Airbnb CTO的一线教训：企业AI知识库并非越大越好

参与打造初代iPhone、带队做出Meta Llama的Ahmad Al-Dahle出任Airbnb CTO后，主导了一个看似朴素的项目：Project Everest，目标是给AI工作助手搭建一个真正的公司大脑。近日他在播客中公开了项目实践中的三个反直觉发现，直接挑战了行业里知识库越大AI越强的固有认知。这些一线教训，对所有正在建设企业知识库与智能体系统的团队都极具参考价值。

为什么AI缺的是老员工的判断

项目出发点源于每个职场人都熟悉的场景：老员工离职时，新人攒了一肚子问题没人可问。系统为什么这样设计、这条规则该套哪条政策、哪些坑大家都懂却从未写进文档——这些内容只存在于离开者的头脑中。AI智能体不缺推理能力，缺的恰恰是这些隐性经验。新员工靠问老人学会，而智能体无人可问，因此Airbnb选择从真实工作流中自动捕获知识，而非要求员工重新写一遍文档。

三个反直觉发现颠覆常识

实践中撞出的三个发现值得深思。其一，知识捕获只是开始，让它持续有用更难——人与智能体不断往库里添加内容，知识会过期、会互相冲突。其二，一条过时规则会污染整个库：人面对存疑规则会怀疑它是否早已修改，而智能体会当真、自信地执行，并给出看似专业的理由。其三，也是最难接受的：一次性给模型看太多资料，反而让它变蠢。塞二十份文档，不如只给三份当下正确的。

知识分层与治理的落地之道

从多年产业实践经验来看，这三个坑指向同一件事：企业知识需要分层治理。第一层是结论，即制度、流程与FAQ，公司有但没人看；第二层是做法，具体怎么操作，散落在老员工手中；第三层是判断依据，为什么这么做、什么情况下可以破例，几乎只存在于个人头脑中。以合同审批为例，超过五万走法务是结论，而老客户续约走快速通道的例外从未写进制度，人一走例外就消失，智能体只会死板执行规则然后被业务部门抱怨。落地时必须建立知识有效期机制，明确规则变更后由谁负责标记作废；给模型的知识必须经过筛选，按需检索刚好够走的下一步，而非全量灌入；同时用真实业务指标而非token用量来验证提效。

知识库不是仓库，是活的系统

AI时代知识管理的敌人不是遗忘，而是过期——遗忘是知识没了，过期是知识还在但已经错了，而AI会把它当真。公司大脑这个词其实暗藏风险：大脑会遗忘、会自我怀疑，主动清理无用记忆；而知识库只会累积，你造的可能只是一个只进不出的仓库。对个人的建议同样务实：把工作中的为什么留下来，为什么选这个方案、排除了哪些选项、什么情况下可以破例，这是给自己的判断力留证据。AI时代最不容易被替代的，恰恰是知道什么时候不该按规则来。

Airbnb的经验告诉我们，企业AI知识库的成败不在文档数量，而在知识的时效、筛选与判断力沉淀。先回答知识有效期、资料筛选与真实提效指标这三个自查问题，再谈规模扩张，才能真正让知识在人与AI之间高效流动。