您的劳动力是企业中最大的未产品化资产。

一个组织实际所知的大约七成，存在于做实际工作的人的头脑中。其余三成在文档、仪表板、Wiki 和 CRM 里。知识管理产品服务于已被书面记录的三成。从未被书面记录的七成，正是本页所讨论的资产。

这项资产具有商业价值。大型零售柜台的美妆顾问知道顾客几乎选择了哪个品牌、为何改变主意，以及哪种成分在社交聆听捕捉到之前数月便已成为趋势。大型咨询公司的资深顾问知道 SAP 部署中真正有效的方法，而非手册上写的内容。连锁药店的药剂师知道哪些药物相互作用被标记，以及哪些患者顾虑反复出现。这些内容从未以有效的节奏到达集团总部。知识在每次交班结束时消亡，从未被积累。

Knowledge as a Service 是将这项资产转化为持续刷新智能层的品类。输入单元是与已持有知识的人员进行的十五到四十五分钟结构化 AI 引导访谈。输出单元是可查询的层，分发至三个端点：客户自有内部仪表板、限定范围的品牌伙伴 API，以及面向 MCP 合规客户端的智能体检索订阅。来自同一语料库的内部决策、下游收入和 AI 基础，每周刷新。

围绕劳动力已有六类工具。每一类都是为 KAAS 所针对层级的上方或下方而构建的，并且各有其失效于该层级的具体原因。

护城河在于将三个阶段整合为一条供应链。每个单独阶段都已有在位者。单独的捕获是 Outset 出售的产品。单独的 Codify 是 Qualtrics 出售的产品。单独的 Monetize 是数据经纪商出售的产品。移除任一阶段，经济模型、可防御性和战略定位都会崩溃。链条是创造品类的东西。

当输出是交付物（报告、仪表板、研究）时，客户的心智模型是「我购买的工具」。当输出是带有三个端点、产生 P&L 线的基础设施时，客户的心智模型是「我运营的业务单元」。这一转变同时移动三件事。高管赞助方从 VP 级别上升到 C 级别，因为业务单元向 C 级别汇报。预算从部门研究线移至战略业务单元线。续约不再是一个问题，因为关闭该层意味着关闭一条收入线。

定价讲述了相同的故事。一份报告的定价在低六位数范围内。SaaS 按每用户每月计价。一个通过限定 API 将品牌伙伴变现的数据层，按其所支撑的下游收入计价，设有企业底价。在邻近 AI 市场规模数十亿美元的垂直方向中，即使只捕获该邻近支出的一小部分，也能将交易推入任何围绕工具、席位或报告的定价模式都无法触达的区间。这只有在采购方购买的是基础设施时才能成立。

商业链条（Gather、Codify、Monetize）需要其下方的技术链条，既要在一百段对话规模下成立，也要在全国性劳动力规模下成立。五层技术护城河详见 platform 页面。采购方在本页需要了解的综合版本如下。

语料库中的每个事实携带三个独立的时间戳。learned_at 是系统观察到它的时间。valid_at 是该事实在现实世界中成为真实的时间。invalid_at 是该事实停止为真的时间，由相矛盾的对话显式设定，或在没有刷新确认的情况下通过半衰期衰减设定。bi-temporal 模型使品牌伙伴能够回放去年五月的语料库状态与今天进行对比，并为每个问题获得正确答案。仅此一点就是使该层可在合同中承保的基础。

每个事实还携带一个稀疏的分段向量：在该垂直方向重要的分段轴上的投影（层级、地理、门店格式、客户分群、品牌伙伴、人口统计）。品牌伙伴的 API 密钥投影到特定的 brand_partner 值，只呈现分段向量与该投影相交的事实。每位其他伙伴获得并行范围。同一语料库服务于货架上的整套品牌伙伴。数据路径即访问控制。未授权范围什么也看不到，也不会收到任何内容被隐藏的信号。其背后的安全模型与本站每个信任与安全页面上运行的模型相同。

面向智能体的合约接口是 MCP 服务器。服务器暴露小型工具集：query_facts、traverse_relations、pivot_dimension、replay_as_of、cite。Claude、Copilot 及任何 MCP 合规客户端通过此接口消费该层。会话令牌携带安全范围，范围级联至 LLM 可见的工具、可遍历的图谱节点、可读取的事实行，以及引用时解析的逐字区块。在单一语料库上具有按分段范围的多租户检索，其结构形态与按用户的智能体记忆截然不同。这一差异是未来十二个月的品类知识产权。

采购方是 COO、CFO 或首席战略官。对话的主题是「新收入线」，而非「更好的员工洞察」，也非「更好的客户研究」。HR 是错误的房间：HR 会将项目重新定义为敬业度项目，这会摧毁高管赞助和定价。研究是错误的房间：研究会将交付物重新定义为一项研究，这会使第三个端点崩溃。COO 是正确的房间，因为 COO 是唯一有权力将该层转化为品牌伙伴 API 的运营方。

我们在原则上拒绝一些事情。军事应用。对指名个人的监控。对受访者的重新识别。向第三方出售原始文字记录。在客户数据上训练第三方 LLM。冒充真实捕获的合成受访者增强。每项拒绝背后的架构执行机制详见 拒绝协议 页面。

美容零售是第一个垂直方向。机会的形态是众多市场中数以万计的柜台顾问，且品牌伙伴生态系统已在向零售商支付货架费用。该垂直方向的第一个 KAAS 客户一开始就拥有一个圈定的分发层。美容领域的邻近 AI 市场规模数十亿美元，在本十年剩余时间内以高两位数 CAGR 增长。捕获该邻近支出的一小部分，就能将交易定位在基础设施区间而非工具区间。

同样的策略在咨询（大型公司的资深顾问板凳）、餐饮（拥有数千名员工的多品牌运营商）、药房（拥有数十万名药剂师的大型连锁网络）、法律服务、金融服务和工业现场运营中同样适用。可寻址总市场在当前研究、研发和咨询支出中达数百亿美元，而这些支出没有一个能捕获 KAAS 所捕获的有机知识层。

垂直序列、切入点规模和邻近市场的具体内容详见 市场 页面。每个邻近品类的竞争分析详见 品类图谱。

更广泛品类中的其他所有公司都从现有数据出发，以洞察作为终点。KAAS 从人出发，以基础设施作为终点。供应链从训练有素的工作者出发，经过结构化 AI 引导访谈，进入编纂后的智能层，再通过三个变现端点输出。这一反转就是整个商业模式。

这个品类叫做 Knowledge as a Service，缩写是 KAAS，第一个垂直方向是美容零售，架构和安全模型是本站其余部分所记录的同一底盘。您接下来应该阅读哪一页，取决于您带着什么问题来到这里。如果您想了解每个邻近品类的不足之处，请阅读 品类图谱。如果您想了解市场规模，请阅读 市场 页面。如果您想了解词汇，请阅读 词汇表。