「游戏技术总监」AI破解企业知识管理3大痛点：数据孤岛/流程僵化/创新低效（PPT+逐字稿）—GGS2025 | 胡扯 AI

calendar 2025-04-17 · 7 分钟阅读 · gamenote ai ggs2025 conference
「游戏技术总监」AI破解企业知识管理3大痛点：数据孤岛/流程僵化/创新低效（PPT+逐字稿）—GGS2025 | 胡扯 AI

2025年4月11~12日，我在广州参加了 GGS 2025 第四届全球游戏峰会 并做了主题演讲。

两天的会议，我全程听完，使用 AI 工具做了会议记录，同时人肉拍摄了每一张幻灯片。

幻灯片已经分享到胡扯群中， 相信群友们已经看到了。

我会将会议上精彩的演讲整理出来，包括问答形式的要点，演讲逐字稿，以及演讲 PPT。欢迎大家阅读和分享：

今天分享的是某游戏厂技术总监的演讲：用GenAI提升员工体验：破解企业效能困境。

重要信息

演讲者

某游戏厂技术总监

演讲时间

2025年04月11日 14:11

关键词

大数据 生成式AI 提效 企业项目 员工体验 开发者体验 智能化程度 知识搜索 智能客服 内容生成 私有知识 知识工程 业务规则 代码知识 数据处理 用户交互

  • 重要信息

  • 演讲者

  • 演讲时间

  • 关键词

  • 全文概要

  • 要点问答形式回顾

  • 大企业中的 AI 提效困难：数据分散、流程机械、创新固化

  • 对员工的不良影响

  • 中台化和生成式 AI 解决方案

  • 业务负责人重构技术债

  • 生成式 AI 与机器学习的比较

  • 生成式 AI 提升投产比的场景

  • 如何利用企业私有知识

  • 数据治理的现状和概念演进

  • 代码萃取和构建代码知识

  • 代码地图的实际应用场景

  • 数据孤岛解决方案的局限性

  • AI 应用的挑战

  • 原文逐字稿+PPT

全文概要

在面对 数据分散、流程机械化、创新接入难 以及员工体验不佳等问题时，某游戏厂技术总监分享了利用AI提升效率的策略。

他提出通过生成式AI解决传统方法的局限（如劳动力转移效率不高、不够敏捷等），以智能化程度高、应用门槛降低和大幅提升投入产出比为优势，进行构建知识工程、数据治理、知识搜索、智能客服、内容生成和自动化等 AI 实施工作。

同时，他强调了实施AI的挑战，如企业内部的统筹、员工对AI的信任缺失以及工作方式的固有难题，强调持续迭代和投入的重要性，以及培养懂AI和业务的人才的必要。

要点问答形式回顾

大企业中的 AI 提效困难：数据分散、流程机械、创新固化

在大型企业中，你们如何利用AI来提升效率，并且在实际工作中会遇到什么样的困难？

我们会在项目方面运用AI技术提升效能，比如通过AI工具帮助削减人力成本。在实际工作中，会面临组织项目与员工体验方面的挑战：

  1. 企业扩张时数据分散在数百个独立系统中，形成“信息黑洞”，员工每天花费大量时间寻找信息；
  2. 流程随着公司规模扩大而机械性叠加，增加了文档编写的需求，文档增多又进一步消耗查找时间；
  3. 企业在长期发展过程中，解决问题的路径变得固化，使公司整体效率明显下降，影响创新能力。

对员工的不良影响

这些问题具体对员工体验造成了哪些不良影响？

这些问题导致员工协作不顺畅、频繁进行重复性工作（如取数据、生成报表、做会议纪要等）、沟通不畅以及工作效率低下，从而抑制了员工的积极性和创新能力，形成恶性循环。

中台化和生成式 AI 解决方案

生成式AI如何解决这些痛点问题？

传统解决方法如中台化虽然能一定程度上提高效率，但存在劳动转移、响应不敏捷等问题。而生成式AI能够更敏捷地响应业务和市场变化，例如通过AI快速迭代和创新，解决厦门问题时无需额外投入大量人力，显著提升效率。

业务负责人重构技术债

在企业中，为什么业务负责人通常不会自己去做技术债务重构这样的工作？

因为业务负责人追求的是业务增值和增长，他们认为投入人力去做技术债务重构这类事情不如专注于项目本身，且这类工作的ROI不够高。

生成式 AI 与机器学习的比较

生成式AI相较于传统机器学习有哪些特点和优势？

生成式AI具有更高的智能化程度，降低了应用门槛，不再仅限于传统算法工程师使用。现在许多具有研发背景甚至没有太多研发背景的同学也能开展生成AI 的落地工作，并且能够大幅提升企业私有化数据的价值。

生成式 AI 提升投产比的场景

生成式AI在企业内部可以应用于哪些场景以提升投入产出比？

生成式AI在企业内部的应用场景包括知识搜索（解决找东西耗时问题）、智能客服（面向玩家和企业内部）、内容生成（美术、文案、代码等）以及重复工作的自动化（数据查询、日志调试等），还可以优化流程，减少步骤并实现自动化操作。

如何利用企业私有知识

如何充分利用企业的私有知识来落地AI项目并提升效率？

首先要明确员工最耗时的工作，并评估学习新代码所需时间及团队知识管理成熟度。

接着评估AI代码覆盖率，保证AI在代码编写过程中的参与程度，并关注质量相关的研发指标。

此外，统计员工对AI问答功能的依赖程度，通过具体数据来衡量知识库的价值和使用深度。

数据治理的现状和概念演进

对于数据治理，现状如何以及概念上的演进是什么？

大多数企业难以做好数据治理，因为数据质量的价值难以清晰界定。

因此，概念上有所演进，提出了“知识工程”，即通过系统化治理、挖掘、应用、管理和迭代企业内部的知识数据，构建AI运行的知识体系，这涵盖了结构化数据、非结构化文本、领域知识、业务规则等多种类型的数据，并将这些数据应用于研发支持等组织过程中，进行数据处理和存储，提供API供上层应用使用。

代码萃取和构建代码知识

在代码仓库中，如何进行代码的萃取和构建代码知识？

我们会首先解析办公目录结构，然后利用大模型帮助自然语言解读函数和模块的命名及含义。

由于研发人员 通常较少编写文档， 所以语义解析对于理解代码至关重要。

接着构建复杂代码仓库中的调用链和关系图，并最终生成代码仓库级别的代码地图，以支持代码生成、数据分析和代码理解等应用场景。

代码地图的实际应用场景

代码地图在实际工作中有哪些应用场景？

代码地图能在代码理解上帮助新人更快融入项目，通过问答方式学习项目的重要模块、技术实现以及上下游关系。

此外，它还能辅助QA更有效地测试大型软件仓库中的代码变更，确保版本稳定性，并通过可视化呈现技术债务，帮助研发团队更有针对性地解决代码债务问题。

数据孤岛解决方案的局限性

面对数据孤岛问题，传统解决方案存在哪些局限性？

传统解决数据孤岛问题的方式如数据集成平台，存在ROI不高、沟通成本高、数据治理难以落地且效果价值不易衡量等问题。

而借助 MCP 或 Agent 架构思想，可通过建立每个业务的数仓和MCP Server，实现数据通过统一接口获取，同时管理元数据在一个数据地图中，从而以轻量级方式解决数据孤岛问题。

AI 应用的挑战

在AI应用过程中，除了工具问题外，还有哪些挑战需要关注？

  1. 企业内部统筹和推进AI战略，避免局部最优解成为全局最优解；
  2. 解决员工信任缺失问题，以解决痛点为主提升效能；
  3. 培养懂AI、懂业务的人才，以更好地推动AI创新和应用落地；
  4. 强调知识工程的重要性，持续迭代并投入人力，管理好企业的重要资产——数据；
  5. 以及解决固有工作方式与AI应用之间的冲突。

章节速览、原文逐字稿+PPT（VIP 群获得）

扫码了解胡扯 VIP，获得胡扯知识库海量资源。

深圳闭门沙龙：避开全球广告反垄断审查的7条红线

4 月 23 日，Singular Growth Masterminds 将来到 深圳， 携手 PubMatic、Remerge 和 Yeahmobi 共同举办出海闭门沙龙，邀请行业专家与出海企业代表，聚焦全球广告市场的突破性增长与海外变现新机遇，深入探讨 2025 年的移动行业趋势助力品牌构建可持续增长策略。

圆桌分组交流讨论，商业演讲时间严控 10 分钟内，HelloTalk 数据负责人专场半小时讲述出海实践。游戏及应用出海企业深入沟通，分组赛制比拼，全程趣味互动，礼品 & 欢乐满满！

图片

曾老师去年主持过沙龙的武汉场，非常欢乐：

图片

胡扯 AI 群，匹配游戏小团队创业，关注 AI 嵌入游戏工作流

当听到地铁上有人聊 ChatGPT，当 DeepSeek 把 OpenIAI 和 Gemini 卷到打骨折，当百度开源文心一言，我知道，将 AI 全面嵌入工作流的时机已经成熟了。

曾老师会持续专注于将 AI 深度整合进入工作流，有兴趣折腾的朋友可扫描下方二维码，一起在游戏创业路上持续精进。