وقتی ابزارهای GPT در دسترس همگان قرار گرفتند، تنها با یک تحول فناورانه مواجه نبودیم بلکه با یک نورافکن مواجه شدیم. بهناگاه، مدیران عامل، سرپرستان و رهبران تیمها با چشمان خود دیدند که هوش مصنوعی چقدر ساده میتواند پاسخ، ایده و توضیح تولید کند. این تجربه آنی و قابل لمس، یک سوال عمیقتر را در ذهن بسیاری ایجاد کرد:«چرا سیستمهای داخلی ما نمیتوانند همینقدر کارآمد و پاسخگو باشند؟»
برای مطالعهی مقالات تخصصی مدیریت دانش به پایگاه دانش مراجعه فرمایید.
این سوال ساده، پرده از یک واقعیت تلخ برداشت؛ بسیاری از سیستمهای مدیریت دانش سازمانی، نهتنها برای ادغام با هوش مصنوعی آماده نیستند، بلکه حتی برای استفاده انسانی هم بهینهسازی نشدهاند. در واقع GPT تنها تواناییهای هوش مصنوعی را به ما نشان نداد، بلکه کمبودهای عمیق و پنهانشده درون سازمانها را نیز برملا کرد، کمبودهایی که سالها با آنها زندگی کردهایم، بدون آنکه واقعا ببینیمشان.
وقت آن است که با واقعیت روبهرو شویم؛ بیایید دقیقتر بررسی کنیم که جیپیتی چه چیزهایی درباره وضعیت واقعی دانش سازمانی به ما آموخت و رهبران حوزه مدیریت دانش از این پس باید چه نکاتی را جدی بگیرند.
کارکنان به دنبال پاسخ هستن؛ نه سند
نحوه تعامل افراد با مدلهای جیپیتی انتظارات را دگرگون کرده است. کاربران امروز، سوالات خود را به زبان طبیعی میپرسند و انتظار دارند پاسخی مستقیم، واضح و مکالمهمحور دریافت کنند نه اینکه مجبور شوند در میان صدها صفحه سند و فایل جستجو کنند. اما در اغلب سازمانها، دانش هنوز در دل فایلهای پیدیاف، ویکیهای منسوخشده، پوشههای شلوغ در بستر شیرپوینت و پایگاههای دانش بزرگ و پراکنده دفن شده است. کاربران باید وقت زیادی صرف جستجو، فیلتر کردن و تفسیر اطلاعات کنند تا شاید پاسخ مورد نظرشان را بیابند.
این شکاف، موضوعی حیاتی است. کاربران امروز، همانطور که از جیپیتی پاسخ فوری و دقیق دریافت میکنند، انتظار دارند درون سازمان هم به همان سبک و سرعت به اطلاعات دسترسی داشته باشند. دیگر دورهی «ذخیرهسازی برای ذخیرهسازی» گذشته است؛ سیستمهای مدیریت دانشی که صرفاً بر اساس ساختار طبقهبندی و پوشهبندی طراحی شدهاند، پاسخگوی نیازهای امروزی نیستند.
جیپیتی استاندارد جدیدی تعریف کرده و دانش سازمانی باید خودش را با این سطح جدید تطبیق دهد. دیگر کافی نیست که اطلاعات فقط وجود داشته باشد؛ باید به شکلی قابل دسترس، قابل فهم، و بلافاصله قابل استفاده ارائه شود.
هوش مصنوعی به دانش سازمانی سامانیافته و غنی از زمینه نیاز دارد
مدلهای جیپیتی شرکت شما را نمیشناسند. آنها بر اساس دادههای عمومی آموزش دیدهاند نه روی روشهای اجرایی، فرایندها، سیاستهای داخلی، تجربیات مشتری، یا تجربهها و دانشهای خاص سازمان شما. زمانی که شرکتها تلاش میکنند جیپیتی را وارد فرایندهای کاری خود کنند، خیلی سریع به یک واقعیت مهم میرسند: هوش مصنوعی به سوخت نیاز دارد و این سوخت چیزی نیست جز دانش درونسازمانی. اما نه صرفاً هر محتوایی، بلکه محتوایی که ساختارمند، قابل اعتماد، بهروز و غنی از زمینه و بافت سازمانی باشد.
اگر محتوای مدیریت دانش شما بین چندین پلتفرم مختلف پراکنده است، هیچ کس مسئول یا مالک واقعی آن نیست، حاوی اطلاعات قدیمی، ناقص یا حتی متناقض است؛ در این صورت، عملکرد جیپیتی یا هر مدل هوش مصنوعی دیگر، به شکل قابل توجهی تضعیف میشود و این ضعف نه از مدل خواهد بود، بلکه از کیفیت پایین منبع تغذیه آن یعنی دانش سازمانی ناشی میشود. هوش مصنوعی فقط به داده نیاز ندارد؛ به دادهی با کیفیت نیاز دارد. اگر انتظار دارید هوش مصنوعی برایتان ارزش خلق کند، باید ابتدا مطمئن شوید که محتوای شما ارزشمند، دقیق، سازمانیافته و قابل تفسیر است.
دانش باکیفیت، فقط مجموعهای از متن نیست
یکی از تصورات رایج درباره جیپیتی این است که گویی همهچیز را بهطور جادویی میداند. اما حقیقت اینجاست: این مدلها بر اساس مثالها آموزش میبینند، نه از راه درک واقعی یا دانش ذاتی. آنچه جیپیتی میفهمد، حاصل ساختار اطلاعاتی است که به آن داده شده است.
در محیطهای سازمانی نیز دقیقاً همین قانون حکمفرماست. بهترین عملکردهای هوش مصنوعی در شرکتها مربوط به زمانی است که ابزارها با دادههای ساختاریافته، دقیق و هدفمند تغذیه شدهاند. در اینجا، نوع قالب محتوا اهمیت حیاتی دارد. قالبهایی که در عمل بهترین بازده را دارند، شامل موارد زیر هستند:
- درختهای تصمیمگیری: کاربر را مرحلهبهمرحله به نتیجه درست هدایت میکنند.
- سوالات متداول: پرسشهای پرتکرار را شفاف و خلاصه پاسخ میدهند.
- راهنماهای محصول: اطلاعات فنی را به شکلی ساختارمند و جستجوپذیر ارائه میکنند.
- مستندات فرایندی: مراحل کاری را با دقت و بهصورت گامبهگام تشریح میکنند.
این موضوع باید نگاه ما به تولید محتوای سازمانی را کاملاً تغییر دهد. دیگر نمیتوان به فایلهای پیدیاف طولانی، اسلایدهای پاورپوینت، یا اسناد پراکنده و غیرقابل جستجو تکیه کرد. حتی اگر اطلاعات خوبی داشته باشند، نه برای انسانها بهراحتی قابل استفادهاند، نه برای هوش مصنوعی قابل تحلیل.
در دوران جیپیتی، مدیریت دانش باید بهسوی دانش ماژولار، ساختاریافته و قابل فهم برای ماشین و انسان حرکت کند.در نهایت، یک اصل کلیدی را باید به خاطر سپرد؛ دانش خوب فقط به آنچه میگویید وابسته نیست، بلکه به چگونگی گفتن آن نیز بستگی دارد. اگر میخواهید جیپیتی برایتان مفید باشد، باید محتوا را به گونهای بنویسید که ساختار، وضوح و منطق در آن رعایت شده باشد، درست همانطور که یک ماشین انتظار دارد آن را بخواند و بفهمد.
اعتماد، بزرگترین مانع در پذیرش هوش مصنوعی است
یکی از رایجترین مقاومتهایی که سازمانها در برابر استفاده از جیپیتی یا ابزارهای هوش مصنوعی نشان میدهند، نه یک مسئله فنی، بلکه یک مسئله روانی و فرهنگی است: اعتماد. سوالی که بارها در جلسات مدیریتی شنیده میشود این است: اگر یک مدیر از جیپیتی درباره یک سیاست داخلی سوالی بپرسد، آیا میتواند به پاسخ آن اعتماد کند اگر هوش مصنوعی پیشنهادی برای پاسخ به مشتری ارائه دهد، آیا این پاسخ دقیق و قابل اتکا خواهد بود؟ این نوع نگرانیها، بیشتر از آنکه به خود هوش مصنوعی مربوط باشند، به وضعیت دانش درونسازمانی مربوط میشوند. واقعیت این است که اعتماد به خروجی هوش مصنوعی، از اعتماد به محتوای منبع آن شروع میشود.
جیپیتی به ما آموخت که اگر دانش داخلی یک سازمان پراکنده و نامنسجم باشد، اسناد آن با هم تناقض داشته باشند، دادهها ناقص یا بهروزرسانینشده باشند، یا محتوا بدون نظارت و تأیید باقی مانده باشد، در نتیجه، خروجیهای هوش مصنوعی نیز بیاعتماد خواهند بود و کارمندان هم طبیعتاً به چنین سیستمی اطمینان نمیکنند نه به خاطر ضعف مدل، بلکه به خاطر ضعف دانش پشت پرده. بنابراین، رهبران مدیریت دانش باید اعتماد را درون خود دانش نهادینه کنند. این یعنی افزودن علائم و نشانههای اعتماد به اسناد و محتوای پایگاه دانش، از جمله:
- برچسبهای «محتوای تأییدشده» برای نمایش قابل اتکا بودن مطلب
- تاریخ آخرین بهروزرسانی برای سنجش تازگی و اعتبار
- پیوند به منابع اصلی یا اسناد رسمی برای اطمینان از صحت اطلاعات
- نام یا واحد مسئول بررسی محتوا برای شفافسازی مسئولیت
- اعتماد، فقط با تکنولوژی ساخته نمیشود با شفافیت ساخته میشود.
هرچه مسیر تولید و نگهداری دانش شفافتر، مستندتر و دقیقتر باشد، کاربران راحتتر میتوانند به خروجیهای هوش مصنوعی اعتماد کنند و آنها را در کار روزمره خود به کار گیرند.
نتیجه نهایی است که جیپیتی جای مدیریت دانش را نگرفت بلکه آن را دوباره به مرکز توجه آورد. در ابتدای ورود جیپیتی به فضای سازمانی، برخی نگران بودند که این فناوری ممکن است مدیریت دانش را بیاهمیت یا حتی منسوخ کند. اما واقعیت برخلاف این تصور رقم خورد. جیپیتی نهتنها جایگزین مدیریت دانش نشد، بلکه نقش آن را برجستهتر و ضروریتر از همیشه کرد. چون جیپیتی برای عملکرد مؤثر به چیزی حیاتی نیاز دارد؛ محتوا. اما نه هر محتوایی بلکه محتوای دقیق، ساختاریافته، قابل اعتماد و قابل استفاده. هوش مصنوعی بدون یک زیرساخت محتوایی قوی، مانند موتوری بدون سوخت است. جیپیتی یک رابط هوشمند است، اما خِرَد سازمانی واقعی همچنان باید از طریق سیستمهای مدیریت دانش تولید و تغذیه شود. بنابراین، سوالی که هر رهبر مدیریت دانش باید امروز از خود بپرسد این است اگر جیپیتی قرار است رابط اصلی باشد، آیا دانش ما آماده اجرای نقش خود هست؟زیرا در نهایت، جیپیتی دانشی را جایگزین نکرد بلکه دانشی بهتر، قابلاتکاتر و سازمانیافتهتر طلب کرد و این همان درس بزرگ ماجراست؛ آیندهی دانش سازمانی صرفاً «دیجیتال» نیست. بلکه پویا، آماده برای هوش مصنوعی، و طراحیشده برای هم انسانها و هم ماشینهاست. مدیریت دانش دیگر فقط بایگانی اطلاعات نیست بلکه ستون فقرات هر سازمانی است که میخواهد در عصر هوش مصنوعی رقابت کند.
https://kminsider.com/topic/what-gpt-taught-us-about-the-state-of-enterprise-knowledge/
