Kennisbeheer werkt niet. Zo lossen we dat op

Veel organisaties kampen met een kennisprobleem, maar zien het niet altijd op die manier. Ze zien het als problemen bij de inwerking van nieuwe medewerkers, als gescheiden teams of als een zwakke documentatiecultuur. Maar achter al deze verschijningsvormen schuilt vaak hetzelfde: institutionele kennis zit grotendeels in de hoofden van mensen, in Slack-discussies, in mappen die niemand kan vinden, en in 'stamkennis' die de deur uitgaat telkens wanneer iemand zijn ontslag indient.

Lange tijd was de gangbare reactie om meer vast te leggen. Documenteer het, sla het op, tag het, en ga ervan uit dat als het ergens bestond, het ook werd beheerd. Maar dat was niet het geval, en de gevolgen waren draaglijk genoeg dat de meeste organisaties leerden leven met deze disfunctionele situatie.

AI heeft die afweging veranderd. Wanneer een taalmodel binnen enkele seconden duizenden documenten kan samenvatten, worden de kwaliteit en structuur van je kennis een probleem dat centraal komt te staan. Rommelige, verouderde en tegenstrijdige inhoud komt aan het licht, en dat gebeurt bovendien vol vertrouwen, aan mensen die geen manier hebben om te weten dat het onjuist is. De organisaties die kennisbeheer behandelden als een archiveringsklus, komen er nu achter dat wat ze hebben gearchiveerd niet geschikt is voor het beoogde doel.

Het is geen nieuw probleem, maar het is wel een duurder probleem geworden. De schaal en het tempo van het moderne werk hebben de inzet aanzienlijk veranderd. Teams zijn meer verspreid dan ooit tevoren: over tijdzones heen, over kantoren heen, over de vage grens tussen fulltime medewerkers, zzp’ers en bureau-partners heen. De informele kennisuitwisseling die vroeger plaatsvond in gangen en vergaderruimtes – het soort dat niemand plande en niemand documenteerde, maar waar iedereen op vertrouwde – had geen duidelijke tegenhanger in een wereld waarin de helft van je team zich op een ander continent bevindt en de andere helft op dinsdag en donderdag op afstand werkt. Het organisatorische weefsel dat vroeger de kennis bij elkaar hield, is uitgedund, en de meeste bedrijven hebben dit niet door iets anders vervangen.

Tegelijkertijd zijn de kosten van een verkeerde aanpak aanzienlijk gestegen. De gemiddelde diensttijd bij de meeste bedrijven is korter dan tien jaar geleden. Elke keer dat iemand vertrekt, neemt hij of zij niet alleen zijn of haar vaardigheden mee, maar ook de context: het ongeschreven begrip van waarom dingen werken zoals ze werken, wie je moet bellen als er iets kapotgaat, wat eerder is geprobeerd en niet werkte. Het inwerken van een vervanger duurt maanden, en zelfs dan werkt de nieuwe medewerker vaak met een onvolledig beeld. Vermenigvuldig dat met een organisatie die groeit, en de rem op de groei wordt aanzienlijk.

Er is ook simpelweg meer kennis om te beheren. De hoeveelheid interne informatie die de meeste bedrijven produceren, is aanzienlijk toegenomen, en de tools die de meeste bedrijven gebruiken om die vast te leggen, hebben geen gelijke tred gehouden. Meer informatie, slechtere vindbaarheid, hoger personeelsverloop: dat is geen goede combinatie.

Het probleem wordt verkeerd toegeschreven

De standaardreactie is altijd geweest om het probleem met nog meer tools aan te pakken. Hier een wiki, daar een kennisbank – eraan gekoppeld aan welk CRM-systeem het bedrijf ook al gebruikt. De onderliggende logica is: als we mensen een plek geven om informatie op te slaan, zullen ze die informatie daar plaatsen, en zullen anderen die informatie vinden en gebruiken. Op het eerste gezicht is dat een redelijke theorie, maar het werkt gewoon niet.

Het werkt niet omdat kennismanagement van oudsher wordt behandeld als een infrastructuurprobleem, terwijl het deels ook een gedragsprobleem is. Tools zijn passief: ze wachten tot ze correct worden gebruikt. Maar mensen documenteren niet van nature wat ze weten. Ze weten niet wat de moeite waard is om op te schrijven. Ze schrijven dingen op, maar werken ze nooit bij. En zelfs als de documentatie bestaat, is het vinden van de juiste informatie op het juiste moment, midden in de werkstromen, een uitdaging op zich die de meeste tools nog niet hebben opgelost. Om nog maar te zwijgen van het feit dat degene die baat heeft bij de gedocumenteerde informatie meestal iemand anders is, ergens in de toekomst. Mensen hebben het druk. Voor het individu op dat moment is het bijdragen aan gedeelde kennis een inspanning zonder direct rendement, en in organisaties die dit niet waarderen (of mogelijk maken!), verliest documentatie steevast het van het werk dat direct voor de neus ligt.

Het gevolg is dat je uiteindelijk statische kennisbanken krijgt die in wezen digitale begraafplaatsen zijn. Veel inhoud, maar heel weinig daarvan is actueel, en bijna niets ervan is op een zinvolle manier vindbaar. Hoe kunnen we die kloof dan verkleinen?

Wat er mis is gegaan in het kennisbeheerlandschap

Het antwoord waar de meeste tools op zijn uitgekomen, is het verminderen van de administratieve last van documentatie: sjablonen, prompts, integraties die automatisch samenvattingen van vergaderingen genereren of context uit andere tools halen. En die zijn nuttig. Maar tools die het daarbij laten, gaan ook uit van hetzelfde gebrekkige model — dat het probleem wrijving is, en dat als je het documenteren maar gemakkelijk genoeg maakt, mensen het wel zullen doen. Maar in de praktijk zullen ze dat waarschijnlijk niet doen. In ieder geval niet consequent. Het verlagen van de drempel om bij te dragen verandert niets aan de onderliggende afweging. Als niemand op dit moment om deze kennis vraagt, ontbreekt de prikkel om die kennis te creëren nog steeds.

Bovendien heeft de recentere golf van AI-aangedreven kennisbeheertools het probleem in een nieuw kader geplaatst zonder het daadwerkelijk op te lossen. De pitch luidt meestal: verbind al je kennisbronnen, laat de AI naar voren halen wat relevant is, en zie hoe de productiviteit volgt.

De meeste van deze tools zijn echter nog steeds gericht op het optimaliseren van het opzoeken van informatie, waardoor het sneller en gemakkelijker wordt om dingen te vinden die al zijn opgeschreven. Dat is een probleem dat het waard is om opgelost te worden, maar het is het tweede probleem, niet het eerste. Als het creëren en onderhouden van kennis stroomopwaarts niet goed verloopt, zorgt een betere zoekfunctie er alleen maar voor dat je sneller het verkeerde antwoord krijgt. AI die met overtuiging verouderde of onnauwkeurige informatie naar voren haalt, is in sommige opzichten erger dan helemaal geen AI, omdat het de illusie wekt dat je het antwoord hebt terwijl dat niet zo is.

Er is hier ook sprake van een structureel probleem. De meeste tools zijn opgebouwd rond één enkele modaliteit: een wiki, een zoekinterface, een vraag-en-antwoordbot. Maar kennis binnen een organisatie bevindt zich niet op één plek en neemt niet één vorm aan, en de momenten waarop mensen die kennis daadwerkelijk nodig hebben, laten zich niet netjes in één enkele tool onderbrengen. Het gevolg is dat bedrijven uiteindelijk zitten met een handvol overlappende systemen die elk een deel van het probleem oplossen, maar die onderling niet communiceren, en met medewerkers die uit ervaring hebben geleerd dat het niet de moeite waard is om intern naar iets te zoeken.

Het diepere probleem is dat de meeste tools voor kennisbeheer zijn ontworpen vanuit de veronderstelling dat de kennis al in gedocumenteerde vorm bestaat en alleen maar beter georganiseerd hoeft te worden. Om de hierboven beschreven redenen is die veronderstelling grotendeels onjuist. Het grootste deel van wat een organisatie daadwerkelijk weet, zoals de redenering achter beslissingen of de context achter processen, is bijvoorbeeld nooit opgeschreven. Geen enkele herontwerp van de interface of AI-laag kan daar verandering in brengen. Je kunt ontbrekende kennis niet aan het licht brengen.

Hoe wij hier bij Happeo over denken

De meeste tools voor kennisbeheer vragen je te kiezen tussen structuur en intelligentie. Je krijgt óf een goed georganiseerd intranet, óf een zoeklaag die probeert orde te scheppen in de chaos die je al hebt. Het eerste biedt je een basis die nog steeds volledig afhankelijk is van mensen die deze onderhouden. Het tweede is slechts zo goed als wat er al is gedocumenteerd.

Maar Happeo is bewust beide. De intranetlaag — Pagina’s, Kanalen, integraties met de tools die je team al gebruikt — geeft kennis een thuis binnen de organisatie. Daar bevindt zich het institutionele geheugen van je bedrijf: gestructureerd, met een eigenaar, en verbonden met de mensen en teams die verantwoordelijk zijn voor het up-to-date houden ervan. Maar een goed georganiseerd intranet alleen heeft nog steeds dezelfde fundamentele zwakheden als al het andere: het kan alleen naar boven halen wat er al is.

Dat is waar de Knowledge Engine de situatie verandert. De nuttigere vraag bij kennismanagement is niet „waar moet kennis worden bewaard”, maar „hoe weten we wat er ontbreekt”. De meeste tools hebben daar geen antwoord op. Iemand zoekt iets, vindt niets bruikbaars, vraagt het in plaats daarvan aan een collega via Slack, en de organisatie leert niets van dat moment. De leemte die zojuist aan het licht is gekomen, wordt niet vastgelegd, en de kennis die deze leemte opvult, blijft ongedocumenteerd, waardoor de volgende persoon die hetzelfde nodig heeft, weer helemaal opnieuw moet beginnen.

Happeo is rond dat moment opgebouwd. Wanneer iemand niet kan vinden wat hij zoekt, is dat een signaal. Het vertelt je iets over wat mensen zoeken, wat je organisatie weet, wat ze nog niet in kaart heeft gebracht, en waar er aan documentatie moet worden gewerkt. Wij brengen die hiaten aan het licht en maken het gemakkelijk om ze op te vullen, zowel voor de persoon die heeft gezocht als voor de expert die het antwoord heeft. De kennis wordt gecreëerd wanneer en omdat die nodig is. Niet speculatief, en niet als een documentatieoefening waar niemand om heeft gevraagd.

Onze aanpak keert de gangbare logica om: in plaats van mensen te vragen om in het algemeen of volgens een vast schema bij te dragen, koppelt deze aanpak bijdragen rechtstreeks aan een aantoonbare behoefte.

Een opmerking over AI, in het bijzonder

We bouwen bewust AI in Happeo in, wat betekent dat we dit ook met terughoudendheid doen. De toepassingen waarbij AI zijn plaats verdient in een kennisbeheercontext zijn specifiek: mensen helpen dingen te vinden die ze zelf niet konden vinden, verouderde inhoud markeren, relevante kennis proactief naar voren halen op het moment dat iemand die nodig heeft, en het opstellen van goede documentatie soepeler laten verlopen. Wij zijn van mening dat dit echte problemen zijn waarbij AI op zinvolle wijze kan helpen.

Wat we niet gaan doen, is AI inzetten als vervanging voor organisatorische duidelijkheid. Als je bedrijf niet weet wat het weet, als niemand verantwoordelijk is voor de nauwkeurigheid van je inhoud, en als het delen van kennis geen onderdeel is van de werkwijze van je teams, dan lost een AI-laag daarbovenop het probleem niet op, maar versterkt het juist de ruis. De organisaties die het meeste uit AI-ondersteund kennisbeheer zullen halen, zijn de organisaties die het structurele werk al hebben gedaan.

Afsluitende gedachten

Als je organisatie dit eerder heeft geprobeerd op te lossen en het hield geen stand, dan was het probleem waarschijnlijk dat de tool zich richtte op opslag en niemand lette op de hiaten. Elke mislukte zoekopdracht die uitmondde in een Slack-bericht, elk stukje context dat verdween toen iemand vertrok, elke beslissing die werd genomen zonder de institutionele kennis die die beslissing had kunnen veranderen: dat zijn de momenten die zich opstapelen. Afzonderlijk zijn ze onzichtbaar, maar op grote schaal, binnen een groeiende organisatie, zijn ze kostbaar. Dat is precies wat Happeo wil doorbreken.

Als u meer wilt weten over hoe wij uw organisatie kunnen helpen, boek dan vandaag nog een gratis adviesgesprek met ons.

Veelgestelde vragen

Waarom slagen de meeste kennisbeheertools er niet in het kennisprobleem op te lossen?

De meeste tools voor kennismanagement benaderen kennismanagement als een opslagprobleem in plaats van een gedragsprobleem. Ze gaan ervan uit dat als mensen een plek hebben om informatie vast te leggen, ze daar consequent gebruik van zullen maken — maar zonder aantoonbare behoefte is er zelden een drijfveer om informatie vast te leggen.

Hoe heeft AI de inzet voor organisatorische kennis veranderd?

AI kan binnen enkele seconden duizenden documenten samenvatten, wat betekent dat rommelige, verouderde of tegenstrijdige inhoud nu vol vertrouwen wordt gepresenteerd aan mensen die geen manier hebben om te weten dat deze onjuist is, waardoor slechte kennis kwaliteit een veel zichtbaarder en kostbaarder probleem wordt.

Wat maakt de aanpak van Happeo op het gebied van kennismanagement anders?

Happeo combineert een gestructureerde intranetlaag met een Knowledge Engine die hiaten identificeert door mislukte zoekopdrachten bij te houden, zodat documentatie wordt aangemaakt als reactie op een aantoonbare behoefte in plaats van als een speculatieve exercitie waar niemand om heeft gevraagd.

Welke rol speelt AI in de aanpak van kennisbeheer door Happeo?

AI wordt bij Happeo specifiek ingezet om mensen te helpen vinden wat ze zelf niet konden vinden, verouderde inhoud te signaleren en proactief relevante kennis naar voren te brengen — niet als vervanging voor organisatorische duidelijkheid of verantwoordelijkheid voor de nauwkeurigheid van de inhoud.