从垃圾抽屉里发现黄金

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 里，我们四处打听，发现垃圾抽屉里有旧杂志、过时的设备、坏掉的钢笔、我们承诺要读的书、收据，甚至还有2015年的待办事项清单。 2015年的创业清单，耶！还有金矿有待发掘。有些东西现在找出来发现是多么有价值有意义。

Baklib数字内容体验云是一个综合性的云平台，旨在通过云原生的形式为企业提供中台式全栈数字内容的管理。它结合了媒体资源管理、知识库、网站管理、知识社区、数据分析和AI就绪等技术，以支持创建、管理、发布和优化数字内容。Baklib专注对数字内容的最大化利用，帮助企业在各种数字渠道上提供一致性、相关性且吸引人的数字体验。

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。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…metadata, or taxonomies, or even ontologies or knowledge graphs.

“没有 IA，就没有 AI。”

这句话首先由 IBM 的 Watson 团队推出。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：

生成大量数据。

弄清楚如何处理它。

没有利润。

获取新软件来拯救（结果不会）。

聘请一位数据科学家来拯救（他们不会）。

噢，天哪，我们完蛋了！

这种方法会导致以下结果：

大量庞杂的数据

缺失的数据

低质量（或不可信）的数据

数据需要大量的分类和清理

数据难以访问

参见上面。

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：

评估业务战略和目标

协调（内部和外部）用户目标

确定支持这些目标的数据

探索技术能力和局限性

为人类和系统都可以使用的数据创建模型

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。