Как сохранить неявные знания для AI
Неявные знания — это профессиональный опыт, которым эксперты пользуются, не всегда формулируя его словами. Он проявляется в задаваемых вопросах, замечаемых сигналах, распознаваемых исключениях и причинах отказа от внешне разумного варианта.
Документы часто оставляют этот опыт за пределами текста. Его фиксация помогает AI использовать знания, которые иначе остаются в памяти человека, исправлениях и разговорах.
Почему неявные знания важнее объёма документов
Большой архив не обязательно содержит метод эксперта. Опытный специалист может заметить риск за секунды, потому что много раз видел такой паттерн. Документ описывает обычный процесс, но не сигнал, меняющий решение.
Неявное знание определяет, задаст ли AI правильный вопрос, выберет ли подходящий вариант, распознает ли исключение и передаст ли задачу человеку.
Почему экспертам трудно описать свой опыт
- Знание стало автоматическим: эксперт выполняет последовательность, не называя каждый шаг.
- Решение зависит от контекста: один совет подходит одному клиенту или риску и не подходит другому.
- Документы формальны: они описывают политику, но не практическое суждение, обходные решения и сигналы.
- Исключения кажутся очевидными: эксперт говорит «этот случай другой», не объясняя почему.
- Опыт состоит из малых сигналов: решение складывается из множества наблюдений, которые трудно выразить одним правилом.
Где искать неявные знания
- Разница между новичком и экспертом: сравните подходы к одному кейсу и запишите вопросы, критерии и предупреждающие сигналы.
- Исправления: спросите, что было неправильно, что нужно было заметить и как распознать проблему в следующий раз.
- Исключения: выясните, когда обычный метод не работает и что применять вместо него.
- Повторяющиеся решения: ищите выборы, которые повторяются в клиентах, проектах и продуктах.
- Объяснения ошибок: разбор инцидента и причины неудачи часто содержат ценный опыт.
- Эскалации: случаи, переданные старшему эксперту, показывают границу обычного процесса.
Метод 1: интервью по реальному кейсу
Выберите завершённый кейс и попросите эксперта восстановить ход работы: какая была ситуация, что заметили сначала, что спросили, какие варианты отвергли, что изменило решение и что заставило бы выбрать иначе.
Реальные кейсы лучше абстрактных вопросов: они показывают фактическую последовательность внимания и суждения.
Метод 2: объяснение вслух
Попросите эксперта описывать рассуждение во время проверки нового кейса. Записывайте сигналы, предположения, проверки и вопросы, которые обычно остаются невысказанными.
Цель — не собирать личные мысли, а зафиксировать наблюдаемые профессиональные методы и критерии, которые можно проверить и передать другим.
Метод 3: сравнение контрастных кейсов
Поставьте рядом обычный кейс и похожий случай, по которому принято другое решение. Спросите, что именно их различает. Контраст лучше одного примера показывает область действия и исключения.
Метод 4: анализ исправлений AI
Попросите AI подготовить черновик, а эксперта — исправить его. Каждое исправление может показать недостающий контекст, неверный приоритет, скрытое исключение или ошибочное предположение.
Не превращайте каждое исправление в правило: сначала определите, является ли оно повторяемым методом или разовым предпочтением.
Метод 5: пять раз спросить «почему?»
Когда эксперт формулирует рекомендацию, спросите, почему она предпочтительнее. Продолжайте, пока не станут видны критерий, риск, принцип или граница. Это отделяет вывод от повторно используемого основания.
Метод 6: карта решения
Представьте процесс как вопросы, ветви, правила, исключения, результаты и точки эскалации. Карта показывает, где появляется контекст и где суждение эксперта меняет направление.
Как формулировать неявное знание
Не превращайте каждое наблюдение в абсолютное правило. Разделяйте:
- Наблюдение: что было замечено в кейсе.
- Гипотезу: возможное объяснение, требующее проверки.
- Принятое знание: проверенный принцип, метод, правило или исключение.
- Отклонённый подход: способ, который рассмотрели и признали неподходящим.
Так сохраняется неопределённость, но неподтверждённая идея не получает авторитет.
Как проверить результат
Проверьте прошлые кейсы
Примените предложенное знание к прошлым случаям. Объясняет ли оно принятые решения и различие между обычными и исключительными ситуациями?
Спросите другого специалиста
Второй эксперт может заметить личное предпочтение, недостающую область действия или забытое исключение.
Проверьте язык и границы
Убедитесь, что знание указывает, где действует, какие доказательства требует и когда AI должен остановиться или передать задачу человеку.
Как AI помогает сохранять неявный опыт
AI может подготовить вопросы для интервью, сравнить кейсы, найти повторяющиеся исправления, предложить правила, суммировать объяснение вслух и обнаружить противоречия.
Эксперт отвечает за то, что станет принятым знанием. AI — помощник поиска и черновика, а не владелец экспертизы.
Пример: консультант
Консультант говорит: «Я понимаю, когда клиент не готов». Интервью выявляет сигналы: неясный владелец решения, отсутствие внутреннего спонсора, нереалистичные сроки, нехватка данных и отсутствие согласия по критериям.
Слой сохраняет эти сигналы как диагностический метод и добавляет исключение для ситуаций, где срочность оправдывает другой подход.
Пример: инженер
Инженер может отвергнуть технически возможный ремонт, потому что среда эксплуатации делает его ненадёжным. Неявное знание включает паттерн отказа, сигнал среды, запас безопасности и момент проверки специалистом.
Фиксация этого опыта не позволяет AI рекомендовать решение только на основании спецификации.
Как хранить результат в Expert AI Layer
Храните знания как сфокусированные связанные элементы:
- использованный метод;
- лежащий в основе принцип;
- критерии и сигналы;
- принятое решение;
- исключение;
- кейс-пример;
- отвергнутый вариант;
- граница участия человека;
- владелец и статус.
Такие связи делают неявный опыт понятным людям и пригодным для AI.
Как помогает Noda
Sekura Noda сохраняет объяснения экспертов, кейсы, решения, связи, статусы и категории как понятное человеку знание. Эксперты могут проверять предложения AI и поддерживать то, что организация принимает.
Noda не прячет интуицию внутри модели, а помогает превратить полезный опыт в явный и проверяемый контекст.
Типичные ошибки
- Пытаться записать всё сразу.
- Писать слишком абстрактно вместо конкретных сигналов и условий.
- Удалять неопределённость и нерешённые вопросы.
- Принимать красивую формулировку AI без проверки.
- Не сохранять отвергнутые подходы.
- Не назначать владельца подтверждения и обновлений.
Часто задаваемые вопросы
Можно ли зафиксировать интуицию?
Часть интуиции можно сделать явной через сигналы, вопросы, сравнения, кейсы и исправления. Не каждое ощущение становится надёжным правилом, поэтому нужна проверка.
Сколько интервью нужно?
Начните с одного-двух реальных кейсов, затем добавьте контрастные и исключительные случаи, пока метод и границы не станут понятными.
Нужно ли записывать разговоры?
Запись помогает точности, но требует согласия и защиты персональных и конфиденциальных данных. Цель — сохранить профессиональное знание, а не неконтролируемую частную информацию.
Как понять, что знание готово?
Оно должно объяснять метод, область, критерии, исключения, доказательства, статус, владельца и границу участия человека и работать на реальных кейсах.
Заключение
Неявные знания часто отделяют общий ответ AI от полезной экспертной поддержки. Сохраняйте их через реальные кейсы, исправления, контрасты, объяснение вслух, карты решений и тщательную проверку.
Начните с одного повторяющегося процесса и зафиксируйте опыт, который документы обычно оставляют за пределами текста.