岗位使命
负责建立并运行全球知识运营体系，将 UKM 的知识供给、Knowledge Consumption、团队自开发能力和各业务渠道连接为可持续优化的端到端服务。
该岗位不仅需要保障知识内容、平台和项目的稳定运营，还需要对知识在 Super Agent、IVA、PD Guide、Resolve 等渠道中的消费质量、业务采用和持续改进负责，推动 KMAE 从知识管理平台运营向全球 AI 知识服务运营转型。
岗位职责
1. 建立全球知识运营体系
设计并落地覆盖知识生产、治理、发布、消费、反馈、修复、回归和退役的全球运营机制。
明确 Platform、Channel、Geo、AI Engineering、Evaluation 及外部供应商之间的责任边界和升级路径。
建立全球统一的服务目录、优先级规则、SLA、运营节奏和管理看板。
推动跨区域标准化运营，同时保留语言、产品和本地业务所需的合理差异。
2. 提升知识供给与治理质量
持续改进 Taxonomy、SSOT、知识卡、生命周期和 AI Ready 知识的运营质量。
建立知识冲突、过期、缺失、重复和适用性问题的发现、裁决与关闭机制。
确保知识来源、Owner、版本、权限和适用范围清晰可查。
推动知识治理由项目性清理转变为常态化运营，支持 KMP 迁移、ESS Sunset 和新 BU 接入。
3. 建立端到端 AI 质量与评估体系
建立覆盖知识资产、候选召回、最终选择、答案生成和下一步行动的分层评估体系。
推动黄金数据集、Runtime Tracing、离线评测、上线回归和线上抽检的标准化。
组织跨团队 Bad Case 归因，区分知识、检索、元数据、推理、业务规则和渠道问题。
对 Overall Accuracy、Exact Match、Solution Coverage、Correct Next Action 等核心指标形成稳定、可信的管理口径。
确保评估职能具备必要的独立性，避免仅以功能上线或检索命中率代替端到端效果。
4. 对渠道消费效果和业务采用负责
与 Super Agent、IVA、PD Guide、Resolve、MBG Repair Bot 等渠道建立业务合作机制。
将渠道需求转化为可复用的知识服务能力，控制无边界定制和重复建设。
推动渠道接入后的采用率、推荐采纳率、自助解决率和任务成功率持续改善。
建立 Geo／Channel 业务复盘机制，将用户反馈和消费行为转化为明确的优化行动。
5. 统筹项目、供应商与内部自开发协同
将外部 SOW、Knowledge Consumption 工作和团队自开发纳入统一的组合管理与依赖治理。
对关键里程碑、范围基线、资源投入、交付风险和验收证据进行统筹管理。
明确自开发能力的产品 Owner、维护责任和长期生命周期，防止临时工具演变为无 Owner 的运营负担。
管理外部合作伙伴的交付质量和服务绩效，确保内部团队保留必要的架构、质量和运营主导权。
6. 领导全球团队与组织转型
领导跨中国、美国、台北、KL、印度等区域的运营团队，建立清晰的责任、授权和继任机制。
提升团队在知识建模、AI 评估、数据分析、渠道运营和客户参与方面的能力。
培养区域和职能负责人，减少对少数关键人员及 Director 日常协调的依赖。
推动 AI 在知识运营、质量检查、问题归因和报告分析中的应用，提高人均产出。
建立高绩效、透明问责和跨文化协作的团队环境。
岗位要求
必备条件
通常具有 10 年以上知识管理、支持服务、服务运营、AI 产品运营或相关领域经验，其中包含多年全球或跨区域团队领导经验。
曾负责复杂、多利益相关方的全球运营体系，而不仅是单一内容团队、PMO 或区域运营团队。
理解企业知识管理的核心机制，包括 Taxonomy、SSOT、生命周期、权限和知识质量治理。
对 Search、RAG、Knowledge Graph、Agentic Workflow 和 AI Evaluation 有足够深入的理解，能够判断技术方案与运营问题，并挑战不合理指标。
具备建立指标体系、运营节奏和问题闭环的成功经验，能够同时管理服务质量、交付效率和业务结果。
具有管理外部供应商、内部技术团队和业务渠道协同的经验。
能够在矩阵组织中推动决策，处理平台标准化与渠道定制、全球统一与区域差异之间的冲突。
具备优秀的 Executive Communication 能力，能够向高层清晰表达业务价值、风险、资源需求和取舍。
能够以英语作为全球工作语言；具备中文沟通能力者优先。
优先考虑
具有全球技术支持、售后服务、诊断知识、PD／Self Repair 或 Field Service 相关业务经验。
曾领导传统知识管理向 AI-Native Knowledge Service 的转型。
具有 Knowledge Consumption、Agent Assist、Virtual Agent 或企业级 AI Agent 规模化运营经验。
具有组织重构、人才盘点、绩效改进和领导力梯队建设经验。
核心领导力要求
系统思考：能够区分知识供给、检索、消费决策和渠道执行问题，避免局部优化。
结果导向：不满足于项目上线和活动完成，持续关注实际消费和业务采用。
数据判断：能够识别指标口径、样本结构和评估方法中的问题，不被单一平均指标误导。
决策与问责：在信息不完整和跨团队争议中及时作出取舍，并建立清晰的责任机制。
全球领导力：能够跨越文化、时区和专业背景建立信任，同时保持一致的绩效标准。
组织建设：能够评估并提升现有团队，培养下一代负责人，而非依赖个人协调维持运转。
入职后 12 个月的成功标准
具体目标值在入职后与 Director 基于现状基线共同确定，主要成果包括：
建成一套全球统一的 Knowledge Operations 服务目录、RACI、SLA 和治理节奏。
建立贯通知识质量、检索质量、消费准确率和业务结果的指标树与可信看板。
形成独立、可重复的 AI 评估和发布回归机制，核心渠道指标实现经双方确认的改善。
显著降低重复 Bad Case、长期未关闭知识冲突和跨团队悬而未决问题。
实现外部 SOW、Knowledge Consumption 与内部自开发的统一路线图和依赖管理。
建立区域与职能负责人梯队，使全球运营不再依赖 Director 进行大量日常协调。
在重点渠道形成可证明的业务价值，包括采用率、解决率、处理效率或其他经确认的业务指标改善
