fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

Knowledge and bacon - Управление знаниями в IT

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 بیشتر
4 257
مشترکین
-324 ساعت
-77 روز
-730 روز

در حال بارگذاری داده‌ها

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 '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 اکتبر0
16 اکتبر0
15 اکتبر+2
14 اکتبر0
13 اکتبر+1
12 اکتبر0
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+1
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
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
+3
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. Б+1
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 Redd+1
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 знания
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