最近，Atlassian 官方博客发布了一篇文章，正式定义了一个新角色：Knowledge Architect（知识架构师）。

如果你的第一反应是”又一个海外新岗位，跟我有什么关系”——这恰恰是我写这篇文章的原因。

这个角色的本质，不是让你去招一个新人。它揭示的是一个正在困扰所有认真做 AI 转型的企业的问题：

你的 AI 为什么总是”答非所问”？不是模型不行，是你的组织知识从来没有被结构化地交付给 AI。

在中国企业的语境中，这个角色大概率不会以独立岗位出现——我们的组织形态更粗粒度，一个人往往同时承担产品、流程、数据、知识沉淀甚至架构设计的职责。但职位可以不出现，能力不会消失。

所以，这篇文章不是介绍一个海外新岗位，而是帮你回答一个问题：

你的组织里，谁在为”AI 能不能用好”负责？如果答案是”没有人”——以下五个能力缺口，就是你的 AI 转型卡住的真正原因。

三个你可能正在经历的场景

场景 A：市场部用 AI 写的内容，品牌调性全崩了

市场团队开始用 AI 生成 Campaign Brief、社交媒体文案、产品介绍。效率确实提升了，但输出的内容跟品牌调性完全不符——因为品牌指南埋在某个共享网盘的第三层文件夹里，AI 根本找不到。

场景 B：新人问 AI 公司流程，得到的是三年前的过期答案

你花了大力气部署了内部知识库 + AI 问答，但新员工问”报销流程是什么”，AI 给出的是 2023 年的旧版本。因为没有人在维护”哪些文档是当前有效的”这个元信息。

场景 C：不同部门的 AI 输出互相矛盾

销售团队的 AI 说产品支持某个功能，客户成功团队的 AI 说不支持。因为两个团队各自维护了一套产品文档，没有人在管”组织级别的唯一事实源”。

这三个场景的共同根因是什么？

不是模型不行。GPT-4、Claude、Gemini 都足够聪明。

问题在于：没有人在设计”AI 应该获取什么上下文、从哪里获取、以什么结构获取”。

Atlassian 把解决这个问题的能力集合，定义为一个角色：Knowledge Architect。

他们的原话是：

“Systems Architects design how technology scales. Knowledge Architects design how context scales across the business.”

系统架构师设计技术如何扩展，Knowledge Architect 设计上下文如何在组织中扩展。

这里的关键词是上下文工程（Context Engineering）——理解如何结构化、策展和交付正确信息，使人类和 AI Agent 都能做出高质量决策。

「填空题咨询观察」： 在我们服务企业进行 Atlassian 云端转型与 AI 落地时发现，80% 的项目卡壳并不是因为模型不够聪明，而是因为企业知识处于“原始森林”状态。而 Knowledge Architect（知识架构师）就是那个帮你定义填空逻辑、梳理上下文的人。

你的组织缺了什么？五个能力缺口自检

以下五项能力，来自 Atlassian 对 Knowledge Architect 核心职责的定义。我把它们翻译为中国企业可以直接对照的”能力缺口检查清单”：

缺口一：没有人在设计”知识怎么流动”

症状：产品文档在 Confluence，品牌指南在飞书，客户案例在销售个人电脑里，决策记录在会议纪要第 47 页。AI Agent 需要写一份客户提案时，它能找到什么？大概率是——什么都找不到，或者找到过期版本。

本质：组织需要有人把知识视为一个不断流动的系统，识别哪里被孤立、哪里脆弱、哪里对 AI 不可见，然后设计结构化的交付路径。

中国企业中谁该补这个能力：产品负责人 / PMO / 数字化转型办公室

缺口二：没有人在定义”哪些事 AI 做、哪些事人做”

症状：有的团队什么都让 AI 做（包括不该自动化的高风险决策），有的团队什么都不敢让 AI 做（因为没有明确的边界）。结果是：要么出事故，要么 AI 投资打水漂。

本质：需要有人制定清晰的人机协作规则——哪些任务适合人类判断、哪些适合 AI 执行、哪些需要人机协作循环。同时识别”角色升级”的机会：当 AI 吸收了常规认知任务后，知识工作者可以向价值链上游移动。

中国企业中谁该补这个能力：技术负责人 + 业务流程 Owner

缺口三：没有人在帮团队”学会喂养 AI”

症状：公司配了最顶级的赛车（AI），大家却只把它当“老头乐”开。员工依然在写只有自己能看懂的随手记，而不是在为 AI 喂养高质量的“燃料”。

本质：缺乏“喂养 AI”的意识。知识工作者需要明白，你今天写下的每一份结构化文档，都是在为未来的 AI 助手注入灵魂。

中国企业中谁该补这个能力：内部培训 / CoE（卓越中心）/ 数字化运营

缺口四：没有人在建”知识基础设施”

症状：公司有几千页文档，但没有统一的分类体系、没有元数据标准、没有内容治理规则。AI 面对的是一堆”信息垃圾场”，而不是结构化的知识库。

本质：需要有人开发一套知识的“交通规则”——分类法（Taxonomy）、本体论（Ontology）、元数据标准、内容治理框架。并且理解 AI 生态系统（LLM、Agent、知识图谱）如何与人类工作流集成。

中国企业中谁该补这个能力：IT 架构 + 知识管理 + 数据治理团队

缺口五：没有人在守护”AI 输出的可信度”

症状：AI 生成了一份报告，没有人知道它引用了哪些数据、是否准确、出了问题谁负责。团队要么盲目信任，要么完全不信——两种极端都在发生。

本质：需要建立反馈循环和验证机制，确保 AI 输出符合组织标准。核心原则包括：

透明性：能否解释 AI 为什么做了某个决策？如果不能，它就不应该自主做这个决策。

护栏：硬性限制是什么？（如：AI 永远不能自动关闭高风险任务；AI 永远不能在没有人类审核的情况下发送外部通信）

问责：当 AI 出错时，谁负责？清晰的所有权防止”甩锅给算法”。

中国企业中谁该补这个能力：合规 / 风控 / CTO Office

为什么是现在？

Atlassian 在文章中给出了一个判断：

“AI models are no longer the moat for your business — Context is. The future competition isn’t about who has more parameters, but who masters Context Engineering to deliver fragmented organizational knowledge to AI in a structured, actionable way.”

AI 模型不再是企业的护城河，组织上下文（Context）才是。未来的竞争不在于谁的模型参数更多，而在于谁能通过上下文工程，把散落在各处的知识，结构化地交付给 AI。

这句话的含义是：当所有人都能用同样的大模型时，决定 AI 输出质量差异的，是你喂给它的组织上下文的质量。

企业花了数百万在 AI 基础设施上，却没有思考知识管理方案——这就是风险所在。最快解决这个问题的公司，将产出更好的 AI 输出、更快建立员工信任、并成功将 AI 工具嵌入整个业务。

如何让“上下文”真正流动起来？ 在 Atlassian 的生态中，支撑这一能力的技术底座被称为 Teamwork Graph。它不只是一个数据库，而是一张动态的“组织关系网”：它能自动识别谁是某个项目的专家、某份文档的背景是什么、这个决策关联了哪些任务。有了 Teamwork Graph，Knowledge Architect 的设计才能从纸面上的流程变成 AI 触手可及的智能。

中国企业的行动路径

回到开头的问题：中国企业不需要招一个叫 Knowledge Architect 的人，但需要补齐这个角色背后的五项组织能力。

具体怎么开始？

第一步：找到你的”上下文起点”

找到你们公司里那个”什么都知道在哪里”的人——每个组织都有这样一个人，同事找不到文档时第一个想到的就是 TA。

问 TA 一个问题：如果 AI 要替你回答同事的问题，它需要先读哪 10 份文档？

这 10 份文档，就是你的上下文工程起点。

第二步：明确”谁为 AI 能用好负责”

不需要设岗，但需要明确责任。在你的组织中，以上五个能力缺口分别由谁承担？如果某个缺口没有人负责——恭喜你，你找到了 AI 转型卡住的瓶颈。

第三步：从一个具体场景切入

不要试图一次性解决所有问题。选一个高频痛点（比如”让 AI 能正确引用品牌指南”或”让新人问 AI 能得到准确的流程答案”），端到端地解决它。这个过程本身就是在建立上下文工程的肌肉记忆。

第四步：把”上下文工程”作为 AI 转型第二阶段重点

第一阶段是工具部署（选模型、买工具、跑 PoC），第二阶段是上下文治理（让 AI 能获取正确的组织知识）。大多数中国企业还卡在第一阶段和第二阶段的交界处——意识到这一点，就已经领先了。

写在最后

Atlassian 的原文最后说：

“If you already have someone in your organization doing this work, acknowledge them and resource them. And if you don’t, consider creating the opportunity. These are the people your AI strategy depends on.”

如果你的组织中已经有人在做这件事——授权他们，给他们资源。如果没有——考虑创造这个机会。这些人是你的 AI 战略所依赖的。

对中国企业而言，你不需要为了追赶时髦去招一个新角色，但你需要回答一个问题：在你的组织里，谁在为“让 AI 理解我们”这件事负责？

原文来源：Why Knowledge Architects Are The Key To AI Transformation— Atlassian Blog, 2026-06-18本文由填空题咨询（Cloze World）翻译解读，结合中国企业实际场景进行分享。

如果您想咨询细节，请点击提交需求 （我们将尽快联系您）。