【公司的專業與經驗，不該只有少數人會｜AI 知識庫怎麼建、怎麼用？】

知道一件事情該怎麼做、為什麼要這樣做、做到什麼程度才夠，這些知識、流程和判斷標準，應該要成為公司的資產。做事的方法和判斷，不該只存在老闆腦中，能做成 AI 知識庫讓所有人使用。

文章日期：

2026-09-10

文章分類：瑞誼專欄 – 基礎認知

文章標籤：創業須知, 新創公司

知道一件事情該怎麼做、為什麼要這樣做、做到什麼程度才夠，這些知識、流程和判斷標準，應該要成為公司的資產。

SOP 是其中一部分，但不是全部。過去對許多中小型企業來說，要把這些完整整理出來並不容易，很多做事的方法和判斷，常常還是只存在老闆或資深員工腦中，其他人 (尤其是新進員工) 不太容易真正掌握。

但現在是 AI 時代。

這篇文章來聊聊 AI 知識庫：它是什麼？該怎麼建立和使用？為什麼公司更值得建立？

而且現在已經不需要寫程式，直接利用 ChatGPT、Claude、Gemini 等常見的 AI 工具，就能做出能使用的版本。

AI 知識庫是什麼？

中性一點就是指提供給 AI 參考的資料。AI 回答問題或執行我們指定工作時，可以根據這些資料來處理。

例如會議紀錄、SOP、客戶資料、教育訓練素材 …… 等，都可以放進知識庫。

若資料涉及客戶個資、商業機密或內部敏感資訊，應先完成資料分級、存取權限與使用範圍確認；未經授權的資料建議不得直接上傳至 AI 工具。

舉例來說：

遇到問題問 AI 要怎麼處理，例如提供給客戶的產品出錯了，客戶正在要求賠償不然要公開給媒體；一般情況下 AI 只能提供比較通用的答案，例如道歉與賠償；如果我們有提供知識庫，AI 就能根據這些資料，給出更符合實際情況的回答。例如知道我們有哪些限制、這個客戶過去的狀況、或有沒有成本不高但客戶更能接受的補償方式。

也就是說，根據放進去的資料不同，AI 知識庫包含的不只是知識和流程，也可以包含過去的經驗、案例和慣例。

如何建立 AI 知識庫

公司手上一定已經有非常多現有資料文件，但最好的方式絕對不是直接把這些資料全部數位化丟給 AI。

建立 AI 知識庫的目的：

讓 AI 更能協助我們的日常與工作（○，正確）
~~只是讓 AI 去整理這些資料~~（×，錯誤）

因此在動手整理手上資料之前，第一步可以先想這幾個問題：「我們希望 AI 能回答哪些問題、協助哪些工作」。

例如希望客服遇到客戶問題時可以先問 AI，找到過去類似案例，針對常見問題直接提供標準回覆，針對新問題時，也能從過去案例找出可參考或組合的做法。

或針對新員工招募的工作描述撰寫能更貼近真實情況、設定出更精準的招募需求，或更多日常如業務報價、企劃提案、跨部門溝通等等。

這裡只需要先有幾個大方向的具體想法，不需要先想到太細，細節會在後續整理過程中生出來。

接著第二步整理資料。重點是除了已經存在的現成文件，有很多核心資訊可能根本還沒有被寫出來，只存在老闆或資深員工的腦袋裡。

例如報價規則，寫出來的可能是「特殊情況請主管核准」，什麼是特殊情況？哪些客戶可以例外？主管的核准標準是？雖然一定有一些無法量化最終必須由人決策的部分，但這部分可能比想像要少得多，大多判斷標準都能具體寫出來。

要把這些只在腦袋裡的資訊整理出來，最直接的方式就是訪談。而這也可以交給 AI 負責，讓 AI 進行訪談，然後把答案整理成具體可參考的文件，也保留最終必須由人決策的標準，例如：

業務可自行決定 5% 以內折扣，5%～15% 需符合條件 (逐項列出標準)。15% 以上需主管同意並符合特定條件 (例如產品毛利率或總金額等)，特定客戶 or 類型案子主管會議決定等等。

整理資料這步驟，除了把現有資訊 & 腦中資訊都整理出來之外，還有一個重要的細節，是確認版本。畢竟公司文件太多，常常會有多版本的同性質文件，也能趁這機會整併。

進行到這裡，目的有了，文件有了，接著是第三步讓 AI 根據這些目的，在這些文件中去找出對應資訊，建立出針對每個目的的知識文件。例如針對客訴處理的具體步驟、判斷標準、例外情況和可參考案例。

然後最後一步：測試看看，先丟幾個常見問題看是否一切正常，再問問幾個前所未見的問題看 AI 會怎麼處理，是否合乎公司原則，再根據測試結果回饋，調整出可接受的版本。

AI 知識庫建立四步驟：

確認需求
整理文件
建立知識文件
測試

如何使用 AI 知識庫

建立完成後，就是必須整合進日常使用，以公司而言要讓員工習慣使用 AI，而要這樣的第一步是：提供團隊方案。

畢竟這些知識最終目標是成為公司資產，讓員工 (包含未來新進) 都能使用，期待員工使用個人 AI 帳號來建立和分享就有點不切實際，且大量公司文件也不應交給員工個人去處理。

目前 ChatGPT、Claude、Gemini 都有適合團隊或企業使用的方案。

ChatGPT Business：至少 2 人，標準方案年繳每人每月 20 美元；月繳每人每月 25 美元。
Claude Team：2～150 人，標準席位年繳每人每月 20 美元；月繳每人每月 25 美元。
Google Workspace Business：最多 300 人；Starter、Standard、Plus 的年約標準價分別為每人每月 7、14、22 美元，彈性月繳標準價則分別為 8.40、16.80、26.40 美元。

以上為標準方案的美元牌價，年繳或年約與彈性月繳的承諾期間不同；另有較高階席位或方案。實際費用仍須核對官方當期報價、適用地區、稅金及加購項目，不能只拿最低月均價比較。

第二步，就是把 AI 整合進日常工作流程。

不是只是口頭說「要多用 AI」，直接調整工作方式。例如客服要先把客戶問題詢問 AI，確認過去案例和處理原則；開會時開啟 AI 協助紀錄與整理待辦；行政在處理各部門簽呈時，先讓 AI 檢查要求是否符合公司標準等。

重要：要讓 AI 出現在必要流程裡，而不是只做為一個額外選項。

第三步則是定期回饋與調整。

絕對不會一次到位，定期回饋持續調整，和員工有可能離職不同，這些持續整理、維護並做好備份的 AI 知識庫，可以一直留在公司，成為公司的資產。

AI 知識庫使用三步驟：

公司團隊方案
調整工作流程
定期回饋調整

AI 知識庫真的有價值嗎？

2025 年發表於《The Quarterly Journal of Economics》的一項研究，追蹤 5,172 名客服人員使用生成式 AI 助理後的表現，整體每小時處理案件數平均提高約 15%。

其中提升幅度最大的是經驗較少、原本表現較弱的員工；原本表現最好的員工，變化反而比較小。

簡單說：AI 能提升工作效果，尤其對經驗較少、原本表現較弱的員工有效 (本次研究是針對客服)。

這也是為什麼建立 AI 知識庫對公司來說很有價值。

整理知識庫本身有成本。要花很多時間思考和整理，如果使用帶來的效益不夠大，整體價值就低。但公司比起個人多了一個乘數。

個人建立知識庫，成本只能靠自己之後使用來回收；公司則多了使用人數這個乘數。同一份整理好的知識，可以讓許多員工使用，能幫助經驗比較少的人更快取得原本集中在資深員工身上的做法。

但是！

公司實際進行這件事的時候有個現實問題：公司裡面最懂的人，通常也是最不需要 AI 知識庫的人 (除非就是老闆本人)。

厲害的員工自己就知道怎麼做，不需要 AI 知識庫也能做得很好，若要建立整理 AI 知識庫，相關成本也往往會落在厲害員工的身上，但最受益的卻是其他人和公司。

所以不能期待員工「自己有動機整理給公司使用」，必須由公司安排時間、資源、誘因，逐步把這些知識慢慢留下來成為公司資產。

結語

如果還不太熟悉 AI，可以先用個人帳號做一些小範圍的版本，挑一兩件簡單但常發生的小事情嘗試，可參考之前寫過的這幾篇文章：

大家都在瘋 AI，但我要用來幹嘛？怎麼用？｜四步驟開始練習 AI

不需要養長對話，利用 AI 專案功能處理跨對話任務｜AI 基礎工具

AI 工作流入門｜不要把工作直接丟給 AI，用工作流提升成果品質

同時也可以讓團隊知道公司未來會做這個，先讓大家有心理準備。等自己對 AI 較熟悉之後，再開始團隊方案。