？請立即與我們聯絡以取得更多資訊。
Image by freepik
如何讓生成式AI更聰明？揭開思維鏈、思維樹及思維圖的神秘面紗
ChatGPT問世至今已兩年，「生成式AI」成為產業顯學。根據彭博行業研究最新報告表示，生成式AI軟體的市場規模預計會從去年的50億美元，到2032年激增至3,180億美元，平均每年成長率高達59%，總成長幅度超過6,260%。生成式AI的技術正從「快思考」向「慢思考」轉型，不再只是生成內容，而是逐步提升推理能力，進一步進行解釋、規劃和執行任務。為了提升大型語言模型（Large Language Model，LLM）的生成品質，「提示工程（Prompt Engineering）」成為關鍵技術。本文將簡單介紹三種提示技術—思維鏈、思維樹和思維圖，說明它們如何幫助生成式AI變得更聰明。
行銷人的下一個戰場已經開打！4大攻略破解新興社群Threads
「你今天滑脆了嗎？」已成為年輕族群間的熱門問候語。2023年由 Meta 所推出的新興社群平台 Threads，在台灣迅速崛起，並成為用戶成長最快的社群媒體。透過《KEYPO大數據關鍵引擎》輿情分析系統調查，在「Threads」近一年的網路聲量趨勢圖中可以明顯看見在7月剛推出時出現過一波高峰，之後隨著熱度慢慢減退，8月中後開始網路討論度便大幅下降。在2024年初「Threads」因為總統大選迎來另一波新的熱潮，並且目前相關網路聲量仍持續上升中。截至目前，全球用戶已突破 1.9 億，其中台灣用戶約 350 萬，主要為16到24歲的 Z 世代，超過63%的貼文只用文字，顯示簡單直接的溝通方式受歡迎。台灣市場也展現出高度活躍度，在全球使用排行中位居第二，佔全球 Threads 流量的 10%，僅次於美國的 25%。
啟動生成式AI關鍵，建構如文字接龍般大型語言模型環境
近年來，大型語言模型(英語：Large Language Model，LLM)的技術突飛猛進，使得各種以「AI」為主軸的服務應運而生，開啟人工智慧新篇章，也反應出大型語言模型的可靠性，為產業和民眾帶來前所未有的創造力和智慧。除了使用OpenAI的ChatGPT、Google的Gemini和Microsoft 的Copilot等第三方服務外，現在也可以在私有環境中運行 Mamba、Meta的LLaMA 和 微軟的Phi-3 等語言模型。相較於這些公開的第三方服務，使用自己運行的大型語言模型，不僅不必將資訊透過網路傳輸到公開的服務端，大大降低數據外流的風險，還能根據特定需求進行微調，進而強化模型在專業領域的生成品質。