编译丨拓扑社 原野
面向企业的服务形式中有一种叫”企业内容管理”（Enterprise Content Management）又或者称之为“ECM”。
这个系统在过去几年中发展出来了好几种不同的方式。Taxonomy，Search Engines（搜索引擎），Aspects，Categories 以及 Tagging，它们都有被各种公司使用。而如今的 ECM，在系统不断升级，软件不断迭代的今天，已经演化成为了一种“企业内容智能化系统”，给用户带来巨大的价值，比如方便人们知道哪些文件被使用的次数最多，这些文件的有用性在大家口中的评价如何，对最有用的文件的优先级排序，冗余文件的删除，以及其他能够提升内容管理的各种各样的方式方法。
智能化的出现，使得人们的注意力从“管理文件本身”转移到了“获取洞见”上面。在 ECM 系统上，其实还存在若干可以提升的空间。比如：
终端用户也许在打标签的时候拼写单词错误，使用了同义词，缩略语等形式，这一切都会带来语义上的模糊，相关重要信息的丢失；
如果终端用户没有提供足够多的“标签”或者其他形式的“元数据”，那么专家在面对如洪水袭来的数据面前就会一下子手足无措；
迄今为止，目前还是不存在什么妥善的解决方案，在基于搜索目的的前提下，将文本的所有语义结构进行全面的索引；
传统搜索无法给用户他们想要的东西，有些时候用户自己也不知道他们想要什么；
而企业内容管理系统还需要在下面的几个方面做得更好：
持续不断地监控文件，从中寻找到重复内容或相似内容进行移除，这样可以释放空间，降低过时信息出现的概率；
针对包含了个人身份认证信息（PII）、私人健康信息（PHI）或者支付卡片信息（PCI）的未加密文件，系统进行自动搜索来满足合法合规性以及保证数据安全；
通过将最经常使用的文件和数据进行高效地整合，从而提升整个内容管理流程上面的效率。
人工智能将如何改变 ECM ？
要回答上面的问题，我们首先得回归到这个问题上面：在过去，分析算法可以很好解决结构化的内容，那么没有结构化的海量数据将如何被人工智能所加以利用呢？
下面的这些领域，是人工智能可以发挥价值的地方，并且具备了足够强大的洞察能力。
① 发现任务
现在，让我们展开想象力，想象存在这样一款人工智能工具，它能够在 ECM 系统中分析文件和其他内容，然后自动地将它们编入到某个工作流当中，并且搭上了备注：“请在这里创建一棵树”，“请把次页面填充完毕”，“请重新对这些文件源命名”，甚至会基于系统中已有的一些内容，为缺失的部分提供最具有借鉴意义的内容。
② 为管理提供辅助功能，并鼓励最优行为
目前，在内容撰写、内容理解、及派发领域中，绝大多数现代 ECM 系统都具备了一定的规则和流程。而一个具备了人工智能技术的系统，可以分析这些内容，并将它与过去所见过的某种模式相挂钩，如果这个内容与某些受众相关，这个系统会自动推送或者提醒这些用户查看。
还有，内容作者为了获取到更为理想的受众，系统也会推荐他使用哪些标签才能获得更好的效果。
③ 聊天和通讯
基于人工智能技术的聊天机器人，当用户正在应用某些内容管理功能的时候，它随时待命为你服务。在过去，用户往往在面对浩如烟海的内容时手足无措，不知道接下来该干嘛，又或者其他的用户在面对这样的情境时会选择怎么做。一款以人工智能技术为支撑的聊天机器人就能解决这样的难题。
④ 跟其他的人工智能实现对话
目前，绝大多数的人工智能系统现在倾向于解决一个问题，就单纯的一个问题而已。而以 Amazon Alexa 和 Google Nest 为代表的少数产品把问题的解决方案提升到了另外一个层次：它们可以将灯的开关和其他家居联网设备进行关联。同样，ECM 系统也可以通过与其他的人工智能系统进行连接，实现类似的效果。
⑤ 加速推动 A/B 测试
A/B 测试当中涉及到了大量的排列组合，而这本身就是人工智能系统最能发挥价值的地方，传统的 ECM 系统结合上人工智能后，可以在系统内，对已存储的数据同时进行多个 A/B 测试，大大加快其进度。
在 ECM 领域应用人工智能技术还存在哪些挑战？
尽管上面说了这么多的好处，但是还是存在某些因素，阻碍了该技术的进一步普及。
总结
人工智能成立的前提是行为可以被预测，同时还因为现在出现了海量数据可以用来进行价值挖掘。但是，这里要注意的是：不是说数据是百分之一百准确的，也不是说人们的行为是百分之一百的理性，是完全可以预测的，所以我们在短期内，不可能将所有的决策，流程全部都依赖于人工智能。尽管内容开发对于 AI 来说已经是一个极易完成的目标，但是它仍然无法将人类的情感，某些价值写到内容当中。
在可预见的未来，人工智能将结合 ECM 系统，使其价值进一步放大，具体体现在：面向程序员、作者、营销人员提出正确的问题，帮助他们去写出优质的内容，连接形形色色的人工智能应用，知道如何去利用原始数据来发开一个更加明智的内容开发和管理战略。
— END —
