Как AI ищет пробелы в знаниях. Стратегия и инструменты, чтобы корпоративная слепота не довела до кризиса

Прежде чем увольнять ключевого сотрудника, подумайте вот о чём. Почему он ни разу не включил рабочий ноутбук и так и не создал учётную запись в пространстве компании? И что он заберёт с собой?..

Привет, с вами TEAMLY, платформа для управления бизнесом на основе знаний с AI-ассистентом. Общение с клиентами показало, что частичная корпоративная слепота почему-то вскрывается внезапно и в критические моменты. Например, надо опубликовать новую политику конфиденциальности и сделать согласие на обработку персданных на сайте. Текст готов, а пароля от админки никто не знает. Оказывается, предыдущий админ скинул всё предыдущему техническому директору в почту, а тот, уволившись со скандалом, просто грохнул свой ящик. А штрафы за отсутствие подобных документов сейчас ой какие немалые.

Знакомая ситуация? Надеемся, что нет.

Пробел в знаниях — это в любом случае потери. Материальные, репутационные, HR… Чтобы их избежать, надо вовремя эти пробелы находить и заполнять. То есть, либо иметь хранителя знаний семи пядей во лбу (что неприемлемо — опять информация только в его памяти), либо привлекать на помощь каких-то аудиторов знаний. Но не будем забегать вперёд, разберёмся во всём по порядку.

Слепые зоны — это области, где информации либо нет, либо она фрагментирована, устарела или недоступна в нужный момент. Они могут проявляться в разных форматах.

Чем опаснее зона, тем выше риск её внезапного проявления в кризисный момент.

Самый большой риск в управлении знаниями — допустить пробел там, где они нужнее всего. Обычно выделяют три таких области:

Этот список можно расширять, находя всё более важные области. Главный принцип — если от какого-то участка зависит многое, если он критически важен — опишите его максимально подробно и актуально со всех сторон.

Какое-то одно мероприятие или мониторинг не может накрыть все слепые зоны. Более того, при расширении компании и сами методы должны расти, как численно, так и качественно.

Этот как с модернизацией системы видеонаблюдения — камеры устанавливают в новых помещениях и на новых территориях, устройства с низкой разрешающей способностью заменяются более «зоркими». Но видеонаблюдение не обеспечивает всю физическую безопасность, с ним в комплексе работают противопожарная система, охранная сигнализация, защита от аварий на коммуникациях. Так и в знаниях — безопасность для компании может обеспечить только комплексный подход.

Чтобы не пропустить ничего и не терять времени на рутину, применяют искусственный интеллект.

ИИ способен перелопатить огромные массивы информации и выдать список слабых мест. А может помочь в более локальных задачах.

ИИ-ассистент может подготовить анкету с «умными» вопросами, которые выявляют информацию, пока не попавшую в документы. Это помогает найти «точки зависимости от человека» и зоны неявного опыта.

Комбинация ручной проверки и автоматизированного анализа показывает, где регламенты устарели, а информации не хватает. Например, AI может автоматически сравнить версии документа и отметить устаревшие участки.

Каждая ошибка — индикатор. AI-модели способны анализировать логи, тикеты поддержки и историю сбоев, формируя список проблемных узлов, связанных с недостатком знаний.

Одна из ключевых задач — не просто найти, но и наглядно показать зону риска. Для этого служат визуальные диаграммы и дашборды.

Карта знаний — схема, где показано, какие темы, процессы и данные уже формализованы, а какие под вопросом.

Карта связей — диаграмма связей между отделами и данными: чем толще линия, тем крепче связь; разрывы и слабые узлы становятся видимыми.

Тепловая карта пробелов — зонам с высоким риском присваивается «красный» уровень критичности, менее важные подсвечиваются жёлтым или зеленым.

Дашборды — обновление приведенных выше схем в режиме нон-стоп. AI регулярно обновляет визуализацию по мере поступления новых данных или выявления аномалий.

При практическом применении построенных AI карт могут быть выявлены немыслимые, казалось бы, вещи: 40% документации по техподдержке не обновлялись больше года, а у трёх ключевых процессов нет формализованных инструкций.

Разработку детального плана тоже можно поручить AI. По крайней мере есть уверенность, что он ничего не пропустит, а любые галлюцинации нейросетей всё равно нуждаются в экспертной оценке специалистов-людей.

Кстати, ИИ-ассистента можно заставить проверить самого себя. Он при этом

а) не обидится, как человек

б) проведёт проверку максимально честно.

На практике это выглядит следующим образом. ИИ-ассистенту Тимли поставили задачу проанализировать пространство для HR, созданное по шаблону на предмет наличия пробелов в знаниях. Даже с таким очень общим промптом AI выдал вполне приемлемое в качестве базового исследование. Каждый пункт затем можно уточнять столько раз, сколько потребуется для достижения оптимального результата.

С планом AI-ассистент TEAMLY справился неплохо. Прошёлся по списку слепых зон и предложил мероприятия по их ликвидации. После «доработки напильником» — и не обязательно только человеком — этот план можно снабжать ответственными и дедлайнами и запускать в дело.

Разумеется, как и с любой другой нейросетью, следует помнить о температуре и, соответственно, степени галлюцинаций. Но на то мы и эксперты, чтобы отличать бред от полезных знаний.

Слепые зоны — это тихий, но опасный враг корпоративной устойчивости. Их поиск невозможен без сочетания человеческой экспертизы (интервью, аудит, коммуникация) и технологий (ИИ, аналитика, визуализация). Чаще всего лечение корпоративной слепоты возможно консервативными методами, без хирургических вмешательств.

Когда компания видит — да-да, видит, — где именно у неё есть пробелы, и постоянно обновляет эту картину, она минимизирует риски, повышает скорость решений и укрепляет собственную жизнеспособность.

Расскажите, какие пробелы в знаниях компании оказались самыми неожиданными в вашей практике. Пишите в комментариях. А мы постоянно пишем про возможности ИИ, нюансы создания баз знаний и другие фишки командной работы в телеграм-канале.