“人機共生”與“對話循環”——AI時代的知識管理范式

AI在人機交互、人際協作與群際協同等多元場景的融入，重塑了知識對話模式，并以此為引領，使組織知識管理范式走向“人機共生”與“對話循環”。這一范式不僅是技術革新與知識環境變化的結果，更是組織認知邏輯與管理哲學的轉型。

作者｜劉薇、王博遠、高宇亭

文章來源｜清華管理評論（ID: tbr2013）

正文字數 2969 字 ｜閱讀 10 分鐘

2022年8月，網龍網絡控股有限公司正式任命數字人高管“唐鈺”擔任輪值CEO。該數字人依托內置AI系統，主持戰略會議并促進高管團隊內部知識對話，兼任員工知識導師與技能教練，統籌游戲開發、數字教育等多業務單元協同運作與知識共創，推動公司“元宇宙組織”戰略的實施與落地。這一創新實踐顯示了AI在組織知識管理中的潛在價值，其應用已深度融入人機交互、人際協作和群際協同等多元場景，在知識對話與協作過程中持續發揮關鍵作用。

新技術的引入常伴隨著組織的深刻變革，而知識管理范式的重構則成為AI時代企業轉型的核心議題。當前，知識管理日益聚焦于多層次、多主體的互動過程，AI技術的滲透使互動中的知識對話不再是人類專屬特權，由AI參與并介導的多維對話結構已悄然涌現——在“人—AI”知識單元中，AI成為員工的互學者與同思者；在人際知識共享中，AI扮演連接者和促進者的角色；在跨團隊、跨部門的協同運作中，AI成為知識創新與戰略協同的統籌者和規劃師。隨著知識對話模式在多元場景中不斷演化升級，由AI驅動的知識管理新范式已逐漸形成，并成為組織在各個層面深度變革與持續進化的新動能。

知識內涵重構與迭代加速

在知識管理領域，對知識內涵與價值的界定，通常基于“信息”與“知識”的對比分析。信息被視為“結構化數據”與“描述性知識”的中間態，源于對數據的加工，為“是什么”提供描述性回答；知識則能夠反映在特定情境中“如何做”與“為什么做”的行動路徑和實踐邏輯。相較之下，知識具有更高的實踐可用性與行動導向性，信息向知識轉化需要付出較高的時間與認知成本。信息與知識的功能差異和轉化壁壘，使二者被視為靜態分立的兩極或難以相接的孤島。在此視角下，知識被界定為稀缺的認知成果及有用的實踐指南。

AI的廣泛運用極大提升了信息向知識轉化的速度，使二者關系從線性遞進轉向循環共存，從兩極分立變為實時重疊；還通過融合信息的“描述”功能與知識的“行動”功能，使二者的邊界日益模糊。例如，在機械制造企業，AI助手中的決策支持系統可實時收集裝配線信息，與訂單需求、供給瓶頸等決策變量相關聯，即時生成裝配線風險防范措施，使信息在產生的瞬間立即成為“如何做”的知識方案，持續推動現有知識的更新迭代。在AI時代，信息與知識已呈現出“未分化而已轉化”的共生狀態——信息被實時激活、形成關聯、構建意義并嵌入行動流程，知識則在此基礎上不斷豐富與發展，并在實踐應用中產生更多有用信息，二者實現功能相融、形態相疊的瞬時循環。由此，知識的內涵也從稀缺、靜態的知識孤島，重構為信息與知識交互貫通的智能資源，具有普遍、動態且更新快的特征。通過價值挖掘與高效利用，作為“新知識”的智能資源在實踐中不斷循環迭代，成為可生長的“生命體”。

知識主體泛化與時空延展

在AI時代，知識生產主體不再局限于“人類權威”，而是走向“人機協同”的泛化模式。一方面，以ChatGPT、DeepSeek等為代表的生成式AI，通過大規模預訓練與提示工程，為雙重主體的知識生產提供了技術支撐，并基于高質量數據集，以“全域知識集合”的數字映射形式介入知識生產過程。另一方面，人類基于經驗和直覺，通過“人在回路”的增強式協作，以提問和引導的方式與AI共同實現精準創作和反饋調優。知識生產主體的拓展與泛化，推動知識生成形態在專業生成內容（PGC）、用戶生成內容（UGC）的基礎上進一步延伸，形成AI生成內容（AIGC）及AI輔助用戶生成內容（AIUGC）等新的形態，構成AI時代多主體知識共創的新格局。

AI不僅成為生產性主體，還作為關系性主體深度嵌入人際網絡，拓展了傳統知識互動的時空邊界。知識互動過程由延時異步走向實時同步，互動模式由臨場式交流轉變為分布式對話。例如，在Glean和Zoom IQ等AI驅動的知識管理平臺中，跨地域知識互動可實時進行。平臺算法能夠主動識別互補性知識資源，智能連接相關成員并推送資料，從而縮短知識匹配時間并提升知識互動效率；還能識別知識對話中的潛在主題，實時整合各方觀點并生成反饋摘要，持續優化互動質量。由此，知識交互形式超越了由專家或靜態知識系統主導的僵化模式，減少了對特定渠道和個體主動性的依賴。AI通過延展時空場景，構建員工個體、團隊、群體與AI協同共存的分布式對話結構，形成“共時、共景、共語”的知識互動新模式。

知識模態多元化與場域流動

生成式AI與知識圖譜等技術的發展，使知識模態更加多元化，突破了以往僅依賴文字符號和語言敘述的局限，推動知識體系演化為“可識別、可計算、可理解、可交互”的智能語義系統。以共情計算為例，該技術通過整合多模態表征（如文本、音視頻及生理指標等），使AI在人機知識對話中實現情緒識別、意圖理解和共情式回應。當AI識別到員工在知識尋求中有困惑時，會對知識內容進行詳細講解并鼓勵員工；當檢測到興趣情緒時，會推薦延伸知識并表達認可。因此，基于多模態知識表征的AI技術，不僅以個性化、精準化的知識推薦提升了員工認知參與，還通過共情反饋增強了情感共鳴，實現對知識管理認知深度與情感溫度的雙向賦能。

此外，多模態知識表征促進了知識在場域內部縱向深化與跨場域的橫向遷移。一方面，AI通過挖掘多源數據，實現對知識的精細化構建與系統化發展。例如，在教育場域中，AI整合學生的語言、表情、動作軌跡等多模態數據，觸及學生認知與行為的形成過程，通過精準建模構建起綜合性的學生畫像。與傳統上依賴于學生成績與教師主觀感知的結果反饋相比，基于多模態數據構建的學生畫像更有助于個性化的教學設計，促進教學知識動態化與深入流動。AI還能分析表征的隱性關聯，幫助識別教學知識的潛在發展區域或創新方向，不斷推進知識縱向演化。另一方面，跨場域的知識遷移也可依賴AI的多模態語義技術實現。以教育與產業場域的融合為例，清華大學與博世（中國）在機器學習與智能制造領域進行合作，基于AI對多模態知識的語義對齊，將機器學習理論等科研成果與智能制造的實踐技術相互遷移，實現學術知識向實踐應用的轉化。

隨著大語言模型在組織中的廣泛應用，傳統上基于預設規則的指令式交互，逐步演化為以語義理解、需求感知與循環反饋為特征的對話式交互。尤其是多模態識別、數字孿生與增強現實等技術的融合，使工作場景中的對話形式超越了語言符號，擴展至表情、姿態和動作等，并進一步催生出基于行為意圖或數字痕跡的隱性對話機制。

在知識管理領域，對話式交互融入人機、人際與群際協作場景，為野中郁次郎提出的“通過對話來實現知識創造的融會貫通”提供了新范式。AI在知識對話中的參與和介導突破了傳統知識管理局限，通過拓展個體認知邊界、激發人際共享動力，以及在群際知識共創中協調戰略一致性與知識多樣性，將知識管理推向新高度。

人機交互場景：經驗學習的范式重構

長期以來，個體被視為知識學習的基本單元。科爾布在其“經驗學習循環”模型中指出，學習是由個體的具體經驗、反思性觀察、抽象概念化與主動實驗構成的循環過程，即“知識在經驗轉化中被創造”。然而，僅依賴員工個體認知的知識學習，愈發難以適應復雜變化的商業環境。當前，“人—AI”成為新的知識單元，在單元內部的知識對話中，人類智能與AI進行感知共享、認知共思、理論共建與行動共演，形成人機雙向增益的經驗學習新范式（見圖1）。

在“人—AI”知識單元中，傳統經驗學習的各個階段正經歷重構。具體經驗不再局限于人的感性積累，而是轉化為可計算、可再生的過程；對具體經驗的反思與洞察，也從“人驅動”走向“共驅動”。在此基礎上，知識的抽象概念化過程由個體獨自歸納擴展為人機組合建模。最后，在應用知識的實驗階段，AI通過情境模擬與智能分析，賦能人類以系統性推演代替高成本的重復性試錯。由此，人與AI共同實驗又進一步成為新的、可計算的具體經驗，開啟下一輪雙向增益的經驗學習過程。

招商銀行的“海螺RPA+”平臺基于獨特技術架構與功能設計，實現了人機互學場景下經驗計算、反思共驅、概念建模與智能實驗的全流程落地。在具體經驗方面，AI通過流程挖掘與可視化封裝，將業務與財務人員的年檢操作流程等隱性經驗快速固化、系統存儲，并轉化為可追溯與遷移的知識模塊；同時，員工操作日志、業務話術與異常處理說明等，成為該平臺AI系統持續學習的知識素材。在反思性觀察方面，該平臺針對資金清算、信貸輔助等核心場景，開發了實時監控預警與全流程操作回溯功能，推動風控、運維人員與AI共同深化經驗反思、識別數據校驗偏差并進行流程優化；員工基于金融合規性提出反饋的思路與邏輯，用于AI的可解釋性訓練，提高其金融領域適配性。在抽象概念化方面，平臺內置知識組件化設計，促進員工與AI同步提煉業務流程以形成結構化知識框架；員工提出新需求與新假設，為算法模型優化提供精準方向。在主動實驗方面，虛擬機器人沙盤推演讓信貸輔助審批、跨境資金對賬等高風險情境中的新實驗可學、可控；員工在超過4000個場景實驗中積累的正例（如提前回收數十億資金的成功催收流程）與負例（如跨系統數據同步失敗的核賬案例），推動了AI在強化學習中的策略網絡優化。

人際協作場景：知識共享的模式升級

在人際協作中，知識共享本質上是關系性過程，依賴于成員間的共同理解、相互信任與關系質量等社會資本要素。長期以來，傳統知識管理主要關注知識編碼、存儲與獲取過程，其工具化與流程化管理機制難以適配以團隊內部協作為核心的人際情境，更無法激發知識共享的社會動力。隨著AI逐步嵌入團隊運作，“人—AI—人”的對話模式逐漸形成，通過促進認知耦合、增強關系信任與優化協作結構，促使“工具驅動”的流程管理升級為“社會資本驅動”的知識共享（見圖2），為知識管理中的人際協作注入新動能。

AI使知識共享從信息傳遞躍升為認知共享，提高了人際意義共建與知識協作能力。以西門子數字工業部門為例，其AI系統能夠標注團隊會議中“共識節點”與“爭議節點”，使成員和管理者準確定位團隊共識與意見分歧。同時，AI對這些節點進行中立性的事實歸納與客觀陳述，使對話聚焦于認知差距彌合，減少話語權競爭。AI生成的通俗化案例與可視化圖譜，將抽象知識具象化、碎片知識系統化，促進實踐經驗在人際對話中的轉移與外顯，突破傳統模式難以觸及隱性知識共享的局限，實現知識從個體到人際的轉化。

AI通過增強信息透明度與識別情感線索，有效強化信任等關系資本，從而激發人際知識共享動機。在管理實踐中，AI生成的“員工畫像”為成員間認知評價提供客觀依據，減少因能力誤判導致的信任缺失或知識排斥。同時，AI能夠調節團隊情感動態，斯坦福大學的哈伯實驗室將AI代理嵌入Slack平臺，通過識別團隊運作中的壓力與疲勞等情緒信號，提供相應的人際干預建議，從而營造更具包容性和關懷感的共享氛圍。

AI通過分析人際知識網絡結構，降低知識共享對強關系的依賴，激發弱關系并使潛在交互鏈接成為現實。例如，微軟Viva平臺通過分析團隊內知識流向，識別結構洞與信息孤島，借助知識社區推薦與知識路由機制，促進人際共享與協作。在新項目啟動階段，該AI系統能根據成員知識互補性推薦最優組合，為管理者提供數據支持以構建高共享潛力的團隊結構。在成員社會化過程中，AI通過分析角色與任務依賴關系，主動為新員工推薦關鍵連接節點，使知識共享關系的建立由偶然發生轉化為系統設計，以社會資本的“前瞻性構建”賦能人際協作的“共享性實踐”。

群際協同場景：知識創新的張力平衡

對于跨部門協同的知識創新，傳統知識管理在自下而上的“知識多樣性”與自上而下的“戰略一致性”之間存在結構性張力。野中郁次郎基于豐田案例總結的“三現”主義表明了知識創新具有情境性，即一線部門（現場）圍繞產品銷售與客戶服務（現狀）進行跨部門知識對話，創造多樣、實用且情境適配的知識（現實）。然而，各種情境中的新知涌現往往難以預測、控制與整合，需要組織戰略規劃和引導，否則可能因缺乏戰略一致性而偏離組織愿景。相比之下，戰略部門更關注全局性而非情境性，但其主導的組織戰略卻往往因滯后于實踐而阻礙知識創新。如今，AI介導的跨部門知識對話通過“以知識創新促進戰略更新”“以戰略分解引領知識涌現”，為平衡傳統知識管理張力提供新路徑（見圖3）。

在知識創新過程中，AI能夠對一線實踐情境中的知識價值與落地成本進行預測，反饋至戰略部門以生成前瞻性戰略預案；還能追蹤最佳知識創新實踐并整合至現有戰略，從而實現戰略更新。在戰略引領方面，AI將戰略進行分解，并轉化為各部門可理解與執行的創新任務，減少跨部門知識對話障礙與目標沖突。在企業實踐中，微軟的AI卓越中心（AI CoE）成為戰略對齊與知識創新平臺。該中心通過建構“價值－努力”二維矩陣，評估跨部門知識對話中涌現的創意，并根據創意優先級對戰略、架構和協作路線進行適應性調整，形成了通過自下而上的“知識涌現”維持戰略演化與組織敏捷的機制。此外，AI可依托統一的語義模型與績效指標體系等，對戰略進行轉譯，使共同目標在各部門形成共鳴，并據此明確各部門知識需求與共創目標，實現自上而下的“戰略引領”。

綜上所述，AI參與和介導的知識對話模式，實現了從個體、群體到群際，由學習、共享到創新的系統性變革，從而形成了AI驅動的知識管理新范式。這一新范式基于“人—AI”經驗學習的雙向增益、AI介導知識共享的模式升級，以及對群際協同知識共創的張力平衡，使組織在復雜環境變化中獲得人機知識共創、智慧共生的核心競爭力，推動知識生態系統進行持續迭代與自我進化。

個體層面：認知偏差與認同困境

AI推動了經驗學習范式的重構，也對員工形成批判性認知與建立自我認同構成雙重挑戰。就個體認知而言，AI引發的“知識幻覺”（即提供的內容看似合理實則失真）存在誤導員工的風險。若員工采納了虛假信息，可能會強化原有的認知偏差、產生錯誤的認知邏輯，甚至落入新的認知陷阱，進而影響正確知識體系的建立。即使AI生成的內容是正確的，AI“幻覺”風險仍會使員工感知到強烈的不確定性，陷入反復驗證狀態，最終增加認知負荷。因此，AI參與知識學習過程，對員工通過批判性認知去偽存真、克服偏見提出更高要求。

對于個體認同，隨著AI的角色由任務工具轉變為協作伙伴，過去由員工主導的工作日益演變為人機共同完成甚至由AI獨立執行，這會讓員工對自身定位與價值產生模糊感，進而導致成就感下降甚至產生自我懷疑，陷入自我認同困境，最終加劇AI被“濫用”或“棄用”的風險。“濫用”意味著員工減少了主觀能動性的發揮，過度依賴AI而放棄獨立思考，抽象思考能力與創造力下降，導致“人類智能退化”。“棄用”則是員工感知AI介入削弱了自尊或自我價值，出于心理防御產生強烈的排斥情緒，進而拒絕使用AI甚至刻意阻礙組織AI戰略推進。

人際層面：功過模糊與社交減少

盡管AI具有促進知識共享的潛力，但也存在降低人際信任的風險。具體表現為兩個方面：成果分配與責任界定的模糊性降低成員間的認知信任，社交互動的減少使團隊內的情感信任被削弱。

當團隊基于AI整合的知識制定決策方案并采取行動時，算法“黑箱”與知識源頭難以追溯的特性會對現有的成果歸屬與責任分配體系構成挑戰。當AI驅動的團隊行動取得成果時，由于AI調用的成員知識難以充分溯源，將知識轉化為具體方案的過程無法清晰呈現，既有成果歸屬制度面臨失效的風險。這既可能加劇團隊中的“搭便車”問題，也會損害高貢獻成員的分配公平感知并削弱其知識共享動機。在方案效果不佳甚至執行失敗的情境中，責任界定也因AI參與決策的不透明性而面臨風險。責任劃分結果、依據以及向員工解釋說明的過程，可能引發團隊對分配、程序與互動公平的懷疑，最終削弱員工對彼此能力與可靠性的認知信任。

此外，AI被期望成為人際協作的連接者與參與者，而非替代者甚至破壞者。然而，當團隊知識協作被AI過度接管時，團隊中各“人—AI”知識單元間僅通過AI維持聯系，應有的情感交流被AI主導的事務性溝通所取代。由此，成員表達情感的機會減少了，人際共情空間也被壓縮了，團隊協作進一步陷入“去人格化”困境，削弱了團隊的情感信任基礎。尤其在需要敏捷決策時，情感信任缺失將會導致成員各自為戰、響應遲緩，使團隊陷入協作低效甚至決策癱瘓的困境。

群際層面：群體趨同與文化錯位

盡管AI在協調各部門知識共創的過程中發揮了積極作用，但也潛藏群體知識趨同的風險。隨著組織AI戰略不斷推進，現有的組織文化與價值觀體系同樣面臨新的挑戰。

在組織內部，群體邊界分離與融合的動態機制因AI介入而趨于固化。AI在知識整合中的“平均主義”傾向可能削弱各群體的獨特性，導致組織因群體差異而產生的知識優勢逐漸消失。AI的使用旨在促進群體共識，但其標準化、同質化的對齊與整合邏輯反而固化了群體邊界的分離與融合機制，使群體邊界難以在群際知識對話中動態調整。AI的介入使得不同群體基于類似邏輯使用相同知識內容，創新日趨同質化。算法驅動的“共識假象”替代了部門間“求同存異”的協商結果，使得差異化觀點被忽視，群體趨同愈發嚴重。在群體邊界模糊的同時，新的隱性邊界卻隨著AI的滲透而悄然形成。算法偏好與技術主導催生出新的數字鴻溝，導致高技術使用的部門與其他部門之間權力失衡，進一步加劇了組織內的隱性分裂。

隨著AI技術被更多地重視與推廣，部分企業的組織文化與價值觀呈現出異化的趨勢。管理者對員工技術使用能力與績效的評估，逐漸超越了對員工福祉與職業發展的關注。

文化與價值觀在“人本主義”與“技術中心”之間錯位，使組織面臨倫理風險。在日趨復雜激烈的競爭環境中，這種文化錯位不僅使組織難以贏得商業競爭勝利，更使其因缺乏道德約束與人才支撐而失去知識創新基礎，無法形成以人機協同發展為基礎的可持續競爭力。

為使組織有效應對知識管理新范式實踐各方面構成的潛在挑戰，本文提出系統性治理框架，從認知實踐深化、制度設計優化以及文化治理推行三個維度共同發力，以期幫助組織知識管理新范式持續有效運行，實現以知識“對話循環”推動思想、責任與理念的深層交互，推動組織由人機協作走向“人機共生”的全面躍遷。

深化認知實踐：以素養培育和智慧發展為導向

當前，多數企業的培訓項目，如埃森哲的“生成式AI專家項目”，仍以員工使用AI的技能與熟練度為目標。然而，技能導向僅能使員工獲得人機協作的實踐技巧，無法進一步提高其學習與認知能力來有效識別AI“幻覺”。因此，組織應培訓員工的數智素養，包括信息處理與批判性思維、目標設定與反思、情感調節與心理調節等元認知能力等，并將數智素養培育融入日常知識管理與項目復盤過程。具體而言，通過建立AI協作知識庫或智能日志平臺，鼓勵員工詳細記錄AI參與的關鍵任務，標注并反思由AI引起的認知偏差、知識誤判或倫理沖突；同時，讓員工對上述記錄進行討論和知識提取。組織可以定期開展研討會以對比AI生成內容與真實結果的差異，也可以引入外部專家來幫助員工有效識別AI信息失真、推理漏洞甚至是價值取向偏見，建立對工作實踐中AI“知識幻覺”的防范策略。

在實踐技能提升與認知素養培育的基礎上，推動員工“智慧”發展，從根本上解決員工在AI時代的自我認同困境。當前，員工對工作被AI取代的擔憂情緒持續加劇。安永會計師事務所“企業AI焦慮”調查顯示，65%的美國員工認為自己將因被AI取代而失業。當人類智能面臨被AI顛覆的風險時，人類智慧的進化將成為破局關鍵。這意味著，組織的人才培養項目應幫助員工形成在不確定性環境中對各方知識、經驗與倫理標準進行思辨的能力。同時，組織可以開展情景推演、戰略暢想等活動以培養員工道德與遠見，使其通過智慧發展來明確價值定位。由此，推動員工超越“能與行”的實踐技能、“思與知”的認知素養，實現“悟與明”的人類智慧。

優化制度設計：以算法透明和倫理審查為保障

構建算法透明與問責機制對AI的可追溯與可解釋性提出更高要求，強調系統部署、員工使用與結果產出等環節的制度設計均要能滿足“負責任治理”目標。對此，組織可設立“人機協作知識產權”管理部門，整合技術、業務、法律等領域的專家意見，統籌AI相關成果的登記、評定與維權事宜，確保成果歸屬與責任分配符合法律規定。組織應針對不同的AI使用場景分別建立問責機制，界定人與AI的責任邊界，并據此對團隊日志中的AI使用場景、人機貢獻比例與關鍵決策源頭等進行審議和反饋。例如，IBM公司的Watson OpenScale平臺通過提供明確標注的知識來源、詳細的操作日志、可追溯的決策路徑與可視化偏差分析，確保人機混合團隊運行中的決策透明化與責任可追溯。

此外，組織應建立系統化和可操作的AI倫理與安全審查體系，實現從事后補救到預防性約束與持續監管的轉變。具體而言，通過設立AI倫理委員會等治理機構，為招聘面試、信貸評估、項目驗收等高倫理風險環節進行獨立審查并對接第三方復核。借鑒微軟公司“AI倫理與社會”委員會的做法，通過對AI生成內容是否涉及隱私披露、種族歧視和敏感內容輸出等進行人工審核，從而為組織的AI項目劃定倫理“紅線”。此外，AI倫理體系應與企業社會責任框架相融合，形成倫理與責任聯動的制度設計。一方面，組織應確保客戶、供應商、行業協會和監管機構等外部利益相關者參與AI項目的倫理監督過程，并實施信息公開與利益相關者問責等制度。另一方面，組織應鼓勵基層員工參與，并定期向其說明組織AI戰略發展方向以及尋求反饋建議，從而系統性構建內外部相結合、前后貫通呼應、權責利相匹配的AI倫理與責任管理制度。

推行文化治理：以情感共鳴和價值共建為核心

波士頓咨詢公司在三份AI相關報告中均強調，組織的AI轉型不僅依賴技術部署，更取決于以共情為核心的文化氛圍構建。換言之，AI技術難以激發組織內部的情感共鳴，管理者仍需親自關注員工情感、滿足員工需求并引發情感同頻；如此才能在實現AI賦能的同時，避免人際連接被AI使用所取代。以AI的情緒分析與共情表達為例，管理者應將此類技術定位為理解員工情緒的窗口，而非實施情感監控的手段。一方面，正確認識員工情緒變化的合理性，通過情感關懷進行人際干預，而非“外包”給AI完成。另一方面，重視高強度人機協作中的員工焦慮、抑郁等情緒狀態，并將其與心理疏導和素養培訓等組織支持項目相聯系，而不是作為評估績效或決定薪酬的直接依據。

組織文化治理的另一核心是技術價值與員工價值的共建。為避免技術導向與人本導向之間的錯位，管理者應重新審視技術效益與員工滿意度的關系，將員工幸福與發展作為文化治理的核心變量。一方面，在開展AI項目時，應鼓勵創新與冒險的文化氛圍，重視并培育基于技能、興趣等形成的差異化群體，以防止因算法推薦、流程固化或共識性壓力而導致員工創新受阻或群體知識趨同。另一方面，在評估AI項目時，應納入公平性、創新性與員工福祉等維度，而非僅關注效率提升、成本節約等財務指標。此外，文化敘事的構建應成為組織文化治理的重要舉措，從而將人文關懷與技術發展的價值共建融入組織記憶。例如，定期收集員工使用AI過程中的趣事，包括獨特的提示詞或使用技巧、AI生成的啟發性圖片或案例等。這不僅有助于激發員工創意，也能揭示技術對員工工作與情感體驗的影響，為后續優化AI使用流程提供依據。文化敘事的構建還應納入新員工培訓與領導力發展項目，幫助新員工理解組織的人文價值取向，并促使管理者在對敘事案例的反思中平衡技術效率與員工體驗。通過將情感共鳴和價值共建融入文化治理，組織的AI轉型與發展能夠以更可持續的方式實現從“人機協作”到“人機共生”的轉變。

AI在人機交互、人際協作與群際協同等多元場景的融入，重塑了知識對話模式，并以此為引領，使組織知識管理范式走向“人機共生”與“對話循環”。這一范式不僅是技術革新與知識環境變化的結果，更是組織認知邏輯與管理哲學的轉型。然而，在多主體共構、跨場域共生的知識“對話循環”中，AI驅動的知識管理新范式仍面臨一系列挑戰，需要組織通過構建系統性治理框架以應對挑戰并確保新范式持續有效運行。

關于作者 | 劉薇：中央財經大學商學院副教授、博士生導師；

王博遠：中央財經大學商學院博士研究生；

高宇亭：中央財經大學商學院博士研究生。

編輯/排版 | 尚慧林

責任編輯 | 劉永選(liuyx6@sem.tsinghua.edu.cn)

微信 ID：chunnuanhuakai-cch