هوش مصنوعی و مستندسازی تجارب خبرگان؛ نسل جدید مدیریت دانش سازمانی

در بسیاری از سازمان‌ها، بخش قابل توجهی از دانش ارزشمند در ذهن کارکنان باتجربه و خبرگان قرار دارد. این دانش حاصل سال‌ها تجربه، مواجهه با مسائل پیچیده، تصمیم‌گیری در شرایط مختلف و یادگیری از خطاها و موفقیت‌هاست. با این حال، بخش زیادی از این سرمایه دانشی هیچ‌گاه به شکل ساختاریافته ثبت نمی‌شود و با جابه‌جایی، بازنشستگی یا خروج افراد از سازمان در معرض از دست رفتن قرار می‌گیرد. «مستندسازی تجارب خبرگان» یکی از مهم‌ترین راهکارهای مدیریت دانش برای جلوگیری از این اتفاق است.

در سال‌های اخیر، ظهور و توسعه هوش مصنوعی، رویکرد سازمان‌ها به مستندسازی و استخراج دانش را وارد مرحله جدیدی کرده است. هوش مصنوعی می‌تواند بسیاری از فعالیت‌های زمان‌بر در فرآیند مستندسازی تجارب خبرگان را تسهیل کند و امکان تبدیل حجم بزرگی از گفت‌وگوها، اسناد و تجربیات پراکنده به دانش قابل استفاده را فراهم سازد. با این حال، نکته مهم آن است که هوش مصنوعی جایگزین خبره یا متخصص مدیریت دانش نیست؛ بلکه می‌تواند به عنوان یک دستیار قدرتمند در فرآیند استخراج، سازماندهی، تحلیل و بازیابی دانش عمل کند.

چرا مستندسازی تجارب خبرگان اهمیت دارد؟

تجربه خبرگان معمولاً فقط شامل اطلاعات فنی و دستورالعمل‌های رسمی نیست. یک خبره در طول سال‌های فعالیت خود، مجموعه‌ای از قضاوت‌ها، میانبرهای ذهنی، نشانه‌های تشخیص مسئله، تجربیات موفق و ناموفق و روش‌های مواجهه با شرایط غیرعادی را به دست می‌آورد. بخش زیادی از این دانش در اسناد رسمی سازمان وجود ندارد.

برای مثال، ممکن است یک متخصص تعمیرات بتواند از روی صدا، لرزش یا رفتار غیرمعمول یک تجهیز، احتمال بروز یک خرابی را تشخیص دهد. ممکن است یک مدیر پروژه بر اساس تجربه خود بداند که در یک شرایط خاص، اجرای یک تصمیم مشخص می‌تواند باعث تأخیر یا افزایش هزینه شود. این نوع دانش، همان چیزی است که در بسیاری از موارد تفاوت میان «دانستن یک دستورالعمل» و «توانایی حل یک مسئله واقعی» را ایجاد می‌کند.

مستندسازی تجارب خبرگان تلاش می‌کند این دانش ضمنی را از ذهن افراد استخراج و به شکلی قابل فهم، قابل اعتبارسنجی و قابل استفاده برای دیگران تبدیل کند.

نقش هوش مصنوعی در استخراج دانش خبرگان

یکی از دشوارترین مراحل مستندسازی تجارب خبرگان، انجام مصاحبه و استخراج نکات ارزشمند از صحبت‌های خبره است. مصاحبه ممکن است یک یا چند ساعت طول بکشد و شامل حجم زیادی از اطلاعات مرتبط و غیرمرتبط باشد. تحلیل دستی این محتوا به زمان زیادی نیاز دارد.

هوش مصنوعی می‌تواند در این مرحله به عنوان دستیار مصاحبه و تحلیلگر محتوا مورد استفاده قرار گیرد. تبدیل صوت مصاحبه به متن، شناسایی موضوعات اصلی، دسته‌بندی مطالب، استخراج نکات کلیدی و شناسایی بخش‌هایی که نیاز به پرسش بیشتر دارند، از جمله کاربردهای مهم هوش مصنوعی در این حوزه است.

برای نمونه، پس از انجام یک مصاحبه با خبره، متن گفت‌وگو می‌تواند توسط ابزارهای هوش مصنوعی تحلیل شود و موضوعاتی مانند «صورت مسئله»، «علت ایجاد مسئله»، «راهکار اتخاذشده»، «تجربه موفق»، «خطای رخ‌داده»، «درس‌آموخته» و «نتایج حاصل» از آن استخراج شود.

این قابلیت می‌تواند زمان مورد نیاز برای تبدیل یک مصاحبه خام به یک بسته دانشی ساختاریافته را به میزان قابل توجهی کاهش دهد.

               

هوش مصنوعی و تبدیل گفت‌وگو به دانش سازمانی

یکی از کاربردهای جذاب هوش مصنوعی، تبدیل گفت‌وگوهای آزاد به محتوای ساختاریافته است. در روش‌های سنتی، پس از مصاحبه با خبره، معمولاً لازم است متن مصاحبه توسط کارشناس مدیریت دانش مطالعه و بازنویسی شود. این فرآیند می‌تواند زمان‌بر باشد، به‌خصوص زمانی که تعداد خبرگان زیاد باشد.

هوش مصنوعی می‌تواند متن اولیه را بر اساس الگوی از پیش تعیین‌شده سازماندهی کند. برای مثال، یک سازمان می‌تواند ساختار مستندسازی تجارب خبرگان خود را شامل چهار بخش «عنوان»، «صورت مسئله»، «تشریح راهکار» و «نتایج» تعریف کند. سپس هوش مصنوعی می‌تواند محتوای مصاحبه را بر اساس این ساختار دسته‌بندی و پیش‌نویس اولیه مستند دانشی را تولید کند.

البته این خروجی نباید بدون بررسی منتشر شود. اعتبارسنجی توسط خبره و بررسی نهایی توسط متخصص مدیریت دانش همچنان ضروری است. زیرا ممکن است هوش مصنوعی بخشی از مفهوم را به اشتباه تفسیر کند، ارتباط میان دو موضوع را نادرست تشخیص دهد یا در مواردی اطلاعاتی را ایجاد کند که در مصاحبه وجود نداشته است.

از مستندسازی منفعل تا استخراج هوشمند دانش

تفاوت مهم رویکرد جدید با روش‌های سنتی در این است که مستندسازی دیگر صرفاً به معنای «نوشتن آنچه گفته شده» نیست. هوش مصنوعی می‌تواند به سازمان کمک کند تا از محتوای موجود، الگوها و ارتباطات دانشی را نیز شناسایی کند.

برای مثال، اگر ده‌ها مصاحبه با خبرگان یک واحد عملیاتی انجام شده باشد، هوش مصنوعی می‌تواند موضوعات تکرارشونده، مسائل پرتکرار، راهکارهای مشابه و حتی حوزه‌هایی را که دانش کافی درباره آنها وجود ندارد شناسایی کند.

در چنین شرایطی، مستندسازی تجارب خبرگان از یک فعالیت صرفاً آرشیوی به یک فرآیند فعال مدیریت دانش تبدیل می‌شود؛ فرآیندی که می‌تواند به شناسایی شکاف‌های دانشی، تعیین اولویت‌های یادگیری و حتی تصمیم‌گیری سازمانی کمک کند.

هوش مصنوعی در بازیابی دانش

یکی از چالش‌های قدیمی مدیریت دانش این است که حتی اگر دانش به خوبی ثبت شده باشد، پیدا کردن آن در زمان نیاز دشوار باشد. وجود هزاران فایل، گزارش، دستورالعمل و تجربه ثبت‌شده الزاماً به معنای دسترسی آسان به دانش نیست.

هوش مصنوعی مولد و سامانه‌های جست‌وجوی هوشمند می‌توانند این وضعیت را تغییر دهند. کاربر می‌تواند مسئله خود را با زبان طبیعی مطرح کند و سامانه، به جای نمایش صرفاً فهرستی از اسناد، دانش مرتبط را از میان منابع مختلف پیدا و خلاصه کند.

به عنوان مثال، یک کارشناس تعمیرات می‌تواند درباره علائم یک خرابی خاص سؤال کند و سامانه با جست‌وجو در مستندات فنی، تجارب ثبت‌شده خبرگان و درس‌آموخته‌های قبلی، موارد مرتبط را در اختیار او قرار دهد. در این حالت، ارزش مستندسازی زمانی آشکار می‌شود که دانش ثبت‌شده دوباره در یک تصمیم یا مسئله واقعی مورد استفاده قرار گیرد.

چالش‌های استفاده از هوش مصنوعی در مستندسازی تجارب

با وجود ظرفیت بالای هوش مصنوعی، استفاده از آن در مدیریت دانش بدون توجه به ملاحظات حرفه‌ای می‌تواند مشکلاتی ایجاد کند. مهم‌ترین موضوع، صحت اطلاعات است. خروجی تولیدشده توسط هوش مصنوعی باید با منبع اصلی مقایسه و توسط افراد متخصص اعتبارسنجی شود.

محرمانگی نیز اهمیت زیادی دارد. مصاحبه‌های خبرگان ممکن است حاوی اطلاعات فنی، قراردادی، تجاری یا سازمانی حساس باشند. بنابراین پیش از استفاده از ابزارهای هوش مصنوعی، باید سیاست‌های مشخصی برای امنیت داده، سطح دسترسی، نحوه نگهداری اطلاعات و استفاده از سرویس‌های هوش مصنوعی تدوین شود.

موضوع دیگر، حفظ مالکیت و زمینه دانش است. دانش یک خبره صرفاً مجموعه‌ای از جملات نیست. گاهی دلیل یک تصمیم، شرایط زمانی، محدودیت‌های موجود و تجربه‌ای که پشت آن قرار دارد، به اندازه خود راهکار اهمیت دارد. بنابراین نباید فرآیند هوشمندسازی باعث حذف زمینه و معنای اصلی تجربه شود.

انسان همچنان در مرکز مدیریت دانش قرار دارد

با وجود پیشرفت سریع هوش مصنوعی، مدیریت دانش همچنان یک فعالیت انسانی است. هوش مصنوعی می‌تواند سؤال پیشنهاد دهد، متن تولید کند، اطلاعات را دسته‌بندی کند و دانش مرتبط را بازیابی کند؛ اما تشخیص اینکه کدام تجربه ارزشمند است، چرا یک تصمیم اتخاذ شده و آیا یک راهکار در شرایط خاص قابل تعمیم است، همچنان به قضاوت انسانی نیاز دارد.

به همین دلیل، بهترین رویکرد، ترکیب تخصص خبره، دانش متخصص مدیریت دانش و توانایی‌های هوش مصنوعی است. در این مدل، خبره منبع دانش است، متخصص مدیریت دانش فرآیند را طراحی و کنترل می‌کند و هوش مصنوعی سرعت و مقیاس عملیات را افزایش می‌دهد.

آینده مستندسازی تجارب خبرگان

آینده مستندسازی تجارب خبرگان احتمالاً به سمت فرآیندهای هوشمند، تعاملی و مستمر حرکت خواهد کرد. به جای آنکه سازمان تنها در زمان بازنشستگی یک خبره به سراغ او برود، سیستم‌های مدیریت دانش می‌توانند به صورت مستمر تجربیات مهم پروژه‌ها، تصمیم‌ها، رخدادها و مسائل را شناسایی و برای ثبت آنها پیشنهاد ارائه کنند.

همچنین می‌توان انتظار داشت ارتباط میان «مستندات»، «خبرگان»، «مسائل سازمان»، «درس‌آموخته‌ها» و «فرآیندهای کاری» به شکل هوشمندتری برقرار شود. در چنین شرایطی، سازمان صرفاً یک مخزن اسناد نخواهد داشت، بلکه به یک شبکه دانشی پویا تبدیل خواهد شد که می‌تواند دانش مورد نیاز را در زمان مناسب و برای فرد مناسب فراهم کند.

جمع‌بندی

هوش مصنوعی می‌تواند یکی از مهم‌ترین فناوری‌های تحول‌آفرین در مدیریت دانش باشد، اما ارزش واقعی آن زمانی ایجاد می‌شود که در خدمت یک فرآیند صحیح مدیریت دانش قرار گیرد. مستندسازی تجارب خبرگان یکی از حوزه‌هایی است که از این تحول بیشترین بهره را خواهد برد؛ زیرا هوش مصنوعی می‌تواند فرآیند مصاحبه، تبدیل گفتار به متن، تحلیل محتوا، ساختاربندی، جست‌وجو و بازیابی دانش را سریع‌تر و مقیاس‌پذیرتر کند.

با این حال، هدف نهایی نباید صرفاً تولید تعداد بیشتری مستند دانشی باشد. هدف اصلی، تبدیل تجربه افراد به دانشی معتبر، قابل دسترس و قابل استفاده است؛ دانشی که بتواند از تکرار خطاها جلوگیری کند، تصمیم‌گیری را بهبود دهد، یادگیری سازمانی را تقویت کند و سرمایه دانشی سازمان را برای آینده حفظ نماید.

در این مسیر، هوش مصنوعی نه جایگزین خبره و نه جایگزین مدیریت دانش است؛ بلکه ابزاری قدرتمند برای ایجاد پیوند میان تجربه انسانی و دانش سازمانی است. سازمان‌هایی که بتوانند این سه عنصر یعنی خبره، مدیریت دانش و هوش مصنوعی را به درستی در کنار یکدیگر قرار دهند، می‌توانند گام مهمی در مسیر شکل‌دهی به نسل جدید مدیریت دانش بردارند.