真正的瓶頸是語料庫

01大家都抱持的前提

幾乎每一家打造 AI 知識工具的公司，都從同一個前提出發：語料庫已經存在，要做的是檢索。更好的排序、更好的切塊，針對客戶手邊剛好有的文件給出更好的答案。知識庫本身被視為理所當然，彷彿礦石早已開採完畢，唯一懸而未決的只是誰能蓋出最好的冶煉廠。

我認為這完全弄反了。真正的瓶頸是語料庫。

02背後的思考從來沒有被寫下來

一家工業公司最有價值的營運思考，從來沒有在任何地方被記錄下來。不是記得不好，而是根本沒記。讓一套用了四十年的系統繼續運轉的變通做法，只存在於發明它的那位技師腦中。多年前為什麼不再和某家供應商合作，只存在於當年負責那筆採購的人的記憶裡。現有的文件記錄的是做了什麼，幾乎沒有一份解釋為什麼。

檢索品質再好，也找不回從未被記錄的資訊。再怎麼排序，也排不出一份根本不存在的文件。

我在 Coinbase 親身遇過這種事。在我主導的一次客戶遷移中，我們差點漏掉最重要的帳戶之一，因為當初建立遷移清單的人已經離開，他們的思考也跟著消失。清單還在，背後的邏輯卻不在了。我們及時發現了，而那還是一家擁有現代化工具、文件習慣也不差的軟體公司。工業公司面臨的是同樣的失誤，代價卻高得多，而退休潮正在加速這一切：那些知道文件和現實如何對應的人，離開的速度比任何人來得及做交接訪談還快。

03檢索正在淪為標配

如果瓶頸在語料庫，整個策略格局就會翻轉。每一次基礎模型發表，都讓所有人的搜尋同時變好一點。嵌入向量很便宜。一個稱職的團隊花一個週末就能做出針對文件的聊天功能。當一種能力以差不多的條件開放給所有廠商，它就不再是護城河。

無法被商品化的，是語料庫裡面的東西。兩家公司可以買到同樣的搜尋，卻買不到同樣的組織記憶。語料庫的品質才是長久的資產，而幾乎沒有人在處理它，因為改善語料庫比查詢它更難，也更不光鮮。

而且情況只會更糟。AI 正在加快各種產出：文件、工單、摘要、程式碼。它們背後的思考，記錄的速度卻跟以前一樣。一家公司產出了什麼，和為什麼產出，這兩者之間的落差每一季都在擴大。

04Tinu 怎麼解決這個問題

Tinu 不在知識庫裡搜尋，它負責產出知識庫。

它擷取的是決策，而不是文件：從團隊原本就在用的工具中蒐集資訊，把找到的內容整理成決策紀錄，包括決定了什麼、為什麼、否決了什麼、由誰負責。接著它會評估每一筆紀錄是否真的完整到派得上用場。當缺少重要資訊時，它會去問最可能知道的那個人，提出一個具體的問題，而不是丟給對方一張白紙。

檢索仍然在上層，而且很重要。但它位於下游。在一個刻意產出、由完整決策紀錄組成的語料庫上做普通的搜尋，勝過在一整個從頭到尾都不含這些思考的資料夾上做世界級的搜尋。

05我可能錯在哪裡

有兩種可能。第一，如果這些思考其實可以從現有的產出物中還原，那麼模型終究可能從夠多零散的「做了什麼」推斷出「為什麼」，到頭來還是更好的檢索勝出。我認為推斷有其極限，因為沒有人表達過的東西無從推斷，但我對這個看法保持一定的謙遜。

第二，如果擷取的成本始終太高。每一波知識管理浪潮都撞上同一塊礁石：人們不會為了記錄而多做事。所以擷取必須幾乎不費力，而且大多自動完成，這也是我衡量每一項功能的標準。如果 Tinu 哪天要求大家改變工作方式，那這份備忘錄就是錯的。