洞察
用 AI 捕捉制造业中的隐性知识
一家聚合物工厂在凌晨 2 点遭遇产线故障。一位有 19 年一线经验的操作员聆听着挤出机的声音，调整了一个手册里从未提及的地方，11 分钟后产线恢复了运转。没有人把它写下来。系统里也没有对应的字段。
这 11 分钟是公司拥有的最有价值的资产之一，除了某个人脑子里之外，别无他处。制造业一直深知这一点，却从未解决过它。西门子估计，全球最大的 500 家企业每年因意外停机损失约 1.4 万亿美元——约占收入的 11%——汽车行业停产一小时的损失接近 230 万美元。与此同时，德勤与制造业研究所预计本十年内将有多达 190 万个制造业岗位空缺。那些随着人员离职而流失的专业知识，从未被记录在文档中。今年 1 月发布的一项针对 14 家德国制造商、共 23 名从业者的研讨会指出了三大障碍：知识具有情境性、捕捉知识需要耗费没人抽得出的时间，且用于承载知识的系统是为合规而非思考而设计的。
于是，大多数企业放弃了捕捉这些知识，转而购买传感器。预测性维护固然值得做。但它只回答了一个狭隘的问题——什么东西快要坏了——而把那个真正困难的问题留在了原地：站在那里的那个人究竟知道些什么？
有些事情正在悄然改变：捕捉非正式知识的成本已经大幅崩塌。语言模型能够处理凌晨 2 点故障修复时杂乱无章的口述记录——半句话、方言、有所保留的措辞、充斥着“通常”和“除非”的表达——并将其转化为可搜索的内容，同时不抹去其中的判断力。一个欧洲研究团队目前正在一家聚合物工厂测试这种做法：操作员在工作流程之中（而非事后）用自己的话将故障记录为小型“原因与对策”案例，并由中心进行策展。这是结构化的，而不是被消毒净化过的。
这与其说是一个技术故事，不如说是一个治理故事。当知识捕获变得低成本的那一刻起，一个任何工厂经理以前都不需要回答的问题便摆在了眼前：这些知识到底属于谁？
组织去人性化的风险
这种做法有一种会失败的版本。录下操作员的对话，提取模式，喂给模型，然后操作员就变成了一个训练输入。那不叫知识管理。关于组织去人性化（organizational dehumanization）的研究——包括今年 7 月在 581 名受访者中得到验证的量表（其中工具化被归纳为两个明确因素之一）——准确地描述了这种体验，并将其与较低的参与度、更高的离职倾向以及减少的自主额外付出联系起来。如果你想要的是员工的贡献，把他们“工具化”可真是一种奇怪的索取方式。
还有一种会成功的版本，它在一个细节上有所不同。那就是知识上保留着作者的名字。
将人的尊严作为一项商业战略
操作员不是数据源。她是这个案例存在的理由。她的名字始终挂在上面。当夜班的某个人使用她的微型案例解决了一个问题时，她会听到这个消息。当她的方法在新条件下被证明不正确时，她是那个被邀请去修改它的人。这份记录成了一部作品——一个人可以为之自豪、可以探讨并在此基础上继续构建的东西。而这正是工厂所需要却又无法强制要求的行为。
这就是为什么我说将人的尊严视为商业战略而非单纯的情感慰藉。在这种设计中，署名权绝非客套；它是核心机制。它将一次性的知识提取，转变为一个拥有 19 年经验的贡献者持续不断的贡献，并让明年入职的新人能够向“活生生的人”学习，而不是面对冷冰冰的数据库。
我接触过的每一家企业都拥有其看不见的智力资本，这些资本大多存在于离其文档最远的人群中。能够看见这些资本的工具终于到来了。但尚未达成一致的是：对于那些我们即将能够阅读其知识的人，我们究竟负有什么样的责任。
我猜，决定谁能真正从中受益的将是这个问题，而不是技术本身。