Thomas H. Davenport 与 Viktor Dörfler 在 2026 年 7 月发表于《MIT Sloan Management Review》的研究，访谈了八家消费类企业的客户与市场洞察负责人，以及若干工具供应商。结论并不站在技术一边：生成式 AI 与 RAG 确实让员工能用自然语言访问内部内容，但「只关注存储和访问知识」的公司，正在重犯上一代知识管理犯过的错误。
技术解决了访问，没解决流动
作者回顾 Lotus Notes 与 SharePoint 时代：工具提供了更广的访问，但组织壁垒、术语不一致、无人维护的内容，以及部门间缺乏协作，往往让知识管理项目收效有限。今天这些文化障碍依然存在。真正该被设计的是「知识流动」——洞察如何产生、分析、保存与取用，而不只是把文件放进一个能被检索的地方。
四个不是技术问题的问题
文中列出四类障碍：跨国与跨事业部缺少统一命名与口径，导致「知识是一 pockets 零散、互相矛盾的数字」；决策者并不真正消费这些洞察，缺少使用文化；外部代理公司持有数据与结论，企业只剩数据、没留下学习；分析职能被视作低阶「接单方」，用户仍把系统当图书馆，很少贡献内容。一家企业买了 GenAI 工具却只在少数几个国家用起来，原因不在模型。
Novartis 是正面案例：它把答案定位到具体文本行或视频时间戳，要求上传内容遵守严格的格式与质量治理，并设立专家维护的专题知识区，一年省下超过 2900 万美元的重复市场调研支出。P&G 则选择外部工具做存储、自己建分析与分类系统，为的是得到「明确、有指向的答案」，而不只是文档链接。
对正在搭建企业知识库的团队，这篇文章的价值在于把视线从模型拉回组织：谁拥有内容、谁维护口径、谁对答案负责，决定了系统一年后是否还有人用。工具供应商可以交付检索，但交付不了知识责任。