這個類別真正的分水嶺，已不再是「有沒有 AI」——現在幾乎所有產品都有。真正有意義的區別在於：一個平台是從第一天起就圍繞 AI 就緒的知識來打造，還是只是一個後來外掛聊天機器人的前 AI 時代 wiki。

這個區別如今之所以重要，原因在於技術層面：大多數企業 AI 助理的運作方式，是從公司自己的頁面中檢索相關內容，並以此為基礎來生成答案——這種方法一般稱為檢索增強生成（retrieval-augmented generation）。因此，答案的品質受到底層內容的品質、新鮮度與結構所限制，這也是為什麼知識庫的整潔與維護，已悄悄成為 AI 基礎架構問題，而非文件管理的事後補救。

這種差異在內容開始累積後很快就會顯現：以協作為優先的工具會隨著團隊成長而堆積過時、重複的頁面，而疊加在這片混亂之上的任何 AI，都會全盤繼承這些問題——包括自信滿滿地重複已不再正確的資訊。

以下有些平台本質上仍是「給人看的文件」再外加 AI；有些則是重新打造、或從零開始，圍繞完全不同的前提而建。以下是十個目前實際投入使用的平台。

Notion（搭配 Notion AI）

Notion 的吸引力始終來自靈活性：一個可以化身為 wiki、資料庫、專案追蹤器，或三者兼具的工作空間，取決於團隊如何使用，且幾乎不從外部強加任何僵化的結構。

Notion AI 疊加其上，作為一個相當便宜的附加功能，讓使用者可以提問，並直接以團隊已寫下的內容為基礎獲得答案，同時提供摘要與草稿撰寫協助。

如果團隊的知識已經存在於 Notion 中，這通常是絕佳價值，且無需任何遷移。但誠實的問題在於：它會繼承工作空間中既有的任何混亂，因為 AI 的條理程度取決於其下的頁面。

Confluence（Atlassian Intelligence + Rovo）

Confluence 最初是一個簡單的團隊 wiki，如今已演變為規模大得多的平台，尤其是在與 Rovo 搭配之後——這是 Atlassian 較新的 AI 代理層，可與 Jira、Loom 及 Atlassian 生態系統的其餘產品協同運作。

Atlassian Intelligence 在既有 wiki 結構之上，加入了自動會議記錄摘要、內容建議與自然語言搜尋——這些功能對於已在 Confluence 中處理日常專案工作的工程與產品團隊而言意義重大。

它的真正優勢在於文件與活躍開發並存的場景。其限制是，對於從未被寫成頁面的隱性知識，它的捕捉能力明顯較弱。

這正是 Confluence 的核心取捨：對於以工程與產品團隊為主要知識消費者的組織，它是天作之合；但對於知識本來就不以結構化頁面形式存在的部門，它就不是那麼明顯的選擇。

Guru

Guru 建立在一個簡單、刻意收窄的理念上：知識存在於經過驗證並持續更新的「卡片」中，而 AI 的職責是在對的時刻，把對的卡片呈現給對的人——而不是扮演橫跨全公司的通用 AI 搜尋引擎。

這使它對必須保持準確的精選結構化知識（內部 SOP、業務支援材料、客服腳本）特別強悍，正是因為每張卡片都有專人負責維持正確。

其限制——連 Guru 自己的擁護者也承認——是它在本質上仍需要人來把事情寫下來；如果沒有人記錄某個流程，Guru 就無從呈現相關內容。

Bloomfire

Bloomfire 積極投入它所謂的「企業智慧」（Enterprise Intelligence），而非單純的知識儲存，其定位圍繞治理、內容可靠性，以及隨組織變化主動自我修正的知識，而不是在背景中悄然過時。

它在這種治理意義上的就緒度曾獲獨立評比高度肯定：自動化的內容健康監控、權責追蹤與對話式 AI，整合為一個營運層，而非三個各自外掛的系統。

這種定位之所以重要，是因為 Bloomfire 瞄準的是與 Notion 或 Guru 略有不同的客戶：一家曾被 AI 專案燙過手的企業——那些專案失敗不是因為模型不好，而是因為餵給它的知識基礎，是一團從未被實際衡量的混亂。

Document360

Document360 的定位建立在一件它做得格外好的特定工作上：精緻的對外文件——說明中心、產品文件與客戶或外部使用者實際會瀏覽的入門材料，而不僅是內部團隊使用。

其 AI 輔助搜尋幫助人們快速瀏覽大型文件庫，而它也正是在這種對外使用場景上建立了良好聲譽，而非內部問答。

如果手頭的工作是建立一個乾淨、專業、內建紮實 AI 搜尋的說明中心，Document360 往往是較專注的選擇之一；但如果需求是內部的 Slack 問答，它的目標就完全不同了。

Tettra

Tettra 刻意保持輕量：一個結構化的內部 wiki，搭配一套使用 AI 呈現既有答案的問答系統，讓人不必一個月內第三次向同事問同樣的問題。

它在營運上的獨特之處在於它所在的位置：直接在 Slack 內回答問題，而不是要求任何人離開手邊的工具、前往另一個目的地查詢。

對於不需要 Bloomfire 那種治理份量的中小型團隊，Tettra 的吸引力主要在於那種低摩擦的「答案就在你們交談的地方出現」的特質。

Shelf

Shelf 的出發點與上述大多數平台截然不同。它明確建立在這樣的理念上：AI 代理從知識庫中需要的東西，與人類需要的不同。

人可以略讀、推斷、容忍文件中一定程度的模糊；而代理需要結構、可追溯性與無歧義的依據，否則它會自信地生成錯誤答案，而不是標示出不確定性。

Shelf 專注於主動去重、持續的新鮮度監控，以及對每個 AI 生成回應的來源可追溯性，將受治理的資料品質視為產品本身，而不是疊在傳統 wiki 上的功能條列。

這也提醒我們：為「生產環境中的 AI 代理」打造的工具，與為「瀏覽 wiki 的員工」打造的工具，正日益分化為不同的類別——即使兩者在技術上都被稱為知識管理軟體。

KMS Lighthouse

KMS Lighthouse 的聲譽特別建立在受監管、高風險的服務環境——醫療、金融、電信與客服營運——在這些場景中，員工需要的是從內部文件中提取的精確、立即正確的答案，而非聽起來合理的摘要。

它不那麼像通用職場 wiki，更像一個直接接入即時客戶互動的營運工具：呼叫中心人員在對話中倚賴的系統，而不是會議之間隨手瀏覽的東西。

這種垂直化、精確優先的聚焦，正是它與試圖一次服務所有部門的廣泛水平平台之間的全部差異所在。

Microsoft SharePoint（搭配 Copilot）

SharePoint 的優勢與其在 Microsoft 生態系統中隨處可見的優勢相同：與 Microsoft 365 其餘部分的深度原生整合、基於角色的存取控制、版本歷程，以及受到高度監管或複雜的組織在文件管理上已經仰賴的工作流程。

在其上疊加 Copilot，則在人們日常使用的應用程式內直接加入知識卡片與自然語言檢索，而不是要求員工造訪另一個目的地。

獨立評論中反覆出現的批評是：若沒有專職 IT 支援，設定與權限管理可能相當耗時，且回應準確度有時需要人工覆核，才能據以行動。

Coworker AI

Coworker AI 追求的是上述大多數平台並未真正觸及的問題：大多數組織知識從未被寫下來的現實。

它存在於 Slack 討論串、業務通話錄音、CRM 備註，以及那些在組織待得夠久、記得事情實際如何運作的人的腦海中。

其架構在超過一百個連接工具之間建立持續更新的知識圖譜，捕捉員工實際做了什麼、說了什麼，而不只是某人花時間正式記錄的內容。

它明確不是 Notion 或 Confluence 那種以文件為中心的知識庫。誠實的定位是：它作為那些工具在結構化文件方面的補充，同時涵蓋那層更龐大、更混亂、原本就不可能被寫下來的知識。

來源：Metaverse Post