در طول دوره تاریخچه دانش سازمانی، باید در زمینه اتصال اطلاعات و دادههای یک سازمان، با این هدف که این دادهها قابل جستجو و کشف باشند و همچنین آنها را غنیسازی کنیم تا برای انسانها و هوش مصنوعی مفیدتر واقع شوند فعالیت داشته. اگرچه موارد استفاده، دامنه و مقیاس پروژهها و قطعاً فناوریهای مرتبط همگی با هم متفاوت اند اما این ماموریت اصلی همواره ثابت باقی میماند.
برای مطالعهی مقالات تخصصی مدیریت دانش به پایگاه دانش مراجعه فرمایید.
ما به عنوان متخصصین این حوزه باید تلاش کنیم سازمان ماهیت گسترده دانش، محتوا و دادههایشان را درک کنند. این مجموعهها را میتوان بر اساس چندین طیف مختلف دستهبندی کرد: از دانش ضمنی تا صریح، از دانش تا اطلاعات، از ساختاریافته تا غیرساختاریافته، از دیجیتال تا آنالوگ، از داخلی تا خارجی و از دادههای تولیدشده توسط انسان تا دادههای ماشینساخت. پیش از آنکه به تعریف داراییهای دانش بپردازیم، بیایید هر یک از این متغیرها را بررسی کنیم تا بفهمیم که مجموعه کامل داراییهای دانش یک سازمان تا چه حد میتواند گسترده و متنوع باشد.
oدانش ضمنی و صریح
دانش ضمنی در ذهن افراد قرار دارد و بهصورت غیرمستقیم و نه از طریق سیستمهای کدگذاریشده، قابل استنباط است. این نوع دانش به شکلی قابل اشتراک یا تکرارپذیر وجود ندارد.
دانش صریح به محتوایی گفته میشود که به شکلی مستقل (معمولاً به صورت فایل دیجیتال یا ورودی سیستم) ثبت شده است.
در گذشته، سازمانها عمدتاً بر تبدیل دانش ضمنی به صریح تمرکز داشتند تا بتوانند آن را بهتر حفظ و استفاده مجدد کنند. با این حال، در ادامه توضیح خواهیم داد که چگونه تعریف جامع دارایی دانش این دیدگاه را تا حدی تغییر میدهد.
oدانش و اطلاعات
دانش، حاصل تخصص و تجربه افراد است و با وجود ارزش بالایی که دارد، تبدیل آن از حالت ضمنی به صریح دشوار است.
اطلاعات، صرفاً حقایقِ بدون زمینه تخصصی هستند.
سازمانها معمولاً هر دو را دارند، و اسناد اغلب ترکیبی از این دو هستند.
oساختاریافته و غیرساختاریافته
اطلاعات ساختاریافته، برای ماشینها قابل خواندن و برای سیستمها مناسب است، در حالی که اطلاعات غیرساختاریافته، برای انسانها قابل درک و غنی از زمینه و مفهوم است. دادههای ساختاریافته (مانند ورودیهای پایگاه داده) برای سیستمها سادهاند اما برای انسانها بدون ابزارهای کمکی، درکشان دشوار است. دادههای غیرساختاریافته که برای انسانها طراحی شدهاند، درکشان آسانتر است اما از نظر تاریخی، پردازش آنها برای ماشینها چالشبرانگیز بوده است.
oدیجیتال در مقابل آنالوگ
اطلاعات دیجیتال به صورت الکترونیکی وجود دارند، در حالی که اطلاعات آنالوگ در قالب فیزیکی هستند. بسیاری از سازمانهای جهانی با انبوهی از دانش و اطلاعات روبرو هستند که برای اکثر افراد درون سازمان قابل دسترسی نیست (یا شاید حتی ناشناخته باشد).
چیزی که اوضاع را پیچیدهتر میکند، اطلاعات آنالوگ سابق نیز هست، اسناد قدیمی زیادی که دیجیتالی شدهاند اما در حالت میانی قرار دارند: نه کاملاً برای ماشینها قابل خواندن هستند و نه کاملاً الکترونیکی محسوب میشوند.
oداخلی در مقابل خارجی
محتواهای داخلی مخاطبشان کارکنان سازمان هستند، در حالی که محتواهای خارجی برای مشتریان، شرکا یا عموم مردم طراحی می¬شوند. محتواهای خارجی معمولاً لحن و سبک متفاوتی دارند و تحت حاکمیت و کنترل سختگیرانهتری قرار میگیرند. هر دو نوع محتوا باید با هم همسو باشند، اما به شیوههای متفاوتی مدیریت میشوند. همچنین میتوان محتوای تولیدشده توسط سازمان را با محتوای خارجی که خریداری شده، کسب شده یا از منابع بیرونی دسترسی پیدا کرده، مقایسه کرد. از این منظر، سازمان کنترل بسیار بیشتری بر محتوای تولیدی خود دارد تا محتوایی که خارج از سازمان ایجاد شده یا مالکیت آن در اختیار دیگران است.
oتولیدشده توسط انسان در مقابل تولیدشده توسط هوش مصنوعی
محتوای تولیدشده توسط انسان به موارد مجزایی گفته میشود که از قبل در مخازن سازمان وجود دارند و توسط انسانها ایجاد شدهاند. برای مثال، محتوای صریح از این دسته است، توسط افراد خلق شده، مدیریت میشود و به عنوان یک آیتم مستقل شناسایی میشود. هر فایلی که قبل از عصر هوش مصنوعی ایجاد کردهاید در این دسته قرار میگیرد.
اما با همهگیرشدن هوش مصنوعی تولیدی، باید محتوای تولیدشده توسط هوش مصنوعی را نیز در نظر بگیریم. این داراییهای مصنوعی به صورت خودکار بر اساس اطلاعات موجود (تولیدشده توسط انسان) سازمان ایجاد میشوند. محتوای جدیدی که تولید میشود ممکن است از همان سطح دقت و حاکمیتی که محتوای انسانی دارد برخوردار نباشد.
اگر تنها به همین موارد فوق بسنده کنیم، اکثر سازمانها همچنان با حجم انبوهی از اطلاعات (در حد پتابایت) و انبوهی از اسناد کاغذی که سالها انباشته شدهاند، دست به گریبان خواهند بود. اما با طبقهبندی اطلاعات صرفاً بر اساس حالت آنها (ساختاریافته یا غیرساختاریافته، دیجیتال یا آنالوگ و غیره) یا بر اساس کاربردشان (داخلی یا خارجی)، سازمانها در واقع موانع مصنوعی و سیلوهای دانشی ایجاد میکنند که منجر به تکرار یا حتی سهبارهکاری در فعالیتهایی میشود که باید در سطح سازمانی یکپارچه انجام شوند.
متأسفانه در بیشتر سازمانها، گروه مدیریت داده، حاکمیت دادهها را تعریف و نظارت میکند، در حالی که گروه مدیریت محتوا مسئول حاکمیت محتواست. این موضوع فراتر از ناکارآمدی یا موازیکاری صرف است و منجر به هزینههای اضافی، سردرگمی، و ناهماهنگی در نحوه مدیریت، اشتراکگذاری و توسعه اطلاعات میشود.
هرچند حل این چالش به خودی خود ارزشمند است، اما هنوز تعریف کاملی از «دارایی دانش» ارائه نمیدهد و نشان نمیدهد که تفکر مبتنی بر داراییهای دانش چگونه میتواند ارزشها و بینشهای جدیدی برای سازمان به ارمغان آورد.
اگر از محتوای دیجیتال سنتی فراتر رویم و به این فکر کنیم که افراد واقعاً چگونه به دنبال پاسخ میگردند و همچنین راهکارهای هوش مصنوعی چگونه عمل میکنند، آنگاه میتوانیم دانش موجود در یک سازمان را به شکلی گستردهتر در نظر بگیریم. به جای تمرکز صرف بر محتوای دیجیتال، میتوانیم تمام منابع دیگر؛ افراد، ابزارها و موقعیتهایی که میتوانند به عنوان داراییهای سازمان عمل کنند را نیز شناسایی کنیم. برای مثال، کارکنان و دانشی که در اختیار دارند، خود به تنهایی یک دارایی ارزشمند محسوب میشوند.
حوزه مدیریت دانش سالهاست که بر استخراج این دانش متمرکز بوده، اما با نتایجی در بهترین حالت، متوسط! با این حال، در اکوسیستم مدرن مدیریت دانش، معناشناسی و هوش مصنوعی، میتوانیم خود افراد را به عنوان داراییهایی در نظر بگیریم که میتوانند به شبکه متصل شوند. شاید همچنان ترجیح دهیم دانش آنها را به شکل دیجیتال ثبت کنیم، اما در عین حال میتوانیم آنها را مستقیماً به شبکه اضافه کنیم، راههایی ایجاد کنیم تا دیگران بتوانند آنها را پیدا کنند، از آنها یاد بگیرند و با آنها همکاری کنند و در عین حال، ارتباط آنها را با سایر داراییهای سازمان ترسیم نماییم.
به همین ترتیب، محصولات، تجهیزات، فرآیندها و تسهیلات همگی میتوانند داراییهای دانشی محسوب شوند. با در نظر گرفتن تمام اجزای سازمانی خود نه به عنوان «اشیاء»، بلکه به عنوان ظرف دانش، شما از دنیایی از واحدهای مجزا، به شبکهای متصل منتقل میشوید که توسط انسان قابل پیمایش و توسط ماشین قابل فهم است. ما اصطلاح داراییهای دانش را برای بیان این مفهوم ابداع کردیم. نکته کلیدی در مورد دارایی دانش این است که میتواند از طریق فراداده با سایر داراییهای دانش مرتبط شود، به این معنی که میتواند در متن سازمان قرار گیرد. هر چیزی که بتواند فراداده را در خود جای دهد و به سایر داراییهای دانش متصل شود، میتواند یک دارایی باشد. مجموعه دیگری از داراییهای دانش که به سرعت برای سازمانهای بالغ حیاتی میشوند، اجزای هماهنگسازی هوش مصنوعی هستند. همچنان که سازمانها سیستمهای پیچیدهتری از عاملها، مدلها، ابزارها و گردشهای کاری میسازند، منطقی که نحوه تعامل این اجزا را کنترل میکند و به آنها حاکم است، خود به نوعی دانش عملیاتی تبدیل میشود. این اجزای هماهنگسازی، تصمیمات کلیدی و دامنه تخصص در حوزه مربوطه را رمزگذاری میکنند، به این معنی که آنها شایسته آن هستند که به عنوان داراییهای دانش درجه یک در نظر گرفته شوند.
برای بهرهبرداری کامل از ارزش هوش مصنوعی، اجزای هماهنگسازی باید به وضوح تعریف، مدیریت و به طور معناداری به اکوسیستم دانش گستردهتر متصل شوند. این تحول، مدیریت دانش را از یک فرآیند ایستا به یکسیستم زنده و تعاملی تبدیل میکند که در آن انسانها و فناوری در کنار هم ارزش آفرینی میکنند.
کاربرد عملی: شبکه یکپارچه داراییهای دانشی
در عمل، یک سازمان بالغ میتواند شبکهای جامع از داراییهای دانش ایجاد کند که تقریباً از هر مورد استفاده پشتیبانی کند. به جای جستجوی ساده، کاربران میتوانند سیستم را برای یادگیری درباره یک فرآیند مورد نظر پرسوجو کنند. در این رویکرد پیشرفته، کاربر صرفاً به یک سند راهنما ارجاع داده نمیشود، بلکه نمایی جامع دریافت میکند که شامل مطالعه مستندات رسمی،گفتگو با متخصصان آن حوزه، شرکت در دورههای آموزشی مرتبط، پیوستن به جامعههای عملیاتی فعال در آن زمینه و دسترسی به نرمافزارهای پشتیبان فرآیند است.
این رویکرد، تحولی اساسی در دسترسی به دانش سازمانی ایجاد میکند و پلی میان دانش صریح و ضمنی میزند. با این روش، هر کاربر میتواند بر اساس نیاز و ترجیح خود، به مناسبترین شکل ممکن از دانش سازمان بهرهمند شود.
نکته کلیدی در این پارادایم جدید اینکه هوش مصنوعی نه تنها یک مصرفکننده دانش، بلکه یک تسهیلگر فعال در ایجاد ارتباط بین داراییهای دانش مختلف محسوب میشود.
سناریوی کاربردی برای تازهواردان سازمانی
یک نیروی جدید در سازمان شما مأموریتی دریافت میکند. در وضعیت فعلی، او ممکن است ساعتها در شبکه سازمانی به دنبال راهنما بگردد و روزها منتظر پاسخ منتور خود بماند
اما در سیستم مبتنی بر داراییهای دانش:
- با یک جستجوی ساده درباره موضوع مأموریت شروع میکند
- نمونه کارهای مشابه انجامشده قبلی را پیدا میکند
- مستقیماً به نویسنده آن کارها متصل میشود و راهنمایی میگیرد
- یا به جلسات داخلی متخصصان آن حوزه معرفی میشود
مزایای کلیدی این تحول با افزودن زمینه و معنا از طریق فراداده، و شروع به برخورد جامع با داراییهای دانش خود، ما همچنین در حال ایجاد پایههای لازم برای هرگونه راهحل هوش مصنوعی هستیم تا سازمان خود را بهتر درک کنیم و پاسخهای کاملی ارائه دهیم.
این بدان معناست که ما در حال ساخت پاسخ بهتر برای سازمان خود هستیم، در عین حال سازمان خود را قادر میسازیم تا از قابلیتهای هوش مصنوعی سریعتر، مداومتر و قابل اعتمادتر از دیگران استفاده کند.
مزایای کلیدی این تحول با افزودن زمینه و معنا از طریق فراداده، و شروع به برخورد جامع با داراییهای دانش خود، ما همچنین در حال ایجاد پایههای لازم برای هرگونه راهحل هوش مصنوعی هستیم تا سازمان خود را بهتر درک کنیم و پاسخهای کاملی ارائه دهیم.
این بدان معناست که ما در حال ساخت پاسخ بهتر برای سازمان خود هستیم، در عین حال سازمان خود را قادر میسازیم تا از قابلیتهای هوش مصنوعی سریعتر، مداومتر و قابل اعتمادتر از دیگران استفاده کند. ایده داراییهای دانش، تغییری هم در طرز فکر و هم در استراتژیها خواهد بود و تأثیرات بالقوهای بر نمودار سازمانی، فناوریها و فرهنگ سازمان خواهد داشت.
با این حال، سازمانهایی که این مفهوم را بپذیرند، به سازمانی دست خواهند یافت که بیشترین شباهت را به نحوه تفکر و یادگیری طبیعی انسانها و نحوه تجهیز هوش مصنوعی برای ارائه آن دارد.
نکته پایانی
این تحول، مدیریت دانش را از حالت انفعالی به اکوسیستمی پویا تبدیل میکند که در آن انسان و ماشین در هماهنگی کامل برای خلق ارزش فعالیت میکنند. سازمانهایی که این انتقال پارادایم را زودتر آغاز کنند، از مزیت رقابتی قابل توجهی در عصر هوش مصنوعی برخوردار خواهند شد.
