Knowledge and bacon - Управление знаниями в IT
رفتن به کانال در Telegram
Канал об управлении знаниями в айти-командах для тимлидов и всех, кого интересует тема knowledge sharing. Почему бекон, спросите вы? Потому что Knowledge is Power (c) Francis Bacon. Рекламы нет.
نمایش بیشتر4 257
مشترکین
-324 ساعت
-77 روز
-730 روز
در حال بارگذاری دادهها
کانالهای مشابه
ابر برچسبها
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+4
در 0 کانالها
سپتامبر '260
در 0 کانالها
Get PRO
اوت '260
در 0 کانالها
Get PRO
ژوئیه '260
در 2 کانالها
Get PRO
ژوئن '260
در 0 کانالها
Get PRO
مه '260
در 0 کانالها
Get PRO
آوریل '260
در 1 کانالها
Get PRO
مارس '260
در 0 کانالها
Get PRO
فوریه '260
در 0 کانالها
Get PRO
ژانویه '260
در 0 کانالها
Get PRO
دسامبر '250
در 0 کانالها
Get PRO
نوامبر '250
در 0 کانالها
Get PRO
اکتبر '250
در 0 کانالها
Get PRO
سپتامبر '250
در 0 کانالها
Get PRO
اوت '250
در 0 کانالها
Get PRO
ژوئیه '250
در 0 کانالها
Get PRO
ژوئن '250
در 0 کانالها
Get PRO
مه '250
در 1 کانالها
Get PRO
آوریل '25
+32
در 0 کانالها
Get PRO
مارس '25
+39
در 0 کانالها
Get PRO
فوریه '25
+36
در 0 کانالها
Get PRO
ژانویه '25
+47
در 0 کانالها
Get PRO
دسامبر '24
+58
در 0 کانالها
Get PRO
نوامبر '24
+72
در 0 کانالها
Get PRO
اکتبر '24
+85
در 0 کانالها
Get PRO
سپتامبر '24
+193
در 0 کانالها
Get PRO
اوت '24
+1 002
در 1 کانالها
Get PRO
ژوئیه '24
+80
در 2 کانالها
Get PRO
ژوئن '24
+53
در 1 کانالها
Get PRO
مه '24
+39
در 0 کانالها
Get PRO
آوریل '24
+126
در 0 کانالها
Get PRO
مارس '24
+60
در 0 کانالها
Get PRO
فوریه '24
+51
در 0 کانالها
Get PRO
ژانویه '24
+102
در 0 کانالها
Get PRO
دسامبر '23
+91
در 0 کانالها
Get PRO
نوامبر '23
+73
در 0 کانالها
Get PRO
اکتبر '23
+134
در 0 کانالها
Get PRO
سپتامبر '23
+116
در 0 کانالها
Get PRO
اوت '23
+120
در 0 کانالها
Get PRO
ژوئیه '23
+143
در 0 کانالها
Get PRO
ژوئن '23
+217
در 0 کانالها
Get PRO
مه '23
+2 740
در 0 کانالها
Get PRO
آوریل '23
+90
در 0 کانالها
Get PRO
مارس '23
+105
در 0 کانالها
Get PRO
فوریه '23
+85
در 0 کانالها
Get PRO
ژانویه '23
+12
در 0 کانالها
Get PRO
دسامبر '22
+6
در 0 کانالها
Get PRO
نوامبر '22
+18
در 0 کانالها
Get PRO
اکتبر '22
+18
در 0 کانالها
Get PRO
سپتامبر '22
+25
در 0 کانالها
Get PRO
اوت '22
+9
در 0 کانالها
Get PRO
ژوئیه '22
+52
در 0 کانالها
Get PRO
ژوئن '22
+10
در 0 کانالها
Get PRO
مه '22
+37
در 0 کانالها
Get PRO
آوریل '22
+21
در 0 کانالها
Get PRO
مارس '22
+8
در 0 کانالها
Get PRO
فوریه '22
+15
در 0 کانالها
Get PRO
ژانویه '22
+31
در 0 کانالها
Get PRO
دسامبر '21
+6
در 0 کانالها
Get PRO
نوامبر '21
+10
در 0 کانالها
Get PRO
اکتبر '21
+12
در 0 کانالها
Get PRO
سپتامبر '21
+25
در 0 کانالها
Get PRO
اوت '21
+13
در 0 کانالها
Get PRO
ژوئیه '21
+44
در 0 کانالها
Get PRO
ژوئن '21
+10
در 0 کانالها
Get PRO
مه '21
+17
در 0 کانالها
Get PRO
آوریل '21
+67
در 0 کانالها
Get PRO
مارس '21
+6
در 0 کانالها
Get PRO
فوریه '21
+17
در 0 کانالها
Get PRO
ژانویه '21
+13
در 0 کانالها
Get PRO
دسامبر '20
+697
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 17 اکتبر | 0 | |||
| 16 اکتبر | 0 | |||
| 15 اکتبر | +2 | |||
| 14 اکتبر | 0 | |||
| 13 اکتبر | +1 | |||
| 12 اکتبر | 0 |
پستهای کانال
Где учиться управлению знаниями, если хочется практики, а не философии
Мне часто задают этот вопрос, и честный ответ такой: единого комплексного курса по практическому KM на русском просто нет. Управление знаниями – это не одна дисциплина, а набор навыков. Проще подтягивать их по аспектам, в том числе из смежных областей. Собрала подборку по трем темам, которые чаще всего болят.
Структурирование и информационная архитектура
Тут очень выручают UX и инструкционный дизайн, где ИА – базовый навык.
– Эбби Коверт: книга How to Make Sense of Any Mess и раздел Practicing IA на ее сайте.
– Марафон по ИА от UX-Марафона – записи докладов, доступ платный.
– Короткий заход – день про ИА в бесплатном UX Crash Course.
– Для хардкора – курс по ИА и контент-стратегии в UC Berkeley Extension.
Организация процессов
Готовых материалов именно по KM-процессам мало, но управление знаниями по сути такой же проект изменений. Поэтому смотрим в сторону change management.
– Podlodka TeamLead Crew #8 про change management – целиком, записи платные.
– Вебинар KM Institute про топ-5 KM-процессов, с кейсами внутри.
Lessons learned и проектные знания
– Про lessons learned есть в стандартах BABOK и PMBOK, по ним же можно искать отдельные вебинары.
– Раздел про lessons learned в Прагматичном гайде по KM – про сам гайд я недавно писала.
– Как собирать проектный опыт компании – доклад Елены Попковой (КРОК).
И два якоря по всем темам
– Мария Мариничева: программы-практикумы по KM, от полезной базы знаний до управления проектными знаниями, и телеграм-канал.
– KM Institute: сертификации для профессиональных менеджеров знаний (CKM и другие), вводный онлайн-курс вместе с APQC и бесплатная серия вебинаров на YouTube – kminstitute.org.
Во второй части – документация, таксономии и поиск, фасилитация и измерение эффекта.
Какой аспект KM прокачиваете сейчас вы – и чего в этом списке не хватает?
| 2 | Эксперт уходит через две недели. Что успеть передать?
Ключевой разработчик написал заявление. Архитектура, интеграции, «почему тут так сделано» – и все это в голове у одного человека. Знакомо?
В блоге Контура на Хабре есть хорошая инструкция на такой случай. Вот что мне в ней нравится.
Передачу ведет не тот, кто уходит
Темы эксперта делят по критичности и раздают тем, кто остается: каждый отвечает за свою – расспрашивает, записывает, уточняет. Встречи записывают и закрывают коротким итогом: что зафиксировали, какие пробелы остались. Документы кладут туда, где команда и так работает. Эксперт проверяет точность, а новички пробуют решить реальную задачу только по новым документам – так пробелы видны сразу.
Что фиксировать: архитектурные решения и их историю, интеграции с внешними сервисами, деплой и восстановление, неочевидную бизнес-логику и требования клиентов.
Карта компетенций
Самое полезное – матрица «области знаний × люди» с оценкой от 1 (новичок) до 4 (эксперт, который учит других). Если в области у уходящего 4, а у остальных 1–2, это зона риска, и начинать нужно с нее.
Про карту компетенций я когда-то делала доклад, а про офбординг писала – эта инструкция хорошо их дополняет.
И вот что важно: в статье советуют обновлять карту регулярно, а bus factor (сколько людей должно выпасть, чтобы работа встала) мерить раз в год. То есть лучшее время для передачи знаний – когда никто не уходит.
Как увидеть риск через БЗ
– статьи по критичной системе написал один человек;
– страницы не обновлялись с тех пор, как их автор сменил команду;
– на вопросы по теме в чатах всегда отвечает один и тот же коллега;
– в карте компетенций у области один носитель.
Ведете у себя карту компетенций – или узнаете о дырах в момент ухода? | 618 |
| 3 | Агенты не разучились читать – они заблудились
Mintlify, платформа для документации, выпустил State of Knowledge 2026. Самая громкая цифра: в августе сайты документации на их платформе получили 257 млн запросов от агентов и 131 млн просмотров страниц от людей. Но мне интереснее другое – где именно агенты спотыкаются.
Проблема не в чтении, а в навигации
Авторы прогнали 2 400 тестов на 20 сайтах документации с Claude и Codex. Точность ответов держалась на уровне 94–99% независимо от формата – читать агенты умеют. Ломается другое: агент не находит нужную страницу, угадывает адрес и получает 404.
Промахов на одну задачу в среднем:
– HTML: 2.23
– Markdown: 1.42
– Markdown со ссылкой на llms.txt (оглавление всего сайта): 0.11
Вот что интересно: при переводе страниц в Markdown вместе с разметкой пропадает и навигация, и агенту остается угадывать адреса. Одна ссылка на оглавление – и ошибок в 20 раз меньше, чем с HTML. Решает не столько формат, сколько структура. Оглавление, понятные адреса, связи между страницами – классическая информационная архитектура, которая теперь работает не только на людей.
В компании, где я работаю, техписы как раз активно готовят знания для агентов и тестируют, как на результат влияют llms.txt и другие улучшения – например, в информационной архитектуре и метаданных. После ряда таких улучшений документация IntelliJ IDEA сейчас набирает 56/100 в Is Agentic – бесплатном инструменте Vercel, который оценивает, насколько хорошо агенты могут найти, прочитать и использовать публичный сайт. Еще есть, что улучшить.
Что удивило
79% опрошенных считают, что по AI-готовности знаний их компания на среднем уровне или впереди. При этом все поверхности знаний – справочный центр, тикеты, форум, changelog – сделали доступными для агентов только 7%. А у 57% за подготовку знаний вне документации никто явно не отвечает.
Что делать-то?
– Проверить, есть ли у вашей документации и БЗ оглавление, на которое может опереться агент.
– Посмотреть логи 404: какие адреса угадывают агенты и люди. Это готовый список дыр в навигации.
– Назначить владельца AI-готовности для всех поверхностей знаний, а не только для доков.
Оговорка: отчет вендорский – трафик с их платформы, сравнение агентов с людьми сами авторы называют оценкой, часть опрошенных – их клиенты. Но вывод про навигацию легко проверить у себя.
Кто у вас отвечает за то, чтобы агенты находили нужное – KM, техписатели, DevRel или пока никто? | 841 |
| 4 | Stack Overflow тихо сделал пивот, а я его пропустила
(да, снова с опозданием – но тема слишком в точку)
Stack Overflow переупаковал свой корпоративный продукт: то, что было Stack Overflow for Teams, стало Stack Internal и показано на Microsoft Ignite 2025. По сути та же внутренняя база вопросов-ответов, но с новым акцентом – знания теперь готовят не только для людей, но и для AI-агентов.
Что поменялось по сути
– Слой метаданных. К ответам добавляют авторство, даты, теги и оценку надежности – чтобы не только человек, но и модель понимала, какому ответу можно доверять.
– Knowledge Ingestion. Контент подтягивают из Teams, Confluence и прочего, приводят к структуре, проверяют на точность с участием человека и только потом кладут в базу.
– MCP-сервер как мост к GitHub Copilot, ChatGPT и Cursor: агент отвечает не из воздуха, а из проверенных внутренних знаний.
– В планах – агенты, которые сами заводят вопрос, когда находят пробел в базе. То есть дырки в документации становятся видимыми.
Но вот в чем ирония: публичный Stack Overflow сам сильно пострадал от AI. В июне 2026 на сайте задали 1072 вопроса – минимум за всю историю. Для сравнения: на пике в марте 2014 было около 207 000 вопросов в месяц. Разработчики просто перестали выходить из редактора, чтобы спросить у незнакомцев.
И вот платформа, которую AI почти обнулил 😐на публичном поле, разворачивается туда, где AI не конкурент, а клиент – внутрь компаний. Логика та же, что мы обсуждаем не первый пост: AI не отменяет качественную базу знаний, а целиком на нее опирается. Меняется только, для кого мы наводим порядок в знаниях.
Как думаете, это реально новый класс продукта или аккуратный ребрендинг for Teams под волну AI? | 1 147 |
| 5 | Как построить базу знаний, которой пользуются и люди, и агенты
Команда Cerebras разобрала, как они собрали внутреннюю базу знаний – она обновляется автоматически и одинаково доступна и сотрудникам, и AI-агентам. Мне кейс нравится тем, что показывает, куда движется KM: база знаний перестает быть отдельным местом и становится общим слоем поиска поверх всего, где знания уже копятся.
Вот что зацепило.
Знания живут не в базе, а в источниках
БЗ строится поверх Slack, кодовой базы, документов, Jira, Confluence и еще кучи систем. То есть не «давайте перенесем все в одно место», а «давайте искать там, где оно уже есть».
Slack – золото и мусор одновременно
Самое ценное лежит в тредах: в глубине переписки принимается куча решений. Но вытащить это тяжело, потому что рядом столько же «sounds good, thanks!». Сработала комбинация: полнотекстовый поиск, эмбеддинги, реранкинг по редким токенам (обсуждение вокруг редкого флага конфига должно всплывать, а вежливое «спасибо» – нет) и механизм устаревания фактов: тред полугодовой давности про инфраструктуру, которой уже нет, проигрывает свежему.
Код индексируется инкрементально
Для поиска по коду взяли опенсорсный фреймворк CocoIndex – он пересчитывает индекс не целиком, а на каждый коммит.
Плагины под каждую команду
Если у команды свой источник или база, ее можно подключить через плагин – маленький Python-модуль, который отдает данные в общем формате. Команда сама открывает PR, без переноса данных.
who_knows: ищем не только знание, но и носителя
Отдельный тул сразу выдает имена людей, релевантных запросу. Хорошее напоминание, что часть знаний – это не документы, а люди. Плюс результаты агрегируются по проектам, чтобы поиск был точнее.
Как это выглядит у нас
Мы в компании пошли другим путем и используем внешнее решение, но принцип тот же: к нему подключены многие корпоративные источники, и мы работаем над тем, чтобы проиндексировать вообще все. Сверху есть MCP – то есть наши командные и персональные агенты имеют доступ к проиндексированному из тикет-трекера, Miro, Slack, GitHub и так далее. По сути та же идея, что у Cerebras: единый слой поиска, в который одинаково ходят и люди, и агенты.
И снова видно главное: AI не отменяет качественную инфраструктуру знаний, а целиком на нее опирается. Хорошо проиндексированные источники – это теперь не только про удобный поиск для людей, но и про то, будет ли вашим агентам на что опереться.
А вы уже смотрите на свою базу знаний как на источник не только для людей, но и для агентов? | 1 079 |
| 6 | Мы обновили открытый Pragmatic KM Guide и выложили практический материал про Реестры архитектурных решений (ADR).
Что внутри:
- короткое объяснение, когда практика нужна;
- шаблон;
- примеры заполнения;
- типовые ошибки;
- метрики;
- FAQ;
- ссылки на источники.
Ссылка: https://pragmatic-km-guide.ru/practices/knowledge-registration/registration/architecture.html | 1 419 |
| 7 | Делюсь. Для тех, кто не знает, что такое Прагматичный гайд по KM – это открытый и очень практико-ориентированный ресурс про управление знаниями. Я имела честь давненько туда контрибьютить, так что рекомендую не просто так.
Ребята обновили гайд и выложили практический материал про реестры архитектурных решений (ADR) и просят обратную связь.
А если вы на этом ресурсе впервые, обратите внимание еще на пару разделов:
«На минималках» – как запустить управление знаниями без больших ресурсов и начать с малого;
Онбординг – хендбуки, чек-листы и наставничество для новых сотрудников;
ИИ в управлении знаниями – как AI встраивается в knowledge work и почему без качественной базы знаний он буксует. | 1 198 |
| 8 | Хочу рассказать про человека, у которого я реально прокачалась.
Мало кто знает, но по основной работе я продакт-менеджер. Управлением знаниями я занимаюсь ровно потому, что вижу в нем ценность для компании и ее продуктов, а не наоборот. И продуктовым навыкам я во многом училась у Леры Розовой.
Ее курсы – это не лекции под запись. Ближе к бизнес-школе или кейс-клубу: теории немало, но она всегда дается к месту, а сам курс каждый раз отстраивается под сообщество и аудиторию, которая пришла. Практика, а не пересказ учебника.
Отдельно неистово рекомендую курс про product economy. Экономика продукта была моей слабой зоной – я вечно плавала в юнит-экономике и монетизации. Курс реально поставил это на место. Теперь я почти на автомате везде вижу бизнес-модель и модель монетизации.
Для меня это и есть признак хорошо переданного знания: не конспект, который потом пылится в закладках, а новая оптика, через которую начинаешь смотреть на мир.
Канал Леры – @valerierozov. Если ищете, у кого учиться продакту по-настоящему, загляните. | 1 603 |
| 9 | Я как раз готовила материал про skills для агентов – новый формат обмена знаниями между людьми и AI. И тут подоспела обновка от Anthropic: Claude в Cowork теперь можно научить навыку не текстовой инструкцией, а показом. Жмешь "Record a skill", делаешь задачу и проговариваешь действия голосом – система захватывает экран, клики, клавиши и комментарий и собирает из этого готовый skill. Как обучение джуна через shadowing.
И это уже не единичная фича: у OpenAI есть свой Record and Replay, где ChatGPT так же смотрит запись и сам пишет навык.
По сути, это андрагогика. Малкольм Ноулз писал, что взрослые учатся не через абстрактную теорию, а через практику под конкретную задачу, а не через документы / учебники / теории.
Та же логика в KM: конверсия неявного знания в явное (модель Нонаки SECI) лучше идет через наблюдение за экспертом в моменте, а не через его мемуары в Confluence. Там всплывают мелкие решения, которые кажутся эксперту "само собой разумеющимися".
Отсюда знакомая боль: SOP устаревают быстрее, чем их обновляют, потому что документирование оторвано от самой работы. Но даже со скифами проблема обновления не отпадает сама собой, это уже отдельная тема для разговора. | 1 793 |
| 10 | YC каждый квартал публикует Request for Startups – ориентир для фаундеров: что в тренде, где, по мнению инвесторов, уже виден PMF, а где еще свободна ниша с нерешенной проблемой. Это не прогноз рынка в целом, а карта «куда сейчас легче зайти с продуктом». Если сравнить весенний и летний списки 2026, видно, куда смещается фокус инвесторов.
Весна – «прибей AI к медленному процессу»: цикл фидбек–спека для PM (https://www.ycombinator.com/rfs#cursor-for-product-managers), AI-native агентства (https://www.ycombinator.com/rfs#ai-native-agencies), подсказки мастеру в поле через камеру (https://www.ycombinator.com/rfs#ai-guidance-for-physical-work). Логика простая: есть понятная ручная работа – ускоряем ее агентом.
Лето – другой слой: «мозг компании» (https://www.ycombinator.com/rfs#company-brain) из разрозненных знаний в исполняемые навыки, «AI OS» организации (https://www.ycombinator.com/rfs#ai-operating-system-for-companies), софт для агентов (https://www.ycombinator.com/rfs#software-for-agents) – API, MCP, CLI вместо GUI. Тренд: не «какую работу сделает агент», а «как устроена компания и ее системы, чтобы агенты в них работали».
Для KM это знакомая история с новым клиентом. Glean (корпоративный AI-поиск по рабочим системам) и аналоги решали поиск контекста для людей. Сейчас ставка на семантический слой и предсказуемые операции для агентов: не «найди документ», а «выполни шаг по правилам компании». Скелет похож, контракт другой.
Выводы. База знаний «чтобы люди или агенты нашли» – уже необходимый минимум, не дифференциатор. Следующий уровень – знания как вызываемые инструменты: четкие границы, версии, шаги, права. Иначе агенты обойдут вашу БЗ – и вы останетесь с поиском для людей, а не с инфраструктурой для агентов.
Источник: https://www.ycombinator.com/rfs | 1 996 |
| 11 | Забавно, что, кажется, AI наконец заставил нас делать то, что мы годами откладывали в knowledge management: нормально записывать, как у нас все устроено.
AGENTS.md, CLAUDE.md и похожие файлы выглядят как еще один технический артефакт, валяющийся рядом с README. Но по сути это новые базы знаний для агентской эпохи. В них попадает не просто “контекст для модели”, а живая операционная память команды: как у нас принято работать, что считается хорошим результатом, где лежит правда, какие ошибки мы уже совершали и какие выводы из этого сделали.
В докладе *Onboarding for Two* прозвучала очень точная мысль: все, что нужно человеку, чтобы успешно войти в проект, нужно и агенту. Style guide, audience notes, workflow, локальные conventions, типовые грабли – это уже не просто онбординг для новичка, а reusable context для любой следующей задачи.
И тут происходит интересный сдвиг. Мы годами откладывали документацию “для людей”, но внезапно готовы писать ее для агентов. Почему? Потому что эффект мгновенный: один раз записал conventions, ограничения, команды, типовые грабли - и агент уже в следующей задаче работает лучше. Меньше повторяешь контекст, меньше правишь одни и те же ошибки.
Поэтому agent guidelines – это не просто инструкция для ИИ. Это формат, который наконец вытаскивает tacit knowledge из голов, чатов и устной традиции в явный слой. По сути, все то, что обычно рассказывают новичку в первые недели: как у нас принято писать, что не надо трогать без тестов, где искать правду, каким workflow мы реально живем.
И кажется, в этом их главная ценность. Не только в том, что они улучшают работу агентов, а в том, что они буквально “обманывают” нас и заставляют писать более полезную документацию.
Вопрос, кажется, уже не в том, нужен ли вам AGENTS.md. А в том, какая часть знаний вашей команды все еще в нем не записана. | 3 827 |
| 12 | KM нужен бизнесу не “вообще”, а под конкретные инициативы
В свежем APQC-репорте меня зацепила не только тема AI, но и другой слайд – какие именно бизнес-приоритеты KM должен поддерживать прямо сейчас. Это еще и хорошо перекликается с тем, что я писала пару постов назад про бизнес-драйверы. И тут хорошо видно, как меняется разговор о knowledge management.
На первом месте уже третий год подряд – operational efficiency / process improvement: 47% в 2026 против 44% в 2025 и 42% в 2024. То есть KM по-прежнему ждут не как “функцию про документы”, а как способ убирать трение из процессов.
Но самое интересное в другом. Сильнее всего выросли digital transformation / intelligent enterprise – с 22% до 32%, strategic integration – с 20% до 26%, и productivity – с 18% до 25%. Это уже не просто про хранение знаний. Это про то, что KM должен помогать компании быстрее меняться, собирать контекст между функциями и делать знания пригодными для работы – в том числе для AI.
И тут, мне кажется, важный разворот для KM-стратегии. Нельзя больше писать roadmap только от практик: улучшим поиск, запустим communities, наведем порядок в базе. Надо идти от бизнес-инициатив: где компания хочет ускориться, снизить потери, повысить качество решений, сократить время на поиск ответа. А дальше уже смотреть, какой knowledge capability это поддержит.
Иначе получается классический KM “в вакууме”. Активностей много, связи с бизнесом мало. | 1 912 |
| 13 | بدون متن... | 2 008 |
| 14 | Про тренды в управлении знаниями 2026
APQC выпустили свежий обзор KM priorities and trends, и, кажется, в этом году сдвиг особенно заметный. Если в 2025 мы еще обсуждали, как AI встраивается в KM, то в 2026 уже видно: AI перестал быть просто новым инструментом и стал фактором, который заново собирает всю функцию knowledge management.
Что бросается в глаза?
Во-первых, AI и “smart technologies” вышли на первое место среди приоритетов KM-команд – 49%. Для сравнения: год назад это было 41%. Но интереснее не сам рост, а контекст. В топе теперь не только генерация контента, но и intelligent discovery, connected ecosystems, governance, compliance и risk. То есть разговор сместился с “давайте прикрутим AI” к “как вообще подготовить знания, чтобы AI не галлюцинировал, не ломал процессы и не подставлял бизнес”.
Во-вторых, KM все явнее связывают с продуктивностью. Одна из главных возможностей для KM сейчас – сократить фрустрацию от хаотичных репозиториев и сделать знания переиспользуемыми. Это очень точное описание зрелого KM: не “база знаний ради базы знаний”, а снижение трения в работе.
И самое важное: главные риски остались до боли знакомыми – культура не стимулирует шеринг, люди перегружены, эффект KM трудно измерить. Получается, AI поменял повестку, но не отменил базовую работу. Фундамент все еще важнее хайпа. | 1 611 |
| 15 | AI помогает делиться знаниями… но только теми, которые уже готовы к “перевариванию”. И именно поэтому когда мы готовили KM стратегию компании, мы вывели AI readiness в отдельный business driver, рядом с Operational Excellence и Growth.
По книге Designing a Successful KM Strategy (на которую мы опирались) секция Business Drivers/Imperatives отвечает на вопрос: какие бизнес цели KM должен ускорять и как это измерять. Это не “что мы сделаем”, а “зачем это нужно компании сейчас”, чтобы потом из этого логично выросли принципы, приоритеты и roadmap.
Как мы раскладывали драйвер AI readiness and knowledge accessibility (конечно без инфы под NDA):
• Где AI будет использоваться: поиск ответов, помощник в тикетах, генерация черновиков, Q&A по политикам, поддержка онбординга.
• Какие знания нужны: решения и их контекст, “как у нас принято”, границы ответственности, определения терминов, шаблоны, типовые кейсы.
• Какие признаки “готовности” (прям чеклистом):
Ownership: у каждой критичной страницы есть владелец и канал эскалации.
Freshness: дата ревью и правило “если просрочено – показываем статус и риск”.
Структура: краткий ответ в начале, затем детали, ссылки на источники, явные “если/то”.
Единые метаданные: продукт/команда/тип знания/статус/уровень доверия.
Минимум чатов как истины: важное вытаскиваем в артефакты (decision log, FAQ, runbook).
И главный инсайт: AI – не замена шэринга, а аудитор качества знаний. Если ассистент путается, значит у вас не “плохой AI”, а знания без владельца, без актуальности и без структуры.
Мы даже советовали командам 3 простых запроса про них, которые надо задать AI ассистенту, чтобы увидеть пробелы в информации, которую они о себе доносят. Эта практика зашла на ура, многие команды о себе узнали интересное или узнали, что тем чем они занимаются по мнению AI занимается кто-то другой. | 1 816 |
| 16 | Готовы ли вы к AI в управлении знаниями? Практический чек-лист самооценки
Гораздо полезнее не спорить о том нужен ли AI, а честно понять:
👉 где у вас уже есть фундамент знаний,
👉 а где AI наткнётся на стену.
В комментариях к прошлым постам многие из вас очень точно сформулировали мысль:
Если есть система — AI ускорит.
Если хаос — он его масштабирует.
Предлагаю взять проверенные подходы из практики исследований KM и AI readiness: APQC предлагает оценку программы управления знаниями на зрелость, где оценивают стратегию, процессы, технологии, людей и измерения эффективности. А в AI-эпоху к этому добавляется еще одно – готовность данных и governance.
Вот практический чек-лист, который можно пройти с командой (ответы «да/нет/частично»):
Стратегия и цель
Руководство понимает, зачем нам AI в управлении знаниями?
Есть конкретные цели для этого (конкретные процессы, роли, KPI)?
Есть 1–2 конкретных сценария применения, а не абстрактное «чтобы было»?
Понятно, какую бизнес-проблему это решает?
👉 Если нет стратегии, то AI останется «красной кнопкой без смысла».
Знания и процессы
Мы знаем, где живут критические знания (чаты, документы, ноу-хау людей)?
Есть процессы, которые формализуют обмен знаниями (воркшопы, менторство, ретроспективы, онбординг)?
Есть четкие измерения того, что знания успешно передаются?
👉 Если знания в голове у людей и нет процессов — AI просто усилит хаос.
Культура и люди
Команда готова использовать AI как инструмент (а не как «магическую замену»)?
Есть ответственные за KM + ресурсы для поддержания процессов?
👉 Люди и культура — ключевой фактор, без которого AI тонет.
Инфраструктура и данные
Наши данные/контент доступны, структурированы и пригодны для AI?
Контент актуален? Есть владельцы знаний? Удаляются ли дубликаты и устаревшие материалы?
Есть технологии, которые позволяют встроить AI в рабочие процессы (чтобы искать, резюмировать, рекомендовать)?
👉 AI без данных — фантастика.
👉 Данные без структуры — беспорядок.
Измерение и управление
Определены метрики для оценки:
– вовлеченность пользователей
– качество знаний
– скорость поиска/решения задач
– доля реального применения знаний
– повторное использование знаний
👉 Без KPI прогресс незаметен.
📌 Промежуточный вывод:
Если в 5+ пунктах ответ «нет» или «частично» — вашему KM еще нужна работа над основой до серьезного AI-развертывания.
Как использовать результаты?
Соберите ответы по подразделениям — это даст карту слабых мест.
Сгруппируйте по 4 направлениям: стратегия, люди, процессы, технологии.
Постройте roadmap: от тактических задач (структурировать ключевые знания и сделать более пригодными для AI) к внедрению инструментов AI.
💬 Вопрос к аудитории:
Если вы сейчас проходитесь по этому чек-листу — в какой области у вас самая большая «дыра»: люди, процессы, данные, измерения? И что вы планируете сделать в первую очередь?
Еще полезное по теме:
Оценивая фреймворк APQC в эру AI
Как оценить готова ли ваша система управления знаниями к AI | 1 695 |
| 17 | AI, знания и менторство: не база знаний, а система связей
Если подробнее почитать отчет Deloitte, становится понятнее, какой именно knowledge transfer они имеют в виду, когда говорят про AI.
Это не «записать опыт экспертов в систему».
И не «спросить у AI, как раньше делали».
Вот несколько примеров.
1) HSBC использует AI, чтобы алгоритмически соединять людей:
опытных сотрудников и тех, кто хочет развить конкретные навыки — через реальные проекты.
Не курсы. Не инструкции. А совместную работу.
Важно:
👉 знание передается в действии
👉 AI лишь помогает найти, кого с кем и зачем соединить — такой «знаниевый тиндер»
2) Salesforce идет тем же путем, но с фокусом на карьеру.
Их AI не «советует учиться», а показывает:
вот твои навыки — вот роли внутри компании, о которых ты даже не думал.
И снова – AI не создает знания.
Он делает видимыми скрытые связи между опытом, навыками и возможностями.
И вот тут становится понятна логика цифр из опроса.
Почему топ-менеджеры и офисные роли больше верят в AI для передачи знаний?
Потому что у них:
знания уже формализованы,
работа проектная,
результат зависит от координации, а не только от рук.
А вот продажи, рабочие, операторы, линейные роли – скептичнее.
И это не «отсталость», а сигнал:
там знания до сих пор передаются через людей – рядом, в моменте.
И AI туда просто так не встроится.
Deloitte прямо говорит:
если мы хотим использовать AI для передачи tacit knowledge, придется:
пересобирать процессы,
создавать совместные форматы работы,
делать знания побочным продуктом деятельности, а не отдельной задачей.
Если хочется глубже понять, почему это работает именно так, очень рекомендую классическую рамку про tacit knowledge:
👉 Ikujiro Nonaka, SECI model (tacit ↔ explicit knowledge)
Одна из самых внятных моделей, объясняющих, почему знания передаются через совместную деятельность (социализацию и экстернализацию), а не только через документы. Картинка в треде.
Она хорошо объясняет, почему Deloitte так настаивает на проектах, менторстве и совместной работе, а не на «оцифровке опыта».
Отдельно мне зашла мысль про двустороннее (mutual) обучение.
Пример с врачами и роботизированной хирургией показывает:
молодые приносят технологии, старшие – контекст и клиническое мышление.
AI здесь – не «учитель», а катализатор совместного смысла.
И, кажется, главный вывод такой
AI ускоряет передачу знаний только там, где:
👉 знания уже кому-то нужны,
👉 есть кому с кем учиться,
👉 и обучение встроено в реальную работу.
Во всех остальных случаях он просто аккуратно подсветит,
что передавать… пока нечего. | 1 644 |
| 18 | AI и передача знаний: удивительно много уверовавших?
Deloitte спросили, может ли AI помочь опытным людям делиться знаниями.
Большинство ответили: да – независимо от возраста и роли.
Среди сотрудников 55+ согласны больше половины.
А топ-менеджеры верят сильнее всех – 76%.
Но вот что меня удивляет.
В отчете нигде не говорится, что AI создаёт знания.
Он лишь помогает делиться тем, что уже есть.
И здесь для меня парадокс: если эксперты всё больше работают с AI, значит ли это, что они меньше общаются с коллегами?
Откуда тогда возьмётся шэринг?
А теперь вопрос 👇
Верите ли вы, что AI поможет лучше делиться знаниями?
И если завтра он станет идеальным помощником, что именно он будет передавать у вас в компании?
знания из чатов?
устные договоренности?
«спроси Петю, он знает»?
По моему опыту, AI не решает проблему хаоса, а ее подсвечивает.
Источник: Deloitte, Strategies for workforce evolution 🥓 | 1 585 |
| 19 | Коллективное знание+GenAI
Наткнулась на интересный сервис - Consensus, это LLM, которая использует для ответов данные из Reddit, по сути - коллективный разум и дискуссии. Сервис ищет ответы в релеватных сабредитах, тредах и комментариях.
А еще приводит своеобразные опросы общественного мнения по спорным вопросам.
Пробуем тут: https://useconsensus.io/ | 1 275 |
| 20 | Те кто давно в канале знают, а остальным я напомню, что я делаю вещи в программном комитете конференции про управление знаниями KnowledgeConf.
Конфа уже разменяла 5 лет существования, за это время было разное - офлайн, онлайн, мини-конференция/трек в рамках TeamLeadConf, но этим летом мы возвращаемся в виде однодневной, но отдельной конференции, сфокусированной только вокруг ключевых аспектов управления знания в компаниях:
- Создание и поддержка баз знаний;
- Onboarding и offboarding;
- Передача знаний в команде и между отделами;
- Извлечение и упаковка знаний экспертов;
- Персональные знания.
Итак,
Что?
Knowledge Conf X 2025
Профессиональная конференция про управление знаниями в IT-компаниях
(можете спросить почему X в комментариях)
Где?
📍Москва, очно и онлайн
Когда?
📅 2.06.2025
Прием заявок на доклады уже открыт. А если вы пока не можете выбрать тему доклада - подключайтесь ко встрече с программным комитетом 23 января в 17:00, поразгоняем тему, послушаем ваши идеи и проблемы. | 1 769 |
