AI时代培训部门的新使命:建立私有知识体系
文/田志刚
近年来，企业培训行业明显地焦虑。
虽然培训部门做了很多工作：建设培训体系、开发课程、建立能力模型、搭建学习平台、萃取知识。
在经济下行环境下，培训部门却发现，越来越难证明自己的价值：
- 培训投入越来越多，员工能力提升却没有明显同步；
- 课程数量越来越丰富，真正解决业务问题的内容却并不多。
尤其进入AI时代后，这种焦虑进一步加剧。过去，培训部门的重要价值之一，是帮助员工获取知识。
员工需要学习行业知识、专业知识、管理方法、最佳实践，培训部门负责把这些内容整理成课程，再传递给员工。
但在今天，AI正在快速降低知识获取成本：
- 员工想了解一个概念，可以问AI；
- 想学习一个方法，可以让AI生成课程；
- 想了解一个行业，可以让AI快速总结。
于是，一个问题出现了：
如果AI已经可以帮助员工快速的发现、学习大部分知识，企业培训部门的价值在哪里？
这个问题背后，其实是一个更深层的变化：
AI时代，企业竞争的核心正在从获取公共知识，转向创造、沉淀、传播和应用私有知识。
而培训部门未来的重要价值，不是继续生产更多课程，而是帮助组织把专家能力转化为可传播、可复用、可应用的组织知识资产。
一、AI降低公共知识获取成本，企业竞争转向私有知识
过去企业竞争，很大程度上依赖知识优势：谁拥有更多行业信息、谁掌握更多方法、谁能够快速学习先进经验。
但AI正在改变这一格局。
今天，大量公共知识已经越来越容易获得：行业基本概念、专业理论、管理方法、公开案例、通用工具。
这些知识仍然重要，因为它是任何企业都需要的基础。但是问题在于：
当所有企业都可以快速获得公共知识时，仅靠公共知识越来越难形成长期差异。
未来真正决定企业竞争力的，是那些无法直接复制的私有知识。
什么是私有知识？
很多企业认为：内部文件、制度流程、历史报告、培训材料，这些就是企业知识。
但真正有价值的私有知识，并不是简单存在于企业内部的已经形成文档、记录的信息类内容。
而是：在真实业务实践中形成，能够支撑组织完成关键任务、做出高质量判断的知识。
例如一个制造企业：
– 为什么同样设备异常，资深工程师可以快速定位问题？
– 为什么同样生产数据，优秀管理者能够发现潜在风险？
– 为什么同样客户信息，优秀销售能够判断成交机会？
这些背后的判断逻辑，不存在于公开教材中，大概率也不存在于企业的文档里，而这些东西仍然以经验形式在相关专家级员工的大脑中，但它们可能才是这家机构最重要的私有知识。
二、私有知识来自专家，但经验不等于知识
大部分企业都有大量经验，但这里的关键问题是：经验不同于知识。
举一个老的例子：三个人一起坐电梯，电梯从一楼到十楼。第一个人在电梯里不停跑步。到了十楼，他说：“我是跑上来的，所以我到了十楼。”
第二个人一路做俯卧撑，到了十楼，他认为自己“我是靠俯卧撑上来的。”第三个人则一路撞墙上来的，他认为自己“是靠努力和毅力撞上来的。”
三个人都有经验：他们确实做了这些事情；他们也确实到了十楼。但是，他们对原因的理解都是错误的。
因为我们都知道，真正导致上十楼的是：电梯运行。
经验记录的是发生了什么，而知识解释为什么发生。
经验：- 我做过什么；- 我遇到过什么；- 我采取过什么动作。
知识：- 什么因素真正导致结果；- 为什么这样有效；- 什么情况下有效；- 如何迁移到新的场景。
企业中的很多专家经验也是如此：
一个资深销售说：“我跟客户聊几句，就知道项目有没有机会。”
一个资深工程师说：“这个设备问题，我一看就知道。”
一个优秀管理者说：“这个员工的问题，我很快就能判断。”
他们说的可能都是真的，但如果进一步追问：为什么，依据什么，哪些情况下不成立？
很多时候，对这样的问题他们只能回答：“经验。”
这不是专家不愿意分享，而是因为，长期实践形成的判断，已经变成了自动化认知模式。这些判断存在于：
案例积累、模式识别、情境理解、经验权衡。
这里面就有个麻烦，这些内容大部分是以感觉方式存在的，并没有形成知识。即便这个人愿意共享，愿意告诉你，他也说不出来！
三、专家知识不是萃取出来的，而是建模出来的
培训部门过去其实做了不少经验知识萃取的工作，也产生了大量的课程、PPT什么的，但这些东西真正被用起来的不多。
传统的方式是找到专家、访谈专家、让专家讲经验、整理成文档或者课程。
这种方法背后有一个假设：专家的知识已经完整存在于大脑中，只需要把它提取出来。
但这个假设并不完全成立：专家会做，不代表专家知道自己为什么会做。
因此，真正的问题不是“专家有什么经验？”而是“专家为什么能够完成高水平任务？”
要搞清楚这个问题（我们有个文章专门详细的讲）就需要从专家表现反向分析。
这个分析过程是下面的过程：
业务目标→关键任务→专家高水平表现→关键判断→数据、信息与上下文需求→背后的知识、模型、规则和情境→专家知识体系
这已经不是简单的信息采集整理，而是一个知识建模的过程。背后的方法论是从能力模型到任务知识分析的专家。
传统企业培训大部分是从能力模型开始的，例如
优秀销售需要： 沟通能力；- 谈判能力；- 客户管理能力。
优秀管理者需要：- 领导力；- 决策能力；- 战略思维。
这些描述没有错，但是问题在于，能力只是结果，真正需要培养的是：支撑能力形成背后的知识体系。
举个例子比较容易说明白，企业想培养市场人员对产品定价的能力，传统课程可能会讲到，定价的几种方法：成本定价、竞争定价、价值定价。
员工学完之后知道，原来有三种定价策略。但是当真正面临一个定价问题的时候，要远比选择策略复杂：
为什么之间的定价客户觉得贵，是真的价格问题吗？什么时候应该降价？什么时候应该坚持价值？
这些才是市场人员真正的能力，这些能力来自：具体任务中的数据；对信息的理解；知识之间的关系；具体情境的判断。
所以能力不是简单培训出来的，而是在真实任务中，利用知识解决问题形成的。相关文章：别再培训能力了,搭建生成能力的知识体系
四、AI时代培训部门的新价值：帮助组织复制高水平表现
未来企业最稀缺的不是知识，而是：能够在复杂环境中持续做出正确判断的人，也就是各职能和业务上的专家。
因此，培训部门未来的重要价值，不是开发更多课程，而是：
帮助组织发现培养专家、拆解专家为什么优秀、分析出专家级表现背后的知识体系；再利用这个知识体系培养更多高水平人才。
但这里的“复制专家”，不是复制某个人，而是复制专家背后的知识体系，理解面临一个工作任务：
– 他们是如何理解任务；- 他关注哪些信息；- 他如何形成判断；- 他依据什么规则行动；- 遇到什么情境的时候需要调整等等。
例如培养大客户销售的专家，不是请几个专家讲：“我的销售心得。”也不是让他去做PPT和写文档。
而是去组织分析出：
- 完成大客户销售需要哪些关键任务？
- 如何识别出高潜力客户，判断客户的价值？
- 如何识别客户内部的决策链条？
- 如何理解客户不同角色的需求特征，关注点？
- 如何设计出有针对性的方案？
- 如何处理销售中与竞争对手的关系？
然后再去继续分析，这些专家之所以做得比普通员工好，背后是因为他们看什么、听什么、问什么？为什么他们关注这些信息？普通员工为什么注意不到？
最终形成：支撑大客户销售成功的任务知识体系。
当这个知识体系出来的时候，其实就可以教会哪些不是专家的员工，也可以作为企业AI落地的输入了。
五、培训部门未来做什么
站在AI大变革节点上，未来培训部门的定位和角色需要改变，它应该成为连接：业务目标、专家经验、员工成长、AI应用的核心组织者。
未来工作重点不应该局限于站在培训、能力立场上，而应该渗入业务提供更深入的支撑，包括：
第一，识别关键任务，哪些任务真正决定业务结果？
第二，分析专家表现，优秀员工为什么能够做到？
第三，推动知识建模，把专家经验转化为可复用任务知识体系。
第四，设计培养机制，让更多员工通过实践掌握高水平判断。
第五，支持AI应用，让组织知识成为AI可调用资产。
譬如当前企业建设AI应用时遇到的核心问题：为什么上传了大量资料，AI效果仍然有限？在这个过程中，培训部门就大有可为，举个例子说明一下：
AI完成复杂业务任务，需要两类输入。
第一类：实际上下文。
例如：客户信息、项目状态、业务数据，这些内容回答：现在发生了什么。
第二类：任务知识。
例如：应该关注什么、如何解释信息、什么情况下采取什么行动，这些内容回答：应该如何判断。
企业过去虽然积累大量资料，但缺少的是支撑任务判断的知识体系，这正是专家知识建模的价值。
这些内容可以同时服务于员工培养和AI应用。
六、AI时代企业培训的新价值模型
过去大致是这样的：岗位要求→能力模型→课程开发→员工学习
未来应该是这样的：
业务目标→关键任务→专家表现分析→知识建模→人才培养→AI应用实践→验证知识→持续更新→组织能力提升
长期看AI不会消灭培训，但会改变培训的价值。
未来价值越来越低的是：把公共知识包装成课程，然后期待员工听完以后自动产生能力。
未来真正有价值的是：帮助组织识别关键任务、理解专家为什么优秀、建立专家知识体系、培养更多专家、让知识在人和AI之间流动。
因为AI时代，企业竞争的重要差异，不只是拥有多少知识，而是：能否持续创造、沉淀、传播和应用那些无法被简单复制的私有知识。
而培训部门未来的新使命，就是帮助组织完成这一转变：从知识传递者，成为组织能力建设者;从课程开发者，成为专家知识体系的推动者;从培训管理者，成为AI时代企业知识资产建设的重要参与者。（本文作者为知名知识管理专家作者田志刚，您可通过微信号：511956894 与他联系）
