企业最值钱的知识，从未被记录

为什么大模型在企业里大多失败？因为模型不懂你的组织知识。特赞Context System揭示默会知识的数字化路径，指明企业AI护城河已从模型转向可积累的上下文资产。

“We can know more than we can tell.”（我们知道的，远比我们能说出来的多。）——迈克尔·波兰尼，1958年

这句跨越半个多世纪的话，像一根刺，扎进了今天所有急于用AI重写生意规则的企业里。过去两年，几乎所有人都在追问同一个问题：为什么我的AI用不好？答案或许残酷，但逻辑极其简单——你喂给AI的只是信息的残渣，而真正值钱的知识，还游荡在那些未被记录的聊天、直觉和失败的沉默里。

看不见的资产：默会知识为什么是组织的“暗物质”

哲学家波兰尼把人类知识劈成了两半。一半是显性知识，能写下来、能归档、能放进数据库。另一半是默会知识，你会用，但你讲不清楚。

骑自行车的例子很经典。没有人是通过背诵力学原理学会平衡的，是身体在无数次摔倒中“记住”了那个微妙的重心。这种知识极其昂贵，因为它只生长在实战里。老工程师隔着车间听设备异响就知道哪里要坏，创意总监扫一眼画面就说“不对，那个地方‘不舒服’”，这些判断力是一线人员数年乃至数十年的血肉经验，它极大程度上定义了企业的核心竞争力。

但默会知识也有一个致命弱点：它几乎拒绝被记录。它活在人的头脑里，活在师徒制的手把手传承中，唯独不活在传统的信息系统中。

数字化最大的陷阱：记录了骨架，丢弃了灵魂

过去三十年，企业在知识管理上烧的钱不是小数目。ERP、CRM、飞书文档、审批流程，我们把能数字化的都数字化了。但如果我们诚实一点，就必须承认一个悖论：数字化越深入，留存下来的知识反而越单薄。

系统里装的，是企业的“骨架”：合同金额、项目排期、会议纪要。这些是显性知识，是结果，是冰冷的事实陈列。但驱动这些结果的因素——那个关键失败项目后团队深夜复盘形成的共识，一个顶级客户每次提案都反复提及的某个隐晦偏好，一次刷屏级内容爆发后沉淀下来的、难以言表的选题直觉——这些东西，从未进入系统。它们活在微信语音里、钉钉的杂乱消息里，或者干脆就死在了某位离职员工的记忆里。

这解释了当下一个普遍的管理学荒谬：一家运行了十年、堪称成功的企业，其最有价值的决策知识，在理论上竟然随时可能清零。

AI失败的真相：它不是不懂世界，是不懂你的人间

这就来到了AI应用失败的症结。几乎所有企业都接入过大模型，但真正获得持续回报的凤毛麟角。问题不在模型不够强，而在于模型对企业的认知一片空白。

大模型是“世界知识”的压缩包，它读过人类历史上几乎所有的公开文本，但它不知道你的品牌为什么十年如一日地禁用某类看似无害的词；它不知道你的核心用户群在上周的社群里突然开始讨论什么；它不知道去年春节的某个营销方向踩了多大的坑，导致了多大的客诉；它更不知道你这家公司口口声声说的“高端感”，在视觉和文字上到底指向什么。

用这样一个满腹经纶却对你和你的客户一无所知的“新人”来做业务，无论它推理能力多强，都只能靠猜。猜不准，就慢慢被弃用。这不是模型的失败，是企业知识供给的崩溃。

Context System：把判断力铸造成组织的“公共资源”

特赞提出的Context System（上下文系统）试图捅破这层天花板。它的设计逻辑与传统知识库截然相反。传统知识库依赖的是“人主动写入”，这只能处理显性知识，且考验人的纪律性，通常最后都沦为文档坟场。Context System的思路是：在工作流运转的瞬间，持续将判断力沉淀下来，不等待人刻意整理。

这是一个决定性的跃迁：组织的默会知识，第一次有了被系统化留存和复用的可能。它不是在存放文档，而是在捕捉并记住企业做决定的“习惯”。

这个系统被分成三个动态组合的层级：

1. Personal Context（个人层）

每日刷新，记录的是个人工作习惯、偏好风格和细微判断倾向。它试图让AI“懂你这个人”。比如，同样是写一份复盘报告，你偏好直接刀刀见血的风格，还是温和建设性的口吻，这些细微但极其影响效率的偏好，构成了个人Context的核心。没有这个层级，AI的辅助就永远是隔靴搔痒。

2. Pod Context（团队层）

按需更新。这里是默会知识最密集、最成型的层面，包含了一个项目组、一条业务线特有的共识。比如，某个长期服务的客户的禁忌用词、优先关注的指标、对“品效合一”的特殊定义。这个层级能保证团队的AI输出不会犯低级错误，保持服务的一致性。

3. Company Context（企业层）

周级更新。沉淀的是组织级记忆：战略判断、品牌资产、那些具有标杆意义的经典成功案例和刻骨铭心的失败模式。这个层级回答的是“作为一家公司，我们是谁，我们站在什么立场看问题”。

当AI执行一个具体任务时，这三个层级会动态组合。AI同时感知到：作为“张三”的审美习惯、所属“A项目组”的客户惯例，以及背后整个公司对品牌调性的战略底线。这种立体感知，让AI的输出从“通用正确”进化为“精准匹配”。

真正的护城河：时间复利构筑的不可购买资产

可以说，企业AI竞争的第一阶段已经结束了。第一阶段比的是谁更快接入更强的模型，这本质上是一场采购竞赛，大模型的能力可以明码标价被所有人调用。当你和竞争对手用的是同一款模型时，模型的优势就被抹平了。

竞争正进入深水区，也就是第二阶段：比谁积累了更深的Context。模型是外购的能力，像是雇佣来的“通用大脑”；Context则是自生长的资产，是这家企业独有的“神经系统”。

这里有一种极具杀伤力的时间复利效应。一家企业今天开始系统化沉淀Context，一年后就拥有一年的积累；两年后就有两年的。而明天才决心启动的竞争者，从一开始就输掉了这一年。而且，这个系统越用越聪明，每一次AI的调用、每一次人工的微小修正、每一次一次成功或失败项目的经验，都在喂养这个系统，让它对“我们公司”的认知更精准、更立体。

这就构成了企业AI真正的护城河：不是买了什么工具，而是沉淀了什么判断。竞争对手可以一夜之间购买和你同款的软件，但绝对无法一夜之间复制你过去五年的团队判断。在一个赢家通吃日益加剧的市场里，这种无法被瞬间抹平的认知差距，将成为最具决定性的胜负手。管理者需要即刻审视自己组织的知识资产，问一个也许令人不安的问题：除了那些能打印出来的报表，我们究竟还知道些什么？