Корпоративный ИИ столкнулся с проблемой: знания о работе живут только в головах

Компании вкладывают миллиарды в корпоративный ИИ, но сталкиваются с фундаментальной проблемой: большая часть знаний о том, как реально устроена работа, живёт не в базах данных и документах — а в головах сотрудников. И извлечь эти знания значительно сложнее, чем кажется.

Невидимые знания компании

Формальные корпоративные системы — CRM, ERP, Jira, Confluence — фиксируют результаты и формальные процессы. Но они почти никогда не захватывают то, что на самом деле важно: как именно опытный менеджер решил спорный вопрос с ключевым клиентом, почему команда годами обходит узкое место в пайплайне именно таким способом, какие нюансы принципиальны при работе с конкретным партнёром. Это явление называют «неявным знанием», или tacit knowledge — термин, введённый философом Майклом Полани. Его суть: эксперт часто не может объяснить, почему принимает то или иное решение — он просто знает. Опытный кулинар на ощупь понимает, что тесто готово. Опытный юрист мгновенно видит проблемный пункт контракта. ИИ без такого контекста остаётся слепым вне зависимости от мощности своей архитектуры.

Почему это трудно оцифровать

Корпоративный ИИ упирается в эту проблему сразу с нескольких сторон: Артикуляция: сотрудники зачастую сами не могут описать то, что делают — они действуют по интуиции, выработанной годами Изменчивость: неформальные знания постоянно обновляются под влиянием новых событий, а документация за ними не успевает Стимулы: у сотрудника нет прямой мотивации объяснять, как именно он работает — это его конкурентное преимущество внутри компании Контекст: одно и то же правило работает совершенно по-разному в зависимости от клиента, дедлайна и состава команды * Масштаб: в крупной организации тысячи носителей уникального знания, и у каждого своя версия одних и тех же процессов Даже мощная языковая модель, обученная на официальных документах компании, будет давать советы, которые работают на бумаге, но расходятся с реальностью. Именно это Bloomberg называет главным нерешённым вызовом корпоративного ИИ сегодня.

Что компании уже пробуют Несколько подходов набирают популярность.

Одни компании запускают программы «knowledge mining» — серии структурированных интервью с ключевыми экспертами, записи которых затем используют для файн-тюнинга внутренних моделей или наполнения корпоративных баз знаний. Трудоёмко, но даёт высокое качество. Другие внедряют инструменты process mining: они автоматически анализируют логи ERP и CRM-систем и восстанавливают реальные рабочие процессы — то, что фактически происходит, а не то, что написано в регламентах. Расхождение между ними бывает разительным. Наконец, появился целый класс ПО — AI-«тени», которые наблюдают за действиями сотрудника в фоновом режиме и постепенно строят модель его поведения. Это поднимает серьёзные вопросы о приватности и праве собственности на знания, накопленные человеком за годы работы.

«Настоящий вызов не в том, чтобы обучить модель на данных компании.

Вызов — сначала вытащить эти данные из людей».

Что это значит

Корпоративный ИИ упирается не столько в технологии, сколько в организационную антропологию. Компании, которые научатся системно извлекать и оцифровывать неформальное знание своих сотрудников, получат реальное конкурентное преимущество — не от более умных моделей, а от лучших данных о том, как их бизнес работает на самом деле. Это смещает конкуренцию с вопроса «чей ИИ мощнее» к вопросу «кто лучше знает себя».