想象一下這樣的情景:你剛剛在一家財富1000強公司的市場營銷部門開始了一份新工作，是時候開始做正事了。
你的首要任務是建立一個指導未來12個月的戰略組合。收集曆史數據和見解是這個項目的關鍵。
其中一些關鍵知識可以在該組織的數據庫中找到，不過大多數都是存儲在Box、Dropbox、SharePoint和OneDrive中的PowerPoint演示文稿、pdf和Word文檔。
從這個非結構化數據存儲庫中尋找答案就像大海撈針。
在篩選前任創建的不熟悉的文檔時，你意識到完成第一個作業的時間已經不多了，所以你放棄了它——忽略了豐富的內部數據以快速“互聯網”答案。
雖然這聽起來像一個噩夢，但它每天都在大多數組織中發生。
創建和記錄企業信息的解決方案已經迅速超越了現有的組織、存儲和從數據中尋找答案的技術。
非結構化數據是最難獲取的，但也是最有價值的，因為將數據轉化為知識需要花費時間、金錢和洞察力。
好消息是:如今的人工智能技術可以搜索大量的文件，並找到你想要的答案。讓我們來探索一下人工智能是如何做到這一點的。
我知道它就在那裏，在某個地方……
你的任務是為你的部門做季度市場報告。
你想要在不同地區整合你的市場份額矩陣，並記得在另一個團隊的演示中看到過它。
你向他們伸出手;沒有人知道是誰創建了它，文件名是什麼，或者保存在哪裏。應該在文件服務器的某個地方。您的搜索檢索僅在過去一年創建的90個可能的橋牌。
即使每個演示文稿隻有20張幻燈片，你想要的圖表也隱藏在這1800張幻燈片中的某個地方。重建它要比尋找它容易得多。
有了人工智能驅動的知識管理係統，你本可以通過簡單地問“我們在不同地區的市場份額是多少?”來開始這個過程。
馬上，你就會看到一個設計精美的圖表，它位於100頁的“競爭情報”的第33頁。
更棒的是，它還調出了原始數據。對這些數字進行快速更新，就可以根據這些新信息製作出精美的圖表，這樣就完成了。
你的時間現在可以用來為你的報告添加戰略見解，而不是重新創建資產。
可能以前有人這樣做過……
你的辦公桌上剛剛收到一份RFP，和往常一樣，你隻有有限的時間把提案拿出來。
您立即開始接觸組織內不同的專家，詢問他們中的許多人以前回答過的問題，隻是不是針對這份RFP。
在等待回複的過程中，你開始瀏覽過去的提案，知道許多答案可能可以在龐大的pdf庫中找到。問題是搜索將占用大部分可用的響應時間。
如今的人工智能技術正在改變這種猜謎遊戲。你不用去弄清楚誰可能知道，或者它是否已經存在，你隻需要問你的人工智能助手你想回答的問題。
在閱讀並記住公司Dropbox、OneDrive和SharePoint賬戶上的每一條信息後，你會立即發現紐約辦公室創建的類似提案。
如果沒有人工智能，你將永遠無法利用你的異地同事已經寫下的一些精彩答案。當公司的所有數據都可用人工智能知識管理時，每個人的項目都可以繼續進行而不會中斷。
我不知道我不知道什麼…
是時候寫博客、時事通訊或白皮書了，你想要包括一些相關的數據來加強你的信息。
您瀏覽了公司已發布內容的存檔，沒有看到任何與您的特定主題相匹配的標題，因此您轉到穀歌，看看可以找到什麼。穀歌允許您輕鬆地從公開可用的信息中收集一些額外的關鍵點，以包含在您的內容中。
如果你能簡單地詢問你的人工智能助手，這個過程會容易得多。
你完全不知道的新信息馬上就會被發現。在22點43分的時候，你的CEO會發布一段視頻，講述這個確切的話題。你從另一個辦公室的同事6個月前撰寫的一份通訊中找到了一段引文。
還有一個相關的統計數據來自你忘記擁有的eMarketer訂閱。現在你可以通過人工智能即時傳遞有針對性的信息來加強你的內容。
想到的知識管理的人工智能作為企業答案引擎，而不是文檔搜索工具。它保存了公司在無數文件類型中的知識總和，並快速提供精確的答案，而不是相關文件的列表。
您的所有品牌記憶，在一個地方被徹底閱讀、記住和訪問，這是通往您企業知識的單一門戶。通過一個接口實現數據的無所不在的訪問和民主化。積累的知識不僅是儲存的，而且是建立在知識的基礎上的。這些係統真正允許知識工作者使用數據來推動他們的公司前進。
當我們回顧上麵的“噩夢場景”時，想象一下公司裏有一個最博學的人——他擁有多年積累的智慧——幫助你製定戰略。
最重要的是，這個“人”會完全致力於幫助你把工作做得更好，通過不斷學習，發現過去的見解，並在你需要的時候提供正確的信息。這似乎不再是一場噩夢了，不是嗎?你完成了最後期限，推動了收入的增長，從此過上了幸福的生活。
有了人工智能，這一切都是可能的。
丹Mallin
丹·馬林(Dan Mallin)是Equals 3的聯合創始人，他和他的團隊創建了人工智能知識管理平台Lucy。