看到同行上线 AI 客服、AI 助手、AI 知识库，很多企业也急着上马。但 AI 应用的效果，不取决于模型多强，而取决于知识库多成熟。知识库成熟度不够，AI 应用就是空中楼阁。上马之前，先做一次成熟度评估。
评估维度一：数据源盘点。 企业知识分布在哪些系统？OA、CRM、ERP、网盘、邮件、Wiki、本地文件？哪些系统有 API？哪些只能人工导出？哪些更新频繁？哪些权限复杂？如果数据源都没盘清，知识库建设就是盲人摸象。成熟度高的企业，有明确的知识地图和数据源清单。
评估维度二：文档治理水平。 文档是否有统一命名规范？是否有版本管理？是否有过期清理机制？解析准确率如何？扫描件、表格、多栏排版能否正确处理？如果文档治理还停留在“文件夹里随便放”，AI 应用上线后必然“答非所问”。文档治理是知识库的地基，地基不牢，模型再强也白搭。
评估维度三：权限体系。 源系统是否有清晰的权限模型？知识库能否继承？是否有字段级权限？是否有审计日志？如果企业连源系统的权限都混乱，AI 应用只会放大风险。权限成熟度低的企业，建议先做权限治理，再上 AI。
评估维度四：更新机制。 知识更新是自动同步还是人工导入？有没有版本管理和过期策略？有没有变更触发机制？如果知识库三个月不更新，AI 应用就会“说错话”。更新机制成熟度，决定 AI 应用的时效性。
评估维度五：场景清晰度。 上 AI 要解决什么问题？是客服问答、销售支持、研发检索，还是 HR 政策咨询？场景是否高频？边界是否清晰？用户是否明确？如果场景模糊，AI 应用就会变成“万能聊天框”，什么都做，什么都做不好。
评估维度六：运营与评测能力。 有没有知识运营角色？有没有评测集？有没有用户反馈闭环？有没有定期巡检？没有运营和评测，知识库上线即巅峰，之后持续衰减。AI 应用不是一次性项目，而是持续运营的系统。
成熟度分级参考。 一级：文档散落，无治理，无权限，无更新机制。二级：有部分文档集中管理，但版本混乱，权限靠人工。三级：有知识库雏形，有基本权限和更新流程，但评测缺失。四级：知识库治理规范，权限继承源系统，有更新和评测机制。五级：知识库持续运营，有反馈闭环和自动化管道，AI 应用可规模化扩展。三级以下建议先做知识库治理，不要急着上 AI。
评估之后做什么。 如果成熟度低，先补短板：盘点数据源、治理文档、建立权限、设计更新流程。如果成熟度中等，选一个高频场景做试点，跑通“治理—检索—问答—评测—反馈”闭环。如果成熟度较高，可以规划多场景扩展。无论哪一级，都不要跳过知识库治理直接上 AI。
AI 应用的上限，由知识库成熟度决定。模型可以买，API 可以接，但知识库治理、权限管理、更新机制和运营能力，买不来。先评估，再上马。知识库成熟度不够，AI 应用只会制造更多混乱。