10/25/2025
Не просто знать — понимать: новый рубеж управления знаниями.
Более 20 лет назад я занимался исследованием управления знаниями в организациях. Тогда разговор шел в основном о двух типах знаний: неявных (tacit) и явных (explicit).
Неявные знания — это человеческий аспект, то, что живёт в головах людей. Интуиция, суждение, мастерство. Как опытный переговорщик «чувствует», что сделка вот-вот сорвётся. Как инженер «просто знает», где искать ошибку. Как художник находит свой уникальный стиль, которому невозможно научить по инструкции. Такие знания казались почти магией: они были личными, контекстными, основанными на опыте и отношениях. Их нельзя было просто записать в документ и передать другому.
Явные знания — это совсем другое. Это структурный капитал организации: политики, процессы, инструкции, карты рабочих потоков, обучающие материалы, отчёты «извлечённых уроков». Всё это можно было систематизировать, хранить и передавать.
Главный стратегический вопрос тех лет звучал так:
«Как организация может знать то, что она знает?»
И это был не философский вопрос, а вполне практический. Например, если консалтинговая фирма решила сложную логистическую задачу для клиента А в 2002 году, сможет ли она быстро найти и использовать это решение, когда клиент B придёт с похожей проблемой в 2004-м? Успеет ли она превратить накопленный опыт в уверенность, за которую клиенты готовы платить? Тогдашние системы управления знаниями (KM) в основном создавались ради того, чтобы фиксировать и классифицировать такие решения, чтобы компания не изобретала велосипед при каждом новом проекте.
Иными словами, управление знаниями было попыткой захватить явные знания и сделать их доступными.
Сегодня всё изменилось
ИИ не просто увеличил масштаб этой задачи — он изменил её суть.
Что умеет ИИ, чего не умел KM
ИИ — это не просто более умная поисковая система или ускоренный способ конспектировать совещания (хотя и это он делает отлично). Главное — в другом:
Он создаёт новое знание, а не просто находит старое.
Классическая KM-система скажет: «Вот документ, похожий на ваш запрос».
ИИ скажет: «Я проанализировал 200 похожих случаев и сформировал решение под ваш контекст — с учетом ваших рисков и стиля коммуникации».
Это не поиск, а синтез.
Он работает прямо в момент действия.
Раньше нужно было искать знание — в SharePoint, у коллег, в мануале.
Теперь ИИ встроен прямо в процесс: в CRM, тикет-систему, диагностику устройства, разговор с клиентом.
Он подскажет: «Не меняй весь блок питания — проблема, скорее всего, в контроллере вентилятора. Вот короткое руководство, как это исправить».
Это не справочник — это живое руководство к действию.
Он объединяет фрагменты, которые люди не связывают между собой.
Поддержка видит тикеты, продажи — возражения, инженеры — дефекты, финансы — стоимость ошибок.
ИИ видит всё вместе и говорит:
«Проблемы с продлением контрактов в медицинском секторе связаны с ошибкой прошивки, впервые замеченной в Латинской Америке полгода назад».
То, что организация «знала», но разрозненно, ИИ превращает в целостную картину.
Он прогнозирует.
Эксперт скажет: «По моему опыту, если сделать X, произойдёт Y».
ИИ может смоделировать тысячу аналогов и показать вероятные исходы — с обоснованием и подсказками.
Это не прошлое знание — это будущее знание.
Он делает экспертность доступной.
Раньше эксперт писал «по-экспертному» — и его всё равно нужно было звать, чтобы объяснить, что он имел в виду.
ИИ может сразу перевести сложный текст на язык новичка, технаря или руководителя.
Теперь знание не застревает в головах и сложных терминах.
Где грань между явным и неявным знанием?
Когда ИИ может анализировать, объяснять и адаптировать знание в реальном времени, граница между явным и неявным размывается.
Может ли ИИ помогать создавать неявное знание?
Традиционно считалось — нет.
Неявное знание рождается из опыта: ошибок, наблюдений, чувств, контекста. Это внутреннее знание, его нельзя просто «внедрить».
Но если присмотреться — ИИ способен ускорять его формирование у людей.
Возьмём пример.
Новый инженер поддержки на третий день работы.
Без ИИ он месяцами наблюдает за старшими коллегами, учится «чувствовать» систему и клиентов, медленно выстраивает интуицию.
С ИИ — он получает в реальном времени подсказки, которые содержат и логику, и объяснение:
«Эта ошибка появляется только после 1000 часов работы устройства в условиях влажности. Поэтому мы пропускаем шаги 2–4 и сразу проверяем блок питания.»
Он получает не просто ответ, а объяснение почему.
А повторяющееся объяснение — это и есть ускоренное формирование интуиции.
Так создаётся организационная «ускоренная интуиция»
Больше практики за меньшее время.
ИИ может проигрывать десятки реальных сценариев — не дожидаясь, пока они случатся в жизни.
Мгновенная обратная связь.
Подсказка в момент действия («пауза, не извиняйся, сначала отзеркаль эмоцию клиента») — это цифровой наставник рядом.
Оцифровка опыта экспертов.
Когда ИИ вынужден объяснить, почему он советует то или иное действие, он превращает неявные решения экспертов в доступную логику для всех.
Безопасная среда ошибок.
Настоящее мастерство формируется через ошибки — но ИИ позволяет «проживать» их в симуляции без потерь.
Есть, конечно, то, что ИИ никогда не заменит:
умение читать эмоции, чувствовать атмосферу в команде, понимать, когда лучше промолчать, чем эскалировать вопрос. Это всё ещё человеческое.
Но теперь ИИ делает путь к этим интуитивным решениям гораздо короче.
Новый вопрос
Двадцать лет назад организации спрашивали:
«Как нам знать то, что мы уже знаем?»
В 2025-м вопрос звучит иначе:
«Как быстро мы можем передавать суждение?»
Почему это важно
Потому что суждение — это то, что действительно управляет действиями.
Информацию можно записать. Процессы можно масштабировать.
А вот умение понимать контекст и принимать разумные решения всегда было узким местом.
Раньше это передавалось годами — от наставника к ученику.
Теперь ИИ делает возможным передачу суждения тысячам людей одновременно:
он объясняет логику решения, демонстрирует мышление эксперта и подсказывает в реальном времени.
Организация, способная быстро передавать суждение,
начинает действовать как единый разум —
где каждая часть системы не просто знает, но понимает, что делать и почему.
Итак, если двадцать лет назад целью было собрать и сохранить знания,
то сегодня цель — ускорить передачу понимания и мудрости.
Побеждает не та организация, которая знает больше,
а та, которая быстрее учится думать правильно.
