别再培训能力了,关键是找到生成能力的知识体系

一位做企业培训的朋友曾经问我：“我们公司算很重视培训学习的。

钱花了不少，各种沟通能力、领导力、解决问题能力的课也上了不少，课程满意度也不错，但员工回到工作岗位以后，表现还是没有明显变化？

不能说培训没用，但具体作用却很不明确。形势不好的大环境下，老板砍了很多预算。”

这个问题，其实是个普遍现象，值得我们深入思考。

我通过一个例子分析一下，在AI时代企业培训，该怎么做能更有效，期望给你一些启发，也欢迎跟我们交流（vx:511956894）。

一、先看看同样面对客户，高手为什么不一样？

假设一个B2B销售正在跟一家大客户谈合作。客户说：

“你们的价格比竞争对手高了7%，如果价格降不下来，我们可能就选择其他供应商。”

普通销售可能会马上回应：

“我们的产品质量更好，服务也更完善。我再帮您申请一下价格优惠。”

但一个优秀的销售，可能不会按照客户的思路去走，着急回应价格高低的问题，而是会问更深层次的事情：

• “您说的7%，是采购价格高7%，还是整个项目的综合成本高7%？”
• “项目当前处于什么阶段？供应商已经基本确定了吗？”
• “目前参与决策的主要是采购，还是业务、技术和管理层都会参与？”
• “如果价格能够降低7%，对最终决策的影响有多大？”
• “除了价格之外，你们现在最关注的是什么：交付、质量、服务，还是项目风险？”

这个时候，很多人会以为优秀的销售是沟通能力更高。但如果你深入分析就会发现，真正的差别可能根本不在于“会不会说话”。

高手牛的地方是他知道应该问什么、为什么问、从客户的回答中看什么，以及不同信息之间有什么样的关系。

譬如在听到客户的诉求时，大脑里可能立马反映出以下内容：

• 客户说“贵7%”，有可能是真的太贵了（预算约束），也有可能只是谈判策略；
• 采购设备价格只是一个变量，客户真正关心的可能是项目总成本；
• 不同角色关注的问题不同，采购关注价格，业务部门可能关注结果，技术部门可能关注方案，管理层可能关注风险和投入产出；
• 客户所处的项目阶段不同，供应商的谈判空间也不同。

所以，一个看似简单的“沟通能力”，背后其实包含了大量的：

行业知识、客户知识、产品知识、项目知识、商业知识、竞争知识，以及这些知识之间的关系。

这个时候，聪明的你已经发现了：

很多我们称之为“能力”的东西，其实只是最终表现；真正产生这种表现的，是背后的知识积累和他们之间的关系。

二、大部分“能力”，其实是一个没有被拆开的黑箱

在企业人才发展体系中，我们经常会看到：沟通能力、分析能力、判断能力、创新能力、解决问题能力、领导力……

这些词当然都很重要。

但问题是能力是一个结果项，好的结果每个人都想要，但要拿到结果必须搞清楚，什么构成了结果？

类似于，当我们说一个人的“分析能力不足”时，我们真的知道他是因为缺什么导致分析能力不足吗？

如果不知道，培训很容易变成：“给他上一门分析能力课程。”

• 沟通能力不足，就上沟通课；
• 领导力不足，就上领导力课；
• 创新能力不足，就上创新课。

于是形成了一条非常熟悉的路径：

定义能力 → 设计课程 → 组织培训 → 希望能力提升。

这种方式并不是完全没有价值。对于建立共同认知、补充基础知识、帮助员工掌握通用方法，传统培训仍然有作用。

但它有一个根本问题：

它通常告诉员工“应该具备什么能力”，却没有进一步回答“产生这种能力的原因究竟是什么”。

一个人为什么判断得准？因为他掌握了更多信息吗？不完全是。

他还需要知道哪些信息更重要，能够识别关键变化，拥有判断框架，理解变量之间的关系，积累足够多的案例，并知道在不同情境下应该调用什么知识。

一个人为什么解决问题快？也不只是因为“经验丰富”。

更可能是因为他见过大量类似问题，能够快速识别问题类型，知道问题背后的因果关系，掌握多种解决方案，并知道什么情况下应该使用哪一种。

所以：

能力不是一个可以直接拿来训练的东西。

真正值得研究的是：

什么知识产生了这种能力表现？

三、AI时代，企业必须开始界定出“生成能力的知识”

为什么现在尤其需要改变这种思路？

一个方面是因为AI正在改变企业人才培养的基本环境。

过去，员工学习一个知识、查找一份资料、整理一堆信息，本身就需要付出很高成本。

现在，AI正在大幅降低这些成本。如果员工明确的知道自己缺什么，就可以快速获得信息、生成内容、整理资料、学习概念，甚至让AI完成大量原本需要人工完成的标准化工作。

这意味着：“知道一些知识”“参加过一些培训”“能够完成一般性的工作”，正在变得越来越不稀缺。

企业真正需要的，是员工能不能在关键任务中做出高质量判断、处理复杂情况、解决非标准问题，并持续产生好的结果。

另一个方面，所有的能力背后都是知识体系。

都知道AI时代判断力越来越重要，但判断力的背后是什么？举个简单的例子说明：

如果你们家的小朋友提问39度，你自然就知道他发烧了，该吃药或者去医院。

这个背后其实是你做了个正确的判断，这个判断来自于信息和知识：

• 信息：小朋友39摄氏度，这是通过温度计测量来的信息；
• 知识：人体正常体温是36.5-37.5摄氏度，儿童稍微高一些。

这个时候因为39远远大于37.5摄氏度，你自然的判断是发热，而且这个判断是正确的。

但假如说，你们家的猫咪也是39度，是不是也发烧呢？

大部分人就不知道了，就无法判断了。而无法判断的原因是你大脑中缺乏相关知识：猫咪的正常体温的知识。

以上的例子是足够简化，利用的也是常识。而复杂的判断场景下信息获取困难、知识欠缺或者涉及到概率等，则更加复杂。但所有的判断力都是在信息的基础上利用知识（规则也属于知识）判断。

不同场景下的判断需要不同的信息和知识，需要不同的信息、知识获取分析渠道等。

通过以上的例子，相信你已经明白，判断力的底层其实是数据信息知识及其之间的关系。而所有的能力都是类似的底层逻辑。

因此，AI时代的人才培养不能只是在原来的培训体系上增加更多AI课程。更重要的是，要改变一个基本思路：

从“培养能力”进一步走向“寻找生成能力的知识及背后的体系”。

传统培训可以继续作为基础设施存在，但它需要从主路径变成整个体系中的一个组成部分。

新的路径应该是：

优秀表现 → 关键任务 → 关键动作 → 数据、信息、知识 → 专家知识体系 → 个人知识缺口 → 广义学习 → 实践反馈 → 知识体系升级 → 表现提升

四、高手和普通人的差距，往往不是知识多少，而是知识体系不同

很多人理解学习，就是不断增加知识。于是买书、听课、参加培训、收藏文章。

但真正的专家并不只是“知道得更多”，更重要的是，他的知识已经形成了结构。

还是刚才那个B2B销售的例子。

普通销售看到客户说“价格贵”，可能只想到：

“客户嫌贵，我需要申请折扣。”

高手则可能进一步判断：

“价格到底是不是核心矛盾？客户内部谁真正影响决策？不同角色的权重是什么？如果价格不能降，还有什么条件可以交换？这个项目背后的真正风险是什么？”

他们看到的是同一个客户，但调用的知识完全不同。

按照KMCenter的分析，专家知识体系至少包含几个重要层面：

• 常识：基本概念、事实、规则和背景。
• 关联：现象与原因、问题与对策、变量之间的关系。
• 广度：框架、分类、模板、模型以及更大的知识地图。
• 深度：原理、机制、战略、底层逻辑。

除此之外，还必须知道：

什么知识，在什么情况下，以什么方式被调用。

所以，知识体系不是知识罗列的清单。

知识清单告诉你“知道什么”；知识体系进一步告诉你“这些知识之间有什么关系，以及什么时候应该调用它们”。

五、真正有效的学习，不只是上课，而是围绕知识缺口进行广义学习

当我们找到一个人的知识缺口以后，下一步并不是简单地给他安排一门课程。因为不同的知识缺口，需要不同的学习方式。

有些知识适合通过阅读、课程和专家讲解获得；

有些知识必须通过案例分析才能真正建立；

有些知识只有在实际任务中才能理解；

还有一些知识，必须在一次次实践、失败和复盘中逐渐形成。

所以，我所说的“学习”，是一个更广义的概念，我们叫他广义学习（对应主要方式为读书、上课、练习和考试的狭义学习）。

学习不仅包括培训、读书和课程，也包括工作实践、问题解决、复盘、交流、观察、试错和经验总结。

而知识缺口一旦被明确，他的大脑中一直存在这个问题。学习本身就会发生变化。

以前员工接到一个任务，可能只是把事情做完。现在他知道：

“专家在这个任务中会关注客户的哪些信息，而我没有关注。”

“专家会判断三个变量之间的关系，而我只看到了其中一个。”

“专家遇到这个情况会调用某个框架，而我还没有这个框架。”

于是，他在实践过程中就会开始有意识地观察、验证、提问和总结。这时候，实践不再只是“积累经验”。

而变成了：

带着知识缺口去实践，在实践中发现问题，再反过来补充和修正自己的知识体系。

因此，学习效率也会发生变化。不是“先学很多，再去实践”，而是：

知道缺什么 → 带着问题实践 → 发现新的缺口 → 学习和总结 → 再实践 → 修正知识体系。

这才是真正意义上的持续成长。

六、企业人才培养，需要从“培训员工”转向“帮助员工找到差距”

基于这种思路，先进企业的人才培养就会发生一个非常重要的变化。

过去可能是：

岗位能力模型 → 课程体系 → 员工参加培训 → 期待能力提升

现在则的主路径是：

找到优秀表现 → 拆解关键任务 → 分析专家动作 → 找到背后的数据、信息和知识 → 建立岗位专家知识体系 → 员工与专家体系对比 → 找到个人知识缺口 → 制定广义学习计划 → 在工作实践中验证和升级

这时候，培训部门的角色也会发生变化。不再只是：“我们今年给员工安排哪些课程？”

而是进一步问：

“这个岗位真正优秀的人为什么优秀？”

“他的优秀表现背后有哪些关键知识？”

“我们的员工与这个知识体系相比，差距在哪里？”

“哪些差距需要培训解决，哪些需要实践解决，哪些需要专家辅导，哪些需要在真实任务中形成？”

最终得到的，不再只是一个培训计划，而是一张真正有针对性的：个人知识缺口地图和提升指南。

总结：别再培训能力，找到产生能力的知识体系

AI时代，企业真正稀缺的，不是更多课程，也不只是更多知识。而是：

知道什么知识真正决定高质量表现。

对于企业来说，这意味着要从岗位的关键任务出发，找到专家级背后的知识体系，再让员工与之对标，发现自己的知识缺口，再去通过广义学习方式补上它！

对于个人来说，则意味着不要从“我要学什么”出发，而要从“我要把什么事情做到专家级”出发，基于这个目标，我需要学什么。

最终，我们追求的不是让员工“学过更多课程”，也不是让个人“积累更多知识”。

而是让知识真正进入工作，让工作成为学习的关键一环，在实践中不断发现新的知识缺口，让每一次解决问题和任务都推动知识体系升级。

最后能形成一个持续循环：

专家级表现 → 关键任务 → 动作 → 知识 → 知识体系 → 找到缺口 → 广义学习 → 工作实践 → 反馈修正 → 更高水平的表现。

关于如何从建立专家级知识体系角度提升员工能力，KMCenter有详细的方法论、相关辅导和模板，欢迎感兴趣的与我们交流（微信：511956894）。