如何把企业专家的能力复制到AI系统中?

如何把企业专家的能力复制到AI系统中?

文/田志刚  摘自《卓越密码:如何成为专家》

· 周四第1讲:AI知识库搭建优化实操训练营 ·

/01/

最近一个央企制造板块的负责人找到我,问了一个问题。

他们是做大型专用设备的,最近这些年有不少60后的工程师和师傅面临退休,而且这里面不少是工艺、维修、维护的专家级员工。

这些人水平都很高,很多复杂的设备安装、运维问题只有他们能搞定。但后续人才并没有类似水平的员工。

领导就很着急,问该怎么把这些专家的经验留下来?

最好能结合上当前的大模型,能将专家能力放到AI里,这样一个方面是可以用,另一个也是可以让后面的人去学习。

中国改革开放四十多年,各种类型的企业发展也有了较高水平,培养了不少各个业务主题上的专家。

但岁月流逝,这些专家的年龄日渐增长,会陆续面临退休问题,这就涉及到一个专家知识传承、他们的洞察力和能力转移的问题。

这当然是一个困难的问题。

传统的是让专家多带几个徒弟,做经验萃取弄一些课程,或者编制一些案例或者文章。

这些方式虽然有一些效果,但真正做过的人都知道,这些活动或举措其实效果也有限。

原因在于没有搞清楚专家之所以表现卓越背后的逻辑。

这里面不仅仅是其他领导或者同事没有搞清楚他们为什么优秀,而且是大部分专家本身,如果没有有意识的去做过分析、反思和研讨,并掌握相关的方法论,自己也不清楚。

这种情况下,即便这些专家有意愿去说或者写,但他们说或者写的也很可能没有找到关键核心。

这就是我们一直说的“不知道自己知道”的状态。不知道自己知道是指这个事情会做,但却不知道是“为什么会做”,是基于哪些数据、信息或者知识让他们能应付自用。

也就是常说的“知其然而不知其所以然”,做事情是经验状态,靠感觉、靠灵机一动,这个虽然在很多场景下能做到,但却不能保证稳定性,不能表达为规则。

这也就是经验和知识的区别。如果不能表达为规则,形成知识,那么就无法转移给AI,让AI去做类似工作。

/02/

那该如何解决这个问题呢?

正好在我们的“AI知识库搭建与运营在线课程”中正讲这一部分,把我们的方法论分享给大家,感兴趣也可以报名听这个课程,有相关的案例和练习。

首先第一个是认知上要明确,所有的卓越表现是结果,背后一定是这些人在某个场景下比我们多掌握了某些数据、信息、知识或者技能。

没有平白无故的牛人。

譬如处理一个设备问题,专家能抓住问题的症状,而普通水平的人可能即便看到这些现象,也会忽略掉,背后是专家对于某型号设备在某场景下出现问题时该注意哪些现象有信息获取的框架,而不是胡乱去看。

这也就是咱们常说的“外行看热闹,内行看门道”背后的逻辑。

其次是掌握专家级表现背后的分析方法论,让专家知道如何分析自己之所以会做的方法。

它还不是一个点,譬如上面提到的能抓住重点现象的问题,而是一个体系化的内容,包括如何去观察获取关键信息、基于信息关联到设备的原理、关联到之前处理过的案例和学习思考形成的模式、关联到问题诊断、维修技能等等。

这里面不是点的知识,而是一串一串甚至是网状的数据信息知识之间的关联。

我们经常说专家都是“一眼看透本质”,但这个东西并不神秘,底层逻辑就是我上面分析的从现象到原因到对策的逻辑线条。

著名的计算机、经济学和心理学专家赫伯特·西蒙(他是图灵奖、诺贝尔经济学奖获得者,也是认知心理学的大牛)说过专家们看现场的时候:

这个局面提供了一个线索,专家可以接触到存储于记忆中的信息,而这个信息提供了答案。直觉就是认知。

这些分析方法专家本身如果没有经过系统的训练,即便他们愿意,很可能也无法梳理出来。

这就是原来为什么那么经验萃取、专家们讲课带徒弟都无法传承的原因,因为他们自己其实也没有想清楚,当然就很难说清楚或者写清楚了。

最后如果能分析出来,剩下的就是知识建模,通过知识图谱、规则引擎或机器学习将提取的知识转化成AI可以理解应用的模型,再充分利用LLM的能力去应用起来。

当然AI化的过程中涉及到与AI专辑、业务专家的协同工作,持续的验证和迭代,大致是可以做出来的。           

进一步说,其实不仅仅是面临退休的专家们面临这样的问题。从企业角度而言,都面临着一个专家经验知识化,知识AI化的需求。

在做这些工作的过程中,当然也存在很多困难但大都有相对成熟的处理方式和方法:

业务专家的接受度:如果他们认为这个事情就是剥夺他们的竞争优势,自然会拒绝;

知识提取的难度和单个专家的偏见:欠缺分析方法,从来没有相关训练,能力欠缺。单个专家的观点不一定有普遍性等等;

技术成本与技术的复杂性:虽然当前AI技术更新日新月异,但开发这样的系统成本还是比较高的,相关技术也在成熟的过程中。

无论是基于员工代际更替所需要的经验传承,还是基于中国企业竞争优势的提升,加上AI普及对于组织私有知识的需求,都需要企业主动去做真正经验知识化的工作。

而这个工作的最核心逻辑是能分析出在不同场景下卓越绩效和表现背后的知识内容体系,才能实现高质量经验的知识化。

这里的关键是极致的具体化,譬如说需要提升员工的判断能力,这样的话是正确的废话,不可操作。而是需要具体到了解什么信息、学习什么知识、练习哪些技能就能提高判断力,只有具体才能落地和执行。

关于以上主题的内容,感兴趣的可以联系跟我们交流。(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 与他联系或加入他的【二班】

公众号如何用24小时学会搭建运营企业AI知识库?


该文内容摘自《卓越密码:如何成为专家》,点击【阅读原文】直达京东购买。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 与他联系或加入他的【二班】

@关注知识管理中心公众号:KMCenter

发送“1”可以获取大量高效学习、企业知识管理、个人成长文档、PPT

发表回复

*您的电子邮件地址不会被公开。必填项已标记为 。

*
*