92歲的寶鋼老領導、信息技術奠基人何麟生先生說：抓計算機就是抓知識。他還說：一個企業可以沒有CTO、CIO，但是要有CKO（首席知識官）。最近若干年，很多企業開始重視知識管理。但是卻往往誤入歧途。就像何老說的“歪嘴和尚念經”。

怎么避免知識管理誤入歧途呢？

企業知識管理的成敗，根本看價值。但是，知識的價值體現在長期，過度重視效益容易導致急功近利。筆者的建議是看應用：被使用的知識就是有價值的。一種常見的失敗做法是：大家都被迫花時間“貢獻知識”，卻沒有人用。所以，筆者的建議是：要推進應用導向的知識管理。

怎樣的知識才有用？對企業來說，納入管理、控制等業務流程的知識才是有用的。這樣，只要有業務活動，知識就會自動被利用。知識有問題時，也容易受到關注，從而促進持續改進。否則，很可能是嘴上說有用，其實沒人用、甚至懶得去看。在數字化時代，業務流程在計算機上走，這個想法就容易落實了。

筆者一直強調，數字化轉型是“用人明白的道理，讓機器做得更好”。落實這個觀點的時候，要與標準結合。在現代化工業企業中，每一道關鍵工序的關鍵輸入、輸出都應該是標準化的。從輸入的角度，工藝參數、操作、原料、設備狀態都要用標準規范；從輸出的角度看，產品質量要標準。這些“標準”就是現代化企業最基本的知識。

進一步的知識包括：標準范圍的拓展，從制造拓展到制造之外；遇到新問題時，應該如何產生標準；執行過程發生超標怎么辦；符合標準的做法很多時，應該如何選擇；標準如何完善？從某種意義上講，這就是數字化、智能化的基礎工作。有了標準，才便于傳承和持續改進；有了標準，才容易轉化成計算機代碼、讓計算機幫助人做事、促進智能化。

其中，標準完善是個長期的工作。標準不一是合適的，標準涉及到的要素、要求和適用范圍都不一定合理，需要長期完善。反之，對標準求全責備，往往是阻礙標準化工作的重要原因。標準的完善往往有賴于信息和知識完備性的增加。比如，對設備信息的采集、設備信息與產品信息的集成，可以優化設備的使用標準。

標準是有體系的。比如，要產品達到特定的標準，就要采用特定的工藝標準；要達到特定的工藝標準，就要有特定的操作、控制和設備維護標準。標準規定了具有可操作性的做法。同樣，把“超標”的處置納入標準體系時，對“超標”的處置也就標準化了的。這樣，標準規定了發生什么樣的意外怎么處置，不需要復雜的推理。這種知識與數字化、智能化技術相結合時，就是我常說的“吳淑珍式的智能”：工業的智能化，依靠的是及時、準確、完整的信息和簡單的、人們容易理解的算法。價值在于發揮計算機速度快、準確度高、一致性強、延遲低、客觀公正等優勢。這種算法往往不需要復雜推理：因為“怎么做”是規定好的。

如前所述：知識管理做得好關鍵是知識要有用；知識有用，就要有應用的途徑、而不是嘴巴上說說；知識在企業應用的途徑，就是業務和控制流程：只要走流程，就會被用；在網絡化、數字化時代，計算機可以獲得充分的信息和知識，故而知識應用過程容易和計算機結合；知識應用和計算機結合，就是工業知識軟件化。工業知識軟件化，就促進了智能化。

筆者一直認為：控制論是自動化、信息化和智能化共同的理論基礎。于是我想按照控制論的邏輯，對知識進行分類。在我看來，控制論的實質就是“感知、決策和執行的統一”。但進入智能化階段，感知往往要轉化成認知，才能與決策和執行統一起來。于是，我的知識分類思路是：

1、對象的知識

“知己知彼，百戰不殆”。管理或控制過程需要了解相關對象的屬性和特點。我把這些知識稱為對象的知識，如零件的數字模型等。這些屬性往往是靜態的，是決策所必須的。在數字化時代，這些知識需要被計算機理解。

2、感知的知識。

世界是變化的，感知就是獲得動態的信息。在傳統的自動化系統中，信息直接從傳感器獲得，談不到知識。所謂的感知知識包括數學模型、數據處理方法等。數學模型的作用是通過已知的變量推算未知的變量，數據處理方法則是獲得更接近真實的信息。

3、認知的知識

在我看來，認知就是判斷對象屬于某個概念的范疇。比如“設備異常”、“煙道堵塞”等。而概念附著相關的信息和知識。所以，認知完成后會自然獲得某些知識和信息。

4、決策的知識

決策的知識往往就是處理算法。有些決策的知識，直接告訴人們怎么做；有些決策知識的核心是模型，通過仿真或者數據計算決策；有些決策的核心是優化算法、便于在有限的時間內找到合理的做法。

5、修正的知識

決策執行過程，可能要對決策進行修正，也可能會對對象知識、感知知識、認知知識進行修正。修正知識對智能化特別重要：因為智能控制往往針對大系統、長期自主運行的系統，而大系統的特性是容易發生變化的。有了修正的保證，才能持續運行。

這些知識分類針對一個智能的行動過程。這樣的知識，就是和“應用”掛鉤了。但需要強調的是：行動過程是可以分成若干層次的。比如，執行過程可能就是一個智能的過程。但我沒有把“執行”的知識單獨列出來：當執行是需要知識的智能化過程時，也可以分解成感知知識、認知知識和決策知識等。

這樣一來，知識管理就可以與相關的平臺融合起來：與工業互聯網平臺結合、與工業大數據平臺結合、與數字孿生技術結合等，把知識管理與數字化一體化。于是，知識管理可以和數字化轉型一起推進、把標準管理與知識管理統一起來，在應用和行動中促進知識管理。