今年8月，AI智能体向运行在Mintlify平台上的文档网站发起了2.57亿次请求，而人类用户的页面加载量仅为1.31亿次。如今，AI智能体读取企业知识的频率已接近人类的两倍。但这并不意味着人类开发者已不再阅读文档；他们只是把更多工作交给了AI。比如，开发者让编程智能体接入某个API，买家让聊天机器人比较不同供应商，或者客户向客服机器人询问为何付款失败。

当然，我所在的公司Mintlify可能会直接受益于这一观点。但事实仍然是：为了回应上述请求，这些AI智能体都会查找你公司的文档、帮助中心和政策说明；它们会把找到的内容直接按照字面意思采纳，并据此作答。

这意味着，企业文档的受众已经发生了根本性变化，但大多数公司仍然在为过去的受众撰写文档。

每家公司都有一些看似权威、实则并非如此的知识内容。比如，一个月前有人认真编写了一份安装指南，之后却再未进行更新；又或者，一个定价页面实际上已经和更新后的帮助中心内容相互矛盾。人类读者可能会察觉异常，并向同事核实；AI智能体却不会。它会直接采用找到的版本，将其中的信息写进代码或客服回复中，并在问题被发现之前，将同一个错误重复成千上万次。

开发者已经感受到了这种痛苦。近期一项研究发现，66%的开发者提到的首要烦恼，是AI生成的内容“近乎正确，但实际上仍有错误”。其中一部分问题确实出在模型本身，但根据我的经验，很多问题也出在我们提供给模型的材料上。

那么，这个问题究竟该由谁负责？在大多数公司里，答案是：无人负责。长期以来，文档一直被当作一种发布工作来处理；在读者能够自行补足缺失信息的时代，这种方式尚能奏效。但随着AI智能体越来越多地成为文档的读者和写作者，这套流程已经无法大规模适用。

正在形成的新模式，反而更像是基础设施建设。必须有人在两个信息源发生冲突时，判断哪一个才是权威版本；必须有人把产品变化和描述这些变化的内容连接起来，确保文档与产品更新保持同步；还必须有人以方便智能体准确检索的方式来组织信息，并跟踪智能体在搜索什么内容、未查找到哪些内容，因为这些知识缺口本身就是一种直接信号，能反映出客户会在何种情况下获取错误答案。

我把这称为“知识工程”。它不再侧重于制作页面，而是更关注如何确保公司的知识始终准确、及时，并同时为人与机器所用。

这与放射学领域正在发生的角色转变相似。2016年，被称为“AI教父”的杰弗里·辛顿曾表示，应该停止培养放射科医生，因为AI会淘汰这个职业。但实际情况并非如此。作为最积极采用AI的医疗机构之一，妙佑医疗国际（Mayo Clinic）在2016年至2025年间将放射科员工人数增加了55%；2025年，美国放射科住院医师培训项目提供的岗位数量也创下历史新高。黄仁勋曾指出，悲观者会误认为，看影像就是放射科医生的全部工作。实际上，如今放射科医生减少了看医学影像的时间，增加了花在患者身上的时间，且这类岗位的需求还在增长。

真正需要改变的是衡量成功的方式。页面浏览量和页面停留时间能够反映人类用户的交互情况，却几乎无法证明AI智能体是否得到了正确答案。真正把这件事做好的公司，关注的则是另一套指标：智能体在搜索什么内容、哪些检索没有结果、哪些信息源彼此矛盾，以及产品变更多快能同步反映到知识库中。

过去，企业文档只是供人查阅的参考资料。如今，它已成为机器采取行动所依据的底层数据，而且往往无需人类介入。最终能在这场变革中胜出的，必将是那些将企业知识视为基础设施来运营的公司——因为在AI时代，知识本身就是基础设施。（财富中文网）

本文作者王翰（音译）为Mintlify联合创始人兼首席执行官。

Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。

译者：刘进龙

审校：汪皓