很多公司都有一个相似的场景：一个流程在 Word 里，一次汇报在 PPT 里，一张台账在 Excel 里；后来又有人把它们发到群里、存到共享盘里、复制到新的模板里。
人还能勉强靠记忆和文件名找到东西。AI 不行。
AI 要稳定回答问题、整理资料、追踪版本，不能只靠一堆附件。它需要知道：这句话来自哪里，哪个版本有效，谁负责维护，和哪些流程、制度、项目有关。
这也是 Gissing Wiki 要解决的问题。它不是把文档换个地方存，而是把企业知识从“文件”整理成更容易被人和 AI 一起使用的结构。
文件很好用，但也把知识锁住了
PPT、Word、Excel 当然有价值。
PPT 适合汇报，能把观点讲清楚。Word 适合正式成文，制度、通知、方案都离不开它。Excel 适合计算和表格管理，尤其是财务测算、临时分析、数据模型。
问题出在另一个地方：企业日常沉淀的很多内容，已经不只是“给人看一次”的文件了。
一份流程说明，以后新人会问；一次项目复盘，其他部门会引用；一张问题闭环表，需要持续更新；一个术语定义，多个团队都要用同一个口径。
这些内容如果继续散在文件里，时间一长，就会出现几个老问题：
•同一件事有多个版本，没人确定哪个才是最新；
•结论在 PPT 里，依据在另一个 Excel 里，会议记录又在群文件里；
•新人只看到结果，看不到当时为什么这样决定；
•AI 能读到文件，却很难判断结构、来源、权限和责任人。
对人来说，这是找资料慢。对 AI 来说，这是无法可靠工作。
AI 需要的不是漂亮文件，而是可操作的知识
传统办公软件优先照顾人的编辑习惯：自由排版、截图、复制粘贴、合并单元格、颜色标注、临时备注。
这些功能让人写得快、看得顺。但 AI 要处理这些内容时，经常会遇到麻烦。
截图里的文字不一定能稳定识别。合并单元格让字段含义变得模糊。PPT 一页讲一个观点，但数据来源和判断过程容易丢。Word 长文档适合归档，却不方便把其中一个定义、一个流程节点、一个风险提示单独拿出来复用。
所以，下一阶段的企业知识系统要多做一层工作：让内容有清楚的标题、章节、字段、来源、版本、权限和引用关系。
人仍然要读得顺。AI 也要读得准。
Gissing Wiki 要承担什么角色
Gissing Wiki 的定位，可以理解为企业知识的工作台。
它保留文章式阅读体验，同时把内容拆成更稳定的知识结构。一个页面不只是正文，还应该带着来源、适用范围、相关页面、术语解释、版本记录和必要的权限边界。
这样做之后，AI 才能更可靠地完成几类工作：
•根据制度、流程和历史记录回答问题；
•把会议纪要整理成可追踪的行动项；
•对比两个版本，指出变化位置；
•从多个页面提取管理层摘要；
•发现台账缺字段、缺责任人或缺来源；
•在权限允许的范围内，协助更新页面并保留记录。
这件事的重点不在“页面像不像文档”，而在页面背后有没有可维护的知识结构。
PPT 可以变成决策页面
很多 PPT 只在汇报那一刻有用。会后再打开，往往只剩下结论页和几张图，背景、依据、讨论过程、后续责任很难完整追溯。
更适合进入 Wiki 的 PPT，可以改成“决策页面”。
封面变成标题和摘要，目录变成章节导航，背景页变成业务上下文，数据页变成可引用的数据说明，方案页保留选项和影响范围，结论页写清负责人、时间点和后续动作。
这样，一次汇报留下来的就不只是附件，而是一条可以继续维护的决策记录。后面有人问“当时为什么这么定”，可以直接回到页面看上下文。
Word 可以变成结构化知识文章
Word 适合写正式文件，但企业知识不一定适合永远藏在长文档里。
制度、手册、通知、方案这类内容，真正被反复使用的往往是其中的定义、适用范围、流程步骤、责任分工、例外情况和风险提示。
进入 Wiki 后，长文档可以拆成清楚的章节。重要定义可以沉淀成术语词条。流程可以按角色和步骤重排。附件和来源可以挂在页面末尾。
这样做的好处很直接：员工更容易查，AI 也不用一次吞掉整篇长文再猜重点。
Excel 不会消失，但一部分台账该换位置
Excel 不应该被简单替代。复杂测算、财务模型、公式推演、临时分析，Excel 仍然很合适。
但企业里有不少 Excel，其实不是计算表，而是台账、清单、流程记录或半结构化知识库。
比如部门职责清单、会议行动项、流程节点、供应商基础信息、问题闭环记录、培训材料索引、术语缩写表。这些内容更需要清楚的字段定义、责任人、状态、来源和版本。
这类表如果继续在多个文件之间流转，很容易变成“谁手里那份算准”。放进 Wiki 或 Wiki 连接的结构化表之后，维护边界会清楚很多。
迁移不必一次做完
更现实的做法，是先从高频、高价值、经常被问到的内容开始。
第一批可以选管理层和总部经常需要解释的知识，比如组织架构、职责边界、关键流程、会议机制、项目推进机制。
第二批可以选制度和流程，比如行政、人事、财务报销、生产质量问题闭环、研发项目流程。
第三批再处理台账和知识表，比如会议行动项、问题清单、供应商或项目基础信息、术语缩写、培训材料索引。
判断一份内容要不要进 Wiki，可以问五个问题：
•以后还会不会有人问到？
•是否需要跨部门共享？
•是否有版本、来源或责任人？
•是否能拆成章节、字段或流程节点？
•是否希望以后被 AI 检索、总结、引用或更新？
多数答案为“是”，就不要再让它只停留在孤立文件里。
最后回到一个实际问题
企业引入 AI 后，最先暴露的往往不是模型能力，而是知识底座。
资料找不到、版本说不清、来源不明确、字段没口径，AI 就只能给出看似完整但不够可靠的答案。
Gissing Wiki 先解决这个底座问题：把散在 PPT、Word、Excel 和会议记录里的内容，整理成可阅读、可引用、可维护、可受控更新的企业知识。
这件事做扎实之后，AI 才能真正参与日常工作。它可以帮人查资料、写摘要、做对比、找缺口、整理行动项，也能在明确权限和审核机制下协助更新知识。
文件还会继续存在。但企业最重要的知识，不应该永远困在文件里。
