Många organisationer har ett kunskapsproblem, men de ser det inte alltid på det sättet. De ser det som problem vid introduktionen, isolerade team eller en svag dokumentationskultur. Men bakom allt detta ligger ofta samma sak: den institutionella kunskapen finns till stor del i människors huvuden, i Slack-trådar, i mappar som ingen kan hitta och i form av informell kunskap som försvinner varje gång någon lämnar in sin uppsägning.
Under lång tid var den vedertagna lösningen att samla in mer. Dokumentera det, lagra det, tagga det och utgå från att om det fanns någonstans så var det hanterat. Men så var det inte, och konsekvenserna var tillräckligt hanterbara för att de flesta organisationer skulle lära sig att leva med bristerna.
AI har förändrat den kalkylen. När en språkmodell kan sammanställa tusentals dokument på några sekunder blir kvaliteten och strukturen på din kunskap ett centralt problem. Oordnat, föråldrat och motsägelsefullt innehåll dyker upp – och det med stor säkerhet – för människor som inte har någon möjlighet att veta att det är fel. De organisationer som betraktade kunskapshantering som en arkiveringsövning upptäcker nu att det de arkiverat inte är ändamålsenligt.
Det är inget nytt problem, men det har blivit dyrare. Omfattningen och takten i det moderna arbetet har förändrat insatserna avsevärt. Teamen är mer utspridda än någonsin tidigare: över tidszoner, över kontor, över den suddiga gränsen mellan heltidsanställda, konsulter och byråpartners. Det informella kunskapsutbytet som brukade ske i korridorer och mötesrum – det som ingen planerade och ingen dokumenterade men som alla förlitade sig på – hade ingen uppenbar motsvarighet i en värld där hälften av teamet befinner sig på en annan kontinent och den andra hälften arbetar på distans på tisdagar och torsdagar. Den organisatoriska struktur som tidigare höll samman kunskapen har tunnats ut, och de flesta företag har inte ersatt den med något.
Samtidigt har kostnaden för att misslyckas med detta ökat. Den genomsnittliga anställningstiden hos de flesta företag är kortare än den var för ett decennium sedan. Varje gång någon slutar tar de inte bara med sig sina färdigheter utan också sin kontext: den oskrivna förståelsen för varför saker fungerar som de gör, vem man ska ringa när något går sönder, vad som har provats tidigare och inte fungerat. Det tar månader att sätta in en ersättare, och även då arbetar den nyanställde ofta med en ofullständig bild av verksamheten. Multiplicera det med en organisation som växer, så blir belastningen betydande.
Det finns helt enkelt också mer kunskap att hantera. Mängden intern information som de flesta företag producerar har ökat avsevärt, och de verktyg som de flesta företag använder för att samla in den har inte hunnit med. Mer information, sämre sökbarhet, högre personalomsättning: det är ingen bra kombination.
Problemet tillskrivs felaktigt
Det vanliga svaret har varit att kasta verktyg på problemet. En wiki här, en kunskapsbas där – påklistrade på det CRM-system som företaget redan använder. Den underliggande logiken är att om vi ger människor en plats att lägga information på, så kommer de att lägga information där, och andra kommer att hitta och använda den. Det är en rimlig teori vid första anblicken, men den fungerar helt enkelt inte.
Det fungerar inte eftersom kunskapshantering historiskt sett har behandlats som ett infrastrukturproblem, när det delvis också är ett beteendemässigt problem. Verktyg är passiva: de väntar på att användas på rätt sätt. Men människor dokumenterar inte naturligt det de vet. De vet inte vad som är värt att skriva ner. De skriver ner saker men uppdaterar dem aldrig. Och även när dokumentationen finns är det en helt egen utmaning – som de flesta verktyg ännu inte har löst – att hitta rätt information vid rätt tillfälle mitt i det pågående arbetet. För att inte tala om att den som drar nytta av den dokumenterade informationen oftast är någon annan, någon gång i framtiden. Människor har fullt upp. För den enskilde i stunden är det en kostnad utan tydlig avkastning att bidra till den gemensamma kunskapen, och i organisationer som inte värdesätter (eller möjliggör!) detta hamnar dokumentationen konsekvent i skymundan jämfört med det arbete som ligger direkt framför dem.
Följden blir statiska kunskapsarkiv som i praktiken är digitala kyrkogårdar. Massor av innehåll, mycket lite av det aktuellt, och nästan inget av det går att hitta på något meningsfullt sätt. Så hur minskar vi denna klyfta?
Vad som har gått fel inom kunskapshanteringen
Det svar som de flesta verktyg har kommit fram till är att minska den administrativa bördan för dokumentationen: mallar, påminnelser, integrationer som automatiskt genererar sammanfattningar från möten eller hämtar sammanhang från andra verktyg. Och dessa är användbara. Men verktyg som stannar där bygger också på samma felaktiga modell – att problemet är friktion, och att om man gör dokumentationen tillräckligt enkel så kommer folk att göra den. Men i praktiken kommer de troligen inte att göra det. Åtminstone inte konsekvent. Att sänka tröskeln för att bidra förändrar inte den underliggande kalkylen. Om ingen efterfrågar denna kunskap just nu, finns incitamentet att skapa den fortfarande inte.
Dessutom har den senaste vågen av AI-drivna verktyg för kunskapshantering omformulerat problemet utan att egentligen lösa det. Argumentet brukar vara: koppla samman alla dina kunskapskällor, låt AI:n lyfta fram det som är relevant, och se hur produktiviteten ökar.
De flesta av dem är dock fortfarande inriktade på att optimera sökningen, vilket gör det snabbare och enklare att hitta saker som redan har skrivits ner. Det är ett problem som är värt att lösa, men det är det andra problemet, inte det första. Om skapandet och underhållet av kunskap inte fungerar i början, leder bättre sökfunktioner bara till att du får fel svar snabbare. AI som med stor säkerhet lyfter fram inaktuell eller felaktig information är på vissa sätt värre än ingen AI alls, eftersom den skapar en illusion av att man har svaret när man i själva verket inte har det.
Det finns också ett strukturellt problem här. De flesta verktyg är uppbyggda kring en enda modalitet: en wiki, ett sökgränssnitt, en fråge- och svarsbot. Men kunskapen inom en organisation finns inte på ett enda ställe eller i en enda form, och de tillfällen då människor faktiskt behöver den passar inte särskilt bra in i ett enda verktyg. Resultatet blir att företagen hamnar med en handfull överlappande system som var och ett löser en del av problemet, utan att de kommunicerar med varandra, och med medarbetare som genom erfarenhet har lärt sig att det inte är värt besväret att söka efter något internt.
Det djupare problemet är att de flesta verktyg för kunskapshantering utformades utifrån antagandet att kunskapen redan finns i dokumenterad form och bara behöver organiseras bättre. Av de skäl som beskrivs ovan är det antagandet i stort sett felaktigt. Det mesta av vad en organisation faktiskt vet, till exempel resonemanget bakom beslut eller sammanhanget bakom processer, har aldrig skrivits ner från början. Ingen omdesign av gränssnittet eller AI-lager kan ändra på det. Man kan inte få fram kunskap som saknas.
Hur vi ser på detta hos Happeo
De flesta verktyg för kunskapshantering tvingar dig att välja mellan struktur och intelligens. Antingen får du ett välorganiserat intranät, eller så får du ett söklager som försöker skapa ordning i det kaos som redan finns. Det förstnämnda ger dig en grund som fortfarande är helt beroende av att människor underhåller den. Det sistnämnda är bara så bra som det som redan har dokumenterats.
Men Happeo är medvetet båda delarna. Intranätlagret – sidor, kanaler, integrationer med de verktyg som ditt team redan använder – ger kunskapen en hemvist inom organisationen. Det är där företagets institutionella minne finns: strukturerat, ägt, kopplat till de personer och team som ansvarar för att hålla det aktuellt. Men ett välorganiserat intranät i sig har fortfarande samma grundläggande svagheter som allt annat: det kan bara lyfta fram det som redan finns där.
Det är där Knowledge Engine förändrar ekvationen. Den mer användbara frågan inom kunskapshantering är inte ”var ska kunskapen finnas”, utan ”hur vet vi vad som saknas”. De flesta verktyg har inget svar på det. Någon söker efter något, hittar inget användbart, frågar istället en kollega på Slack, och organisationen lär sig ingenting av det ögonblicket. Den lucka som just avslöjats registreras inte, och den kunskap som fyller den förblir odokumenterad, och nästa person som behöver samma sak börjar från noll.
Happeo är uppbyggt kring just det ögonblicket. När någon inte kan hitta det hen letar efter är det en signal. Den berättar något om vad människor letar efter, vad din organisation vet, vad den ännu inte har fångat upp och var dokumentationsarbetet behöver ske. Vi lyfter fram dessa luckor och gör det enkelt att fylla dem, både för den som sökte och för experten som har svaret. Kunskapen skapas när och eftersom den behövs. Inte spekulativt, och inte som en dokumentationsövning som ingen har bett om.
Vår metod vänder på den vanliga logiken – istället för att be människor att bidra i det abstrakta eller enligt ett fastställt schema kopplar den bidraget direkt till ett påvisat behov.
En kommentar om AI, specifikt
Vi bygger medvetet in AI i Happeo, vilket innebär att vi också gör det med återhållsamhet. De användningsfall där AI har sin plats i ett kunskapshanteringssammanhang är specifika: att hjälpa människor att hitta saker som de inte kunde hitta på egen hand, markera innehåll som är föråldrat, proaktivt lyfta fram relevant kunskap just när någon behöver den och minska hindren för att skapa bra dokumentation. Vi anser att detta är verkliga problem som AI på ett meningsfullt sätt kan hjälpa till med.
Vad vi inte kommer att göra är att använda AI som en ersättning för organisatorisk tydlighet. Om ditt företag inte vet vad det vet, om ingen tar ansvar för att innehållet är korrekt och om kunskapsdelning inte ingår i hur dina team arbetar, då löser inte ett AI-lager ovanpå det problemet – det förstärker bara bruset. De organisationer som kommer att få ut mest av AI-stödd kunskapshantering är de som har gjort det strukturella arbetet.
Avslutande tankar
Om din organisation har försökt lösa detta tidigare och det inte fungerade, var problemet troligen att verktyget fokuserade på lagring och att ingen höll koll på luckorna. Varje misslyckad sökning som blev ett Slack-meddelande, varje bit av sammanhang som försvann när någon slutade, varje beslut som fattades utan det institutionella minnet som kunde ha förändrat det: det är de ögonblicken som ackumuleras. Enskilt är de osynliga, men i stor skala, i en växande organisation, blir de kostsamma. Det är just detta som Happeo är här för att sätta stopp för.
Om du vill veta mer om hur vi kan hjälpa din organisation, boka en kostnadsfri konsultation med oss redan idag.
Vanliga frågor
Varför lyckas de flesta verktyg för kunskapshantering inte lösa kunskapsproblemet?
De flesta verktyg för kunskapshantering betraktar kunskapshantering som ett lagringsproblem snarare än ett beteendemässigt problem, och utgår från att om människor har en plats att dokumentera information på så kommer de att använda den konsekvent – men utan ett påvisat behov finns det sällan något incitament att dokumentera.
Hur har AI förändrat insatserna när det gäller organisatorisk kunskap?
AI kan sammanställa tusentals dokument på några sekunder, vilket innebär att rörigt, föråldrat eller motstridigt innehåll nu med säkerhet presenteras för människor som inte har någon möjlighet att veta att det är felaktigt, vilket gör dålig kunskapskvalitet till ett mycket mer synligt och kostsamt problem.
Vad gör Happeos strategi för kunskapshantering annorlunda?
Happeo kombinerar ett strukturerat intranät med en kunskapsmotor som identifierar luckor genom att spåra misslyckade sökningar, så att dokumentation skapas som svar på ett påvisat behov snarare än som en spekulativ övning som ingen har bett om.
Vilken roll spelar AI i Happeos strategi för kunskapshantering?
AI i Happeo används specifikt för att hjälpa människor att hitta det de inte kunde hitta på egen hand, flagga föråldrat innehåll och proaktivt lyfta fram relevant kunskap – inte som en ersättning för organisatorisk tydlighet eller ansvar för innehållets korrekthet.
