在垃圾抽屉里找黄金,论IA和AI

Author Tanmer Tanmer
Tanmer · 2024-10-18发布 · 796 次浏览

“没有 IA,就没有 AI。”

IA: Information Architecture,信息架构
AI: Artificial Intelligence, 人工智能
我们家里都有杂乱无章的垃圾抽屉。它们包含着我们不知道如何处理但又舍不得丢掉的东西。在 Baklib 办公室,发现垃圾抽屉里有旧杂志、过时的设备、坏掉的钢笔、各种会议纪要、笔记本,以及我们承诺要读的书、收据,甚至还有2015年的创业待办事项清单。 2015年的创业清单,耶!还有金矿有待发现。有些东西现在找出来发现是多么有价值有意义。

企业也有垃圾抽屉

与我们个人的垃圾抽屉不同,企业组织不再局限于一个易于找到的抽屉。企业抽屉通常包含有意或无意累积或聚合的不良或放错位置的数据。就您的企业而言,垃圾抽屉包含向您的受众(即客户、员工、投资者等)提供所有可能的信息传递渠道。这些数据似乎太有价值而无法删除,但没有人知道如何处理它或从中获得任何价值。所以它就进了垃圾抽屉。
不妨问一句——我们现在没有可以做到这一点的技术吗?难道我们没有 AI、ML、NLP 或 GPT 或其他一些缩写词可以帮助我们神奇地清理垃圾并提取有价值的东西吗?
不幸的是,没有!
因为人工智能甚至像 ChatGPT 这样备受推崇的大语言模型(LLM) 都依赖于它们所输入的信息的质量。如果我们给人工智能投喂垃圾食品,它会返回由垃圾制成的结果,即更垃圾的东西。或者说:垃圾进来;垃圾出来。也就是说:人工智能无法自动将你的垃圾变成黄金。它需要帮助。使用经过微调的基于人类的科学过程,我们对垃圾进行分类以找到黄金,然后最大化其价值。这就是信息架构(IA --- Information Architecture)。
信息架构( IA )是为数据创建有意义的结构的艺术和科学。它包括元数据、分类法,以及本体论和知识图谱(.metadata, or taxonomies, or even ontologies or knowledge graphs)。它并不总是得到认可或很好的理解,但它是如此关键,以至于.....

“没有 IA,就没有 AI。”

这句话首先是由 IBM 的 Watson 团队提到。他们从事人工智能研究的时间可能比任何人都早,所以他们应该知道,即使是复杂的 LLM 也无法从随机性中产生意义。当他们有结构化的、有目的的输入时,他们的表现要好得多。投入更少的垃圾就可开采更多的黄金。
大多数企业和大型组织都面临着这一挑战。就像家门口的马路,每隔两年就要推翻重铺,我们已经一遍又一遍地看到无数的类似案例。企业每一年采购大量的软件,每个团队重复这购买软件,组织采用不同的方法论不断的内卷,最后通常是这样的:
  1. 生成大量数据。
  2. 弄清楚如何处理它。
  3.  没有利润。
  4. 获取新软件来拯救(结果不会)。
  5. 聘请一位数据科学家来拯救(他们不会)。
  6. 噢,天哪,我们完蛋了!
这种方法会导致以下结果:
  1. 大量庞杂的数据
  2. 缺失的数据
  3. 低质量(或不可信)的数据
  4. 数据需要大量的分类和清理
  5. 数据难以访问
  6. 参见上面#6。
在 Baklib,我们提出了一种不同的方法。它需要做更多的前期工作,但随着时间的推移,这些工作会让你免于重复和合法的冲突。事情是这样的:
  1. 评估业务战略和目标
  2. 协调(内部和外部)用户目标
  3. 确定支持这些目标的数据
  4. 探索技术能力和局限性
  5. 为人类和系统都可以使用的数据创建模型
  6. 为您的数据制定可持续的治理和维护计划。
这将解决你如何在数字内容项目投资中获得有意义的回报。我们已经指导组织完成了这一过程,并且利用我们现有的新工具(点击了解Baklib最新的产品),我们才刚刚开始触及可能性的表面。 ChatGPT 等工具无法为我们完成这项工作,但它们可以帮助我们加快速度。然而;重要的是不要忘记这依赖于人际互动。它建立在通过访谈、调查和发现进行深入研究和深入参与的基础上。通过这个过程,我们从个人经历中建立真实的联系,以实现集体的成功。
如果你想想你的垃圾抽屉——这个更深层次的发现元素就非常有意义。一个随机的陌生人(人类、机器人或人工智能)无法区分垃圾和黄金。经过进一步审查,2015年的待办事项清单可能包括一些值得保存的东西——也许上面列出了“AI创业秘籍”。只有最知情的人才会知道。
那么,我们从哪里开始呢?首先,我们想听听你企业的烦恼、你的垃圾抽屉和你的混乱情况。我们希望帮助您摆脱几十年前无用的待办事项清单,与未付账单和平相处,找到黄金,并将其投入使用。
 

Baklib 是一款企业数字内容全周期管理平台,包括元数据、信息分类、知识库、导航、分享、体验、治理等等,想了解更多,请联系我们。
提交反馈

博客 博客

专注数字内容治理,助力数字体验升级

客户问 AI 的问题,早就在你工单里

客户问 AI 的问题,早就在你工单里

关键词工具看不到的那批问题,藏在售前通话、客服工单和论坛帖子里。Search Engine Journal 作者 Itamar Blauer 的方法分三段:先从内部记录提取,再用 Search Console 的长尾正则对表,最后用 ...

Author 5e41
By xiaohui
发布:2026-11-19
加一列品牌词,看 AI 吃掉了什么

加一列品牌词,看 AI 吃掉了什么

Google 11 月 16 日把品牌词拆分、多模态搜索、多国家筛选搬进了 Search Analytics API。品牌词与非品牌词分开看,才知道 AI 答案截走的是新用户,还是品牌自己的需求。文中列了三条硬限制和一个今天能做的清单。

Author 6119
By xiaohui
发布:2026-11-18
AI 写不像你,是规则没地方存

AI 写不像你,是规则没地方存

Optimizely 产品高级副总裁 Kevin Li 在 MarTech 访谈里说:过程先于魔法。卡住 AI 写内容的不是模型,是「什么算写对了」从没被写下来。他同事用三天写出的 17 页说明,让 agent 做出 800 个落地页...

Author d034
By xiaohui
发布:2026-11-17
安全公告,正在变成文档产品

安全公告,正在变成文档产品

CRA 第 14 条自 2026 年 9 月 11 日起适用:发现被在野利用的漏洞,24 小时内向 CSIRT 与 ENISA 预警,72 小时内发出漏洞通知。法规规定了公告要写什么,却没规定长什么样、放在哪;第 14(8) 条要求必...

Author 312e
By xiaohui
发布:2026-11-16
说明书可以不上纸,但要在线十年

说明书可以不上纸,但要在线十年

欧盟机械法规 2023/1230 从 2027 年 1 月 20 日起允许说明书只给电子版:机器上要标明获取方式,文件可下载可打印,链接要在机器寿命内并且投放市场后至少在线十年,购买时索取的纸质版一个月内免费送达。数字化真正的门槛不是...

Author d140
By xiaohui
发布:2026-11-15
封错 AI 爬虫,就少一个入口

封错 AI 爬虫,就少一个入口

OpenAI 把检索和训练拆成两个开关:拒掉 OAI-SearchBot,站点就不出现在 ChatGPT 搜索答案里;Google-Extended 只控训练与 grounding,不影响搜索收录。robots.txt 是声明,真正拦...

Author 8ae6
By xiaohui
发布:2026-11-14
AI 搜索策略,别交给会消失的工具

AI 搜索策略,别交给会消失的工具

SEJ 专栏作者 Dan Taylor 统计:近两年主打 AI 可见度的工具有 194 个,略超六成是轻量级实验或副业项目,创业项目死亡率 55%–60%;各家自造合成指数,引用还会漂移。内容团队该自己拿着的三样东西:查询矩阵、pro...

Author 0100
By xiaohui
发布:2026-11-13
大数据与知识管理:如何把海量数据变成可用知识

大数据与知识管理:如何把海量数据变成可用知识

大数据提供客户在问什么、买什么、抱怨什么的信号,知识管理把这些信号变成可信、可复用的答案。本文讲清两者区别、四条数据驱动知识的路径、零售案例,以及缺少治理时大数据为何失效。

Author big-data-and-knowledge-management
By Lisa
发布:2026-11-02
结构化数据与非结构化数据:为什么拆分会误导客服团队

结构化数据与非结构化数据:为什么拆分会误导客服团队

• 本文用客服场景的例子,说明结构化、半结构化与非结构化数据的区别,指出二元划分的价值与误用,并给出以决策为核心的做法:为高频决策建立字段,为叙述性内容标注负责人与复核日期,把重复流程变成引导式流程。

Author structured-vs-unstructured-data
By Lisa
发布:2026-10-29