例外
各经办人答案不一的标准时
不擅自把某一个定为正解，把相冲突的处理一并上报，让人决定公司标准。
Velros AI 接手的执行
从重复问题和例外处理里，汇总公司实际在用的规则和依据来源，整理成知识候选。
重复问题返工时长
个人依赖型知识比例
标准答复复用率
中小企业里，公司的“标准”大多在一位资深经办人的脑子里。“这种情况这样答”“这个例外这样处理”只以经验存在而非文档，同样的问题来了每次都靠回忆作答，答完就随对话消失。于是新员工反复问同样的，经办人一不在应答就停摆，这个人一离职标准本身就蒸发。对重复问题每次从头作答的返工，加上因人而异的应答偏差，都直接变成成本。
这样的问题，会这样梳理。
把真实进来的活儿归拢起来，连每一步依据什么判断，也一并留下来。
-
收集重复与例外信号
从应答、消息、处理记录中汇集同一问题的重复与规定外的例外处理，筛选尚未文档化的“隐性标准”候选。
判断 区分一次性的个别应答与“反复出现的模式”。同一判断出现两次以上就作为知识化候选上报。 -
提炼标准并起草
提取实际应答中依据什么、如何判断，做成含摘要、适用范围、依据出处的知识初稿。
判断 把个人习惯与公司标准分开。只把可复现且有依据的收入初稿，凭感觉的判断标注为“待人确认”。 -
核对依据与出处
给初稿引用的规定、过往处理、外部依据附上出处索引，方便日后回溯为什么是这个标准。
判断 无出处的主张不确定为知识。依据空缺的项留作“需确认”。 -
人工审查与确定
把知识初稿上报给经办人确认是否符合公司标准，打磨成入知识库的方案。
判断 写入公司长期记忆的确定只由人来做。AI 做到候选，确定靠审批。 -
写入公司记忆并复用
把批准的知识写入公司长期记忆（知识库），下次同样的问题进来时用已确定的标准作初稿复用。
判断 写入后也保留原作与修改记录，让标准何时为何改动可追溯。
不重复的，就不定为公司标准
现场真正会卡住的例外，我们提前定好。规则套不上的时候不硬办，连同依据一起交给人。
例外
应答记录里混有客户个人信息时
把姓名、联系方式等个人信息从知识中分离、去标识化，只留可复用的“标准”。
例外
一次性的特殊个案时
不把不重复的例外定为公司标准，只留作“参考个案”，防止错误的一般化。
写入公司记忆，由人确定
牵扯到钱、合同、个人信息和品牌的执行，只做到草稿为止；发送与敲定，要等人审批之后才动。
-
向公司长期记忆（知识库）确定写入知识
一旦成为公司标准就影响所有应答，写入长期记忆务必由人审批。
-
在相冲突的标准中确定公司标准
什么是公司标准由人而非代码来定。
-
含个人信息记录的知识化
去标识化与否须由人确认，才能防止个人信息暴露。
-
覆盖既有标准的更新
使旧标准失效的变更会成为先例，需要人审查。
-
对外公开答复措辞确定
带公司口吻的措辞由人审批后再发布。
用什么来确认
以重复发问减少了多少来衡量
重复问题返工时长
美国知识工作者每周约有 5.3 小时浪费在等待信息与重复再造已有知识上（Panopto，2018）
越复用已确定的标准，对同样问题重复作答的时间越少。
个人依赖型知识比例
机构知识中约 42% 只存在于个人，离职时有丢失风险（Panopto，2018）
越把脑中标准搬进公司记忆，人员流失时的损失越小。
标准答复复用率
以已确定知识被下次应答初稿复用的程度来看（行业差异大，建议在公司内部测量）。
规则
把应答与处理记录沉淀为知识的过程中，可能一并保存客户姓名、联系方式等个人信息，为防止超出目的的使用，须做去标识化并遵循最小必要原则（《个人信息保护法》）。此外，公司的应答标准与处理经验可能构成商业秘密，宜同时设置访问权限与外发管控（《反不正当竞争法》）。
需要人亲自扛着的事变少了。
散落的核对和重复的回复先整理好递上来，员工就能把时间花在复核和例外上，人只看真正要紧的决定。
运营诊断待确认的事都堆到人身上。
同样的问题每次都要经办人靠记忆去答，那个答案也随着聊天窗口一起消失。
备好的活儿先递上来。
从重复问题和例外处理里提炼出公司标准，留成知识候选，人一确认，往后同样的问题就用同一个答案。
重复问题的返工时间
标准答复的复用率
依赖个人的知识比例
把这件事托付出去之前，大家会问什么
关于反复应答知识化，大家实际上最先确认的那些问题。
AI 会擅自把公司知识定死吗？
不会。AI 从实际应答中提取标准候选与依据，只做到初稿。写入公司长期记忆确定由人审查并审批。
经办人离职后，积累的标准也会消失吗？
确定为公司标准的知识留在公司记忆而非个人身上。经办人换了，也能用同样的依据与标准作答。
