ความรู้ขององค์กร ควรอยู่ในคน หรืออยู่ในระบบ?

27 มิถุนายน 2569อ่าน 7 นาที
ความรู้ขององค์กร ควรอยู่ในคน หรืออยู่ในระบบ?

เมื่อความรู้สำคัญอยู่แต่ในหัวพนักงานไม่กี่คน องค์กรเสี่ยงสูงเมื่อเขาลาออก แต่การเก็บทุกอย่างเป็นเอกสารก็ไม่พอ เข้าใจว่าความรู้แบบไหนควรอยู่ในระบบ และแบบไหนอยู่ในคน

ในหลายองค์กร ความรู้สำคัญที่สุดไม่ได้อยู่ในเอกสาร แต่อยู่ในหัวของพนักงานไม่กี่คน วิธีดูแลลูกค้ารายใหญ่ เหตุผลเบื้องหลังการตัดสินใจเก่า ๆ หรือวิธีแก้ปัญหาเฉพาะหน้า เมื่อคนเหล่านั้นลาออก ความรู้ก็หายไปด้วย และองค์กรต้องเรียนรู้ใหม่จากศูนย์ นี่คือความเสี่ยงที่มองไม่เห็นจนกว่าจะเกิด

ไม่ใช่ความรู้ทุกอย่างควรอยู่ที่เดียวกัน

ความรู้ที่เป็นขั้นตอนชัดเจน ทำซ้ำได้ และสำคัญต่อการดำเนินงาน ควรถูกเก็บไว้ในระบบหรือเอกสารที่คนอื่นเข้าถึงและทำตามได้ ส่วนความรู้ที่เป็นดุลยพินิจ การอ่านสถานการณ์ และความสัมพันธ์ ยังต้องอยู่ในคนและถ่ายทอดผ่านการทำงานร่วมกัน การพยายามเขียนทุกอย่างลงเอกสารจะได้กองความรู้ที่ไม่มีใครอ่าน ส่วนการพึ่งคนอย่างเดียวก็เสี่ยงเกินไป

  • เก็บความรู้เชิงขั้นตอนที่สำคัญไว้ในระบบ ให้คนใหม่ทำต่อได้
  • ถ่ายทอดความรู้เชิงดุลยพินิจผ่านการจับคู่ทำงานและสอนงาน
  • อย่าให้ความรู้สำคัญอยู่กับคนเดียวโดยไม่มีใครสำรอง

ในยุค AI ความรู้ขององค์กรที่ถูกเก็บอย่างเป็นระบบ ยังกลายเป็นวัตถุดิบให้ AI ช่วยงานได้ตรงกับธุรกิจ องค์กรที่จัดการความรู้ดี จึงได้เปรียบสองต่อ คือลดความเสี่ยงเมื่อคนลาออก และมีฐานให้ AI ต่อยอด ส่วนองค์กรที่ปล่อยให้ความรู้อยู่แต่ในหัวคน จะทั้งเปราะบางและตามหลังในการใช้ AI

Knowledge ManagementOrganizationRiskAI Era

บริการที่เกี่ยวข้อง

รับพัฒนาระบบและซอฟต์แวร์เฉพาะทาง

ออกแบบและวางระบบตามความต้องการเฉพาะของธุรกิจคุณ ตั้งแต่ต้นจนใช้งานจริง

WhaleScope

ดูโครงสร้างตลาดของทุกหมวดธุรกิจไทย บน WhaleScope

รายชื่อบริษัท ผู้เล่นรายใหญ่ และอัตราคงอยู่ของแต่ละหมวด — จากข้อมูลจดทะเบียน 2 ล้านนิติบุคคล

อ่านต่อ

Data Mesh: กระจายความเป็นเจ้าของข้อมูล ให้ทีมที่รู้จักข้อมูลดีที่สุด

เมื่อทุกคำขอข้อมูลต้องผ่านทีมกลางทีมเดียว งานจะคอขวดและคนทำก็ไม่รู้จักข้อมูลเท่าเจ้าของงาน Data Mesh เสนอให้แต่ละทีมดูแลข้อมูลของตัวเองเหมือนเป็นสินค้า ภายใต้มาตรฐานกลางเดียวกัน

AI ตอบถูก 95% แล้วอีก 5% ที่เหลือล่ะ?

AI ที่แม่น 95% ฟังดูดีมาก จนกว่าคุณจะถามว่าอีก 5% ที่ผิด อยู่ตรงไหน ตรวจเจอไหม และเสียหายแค่ไหน คุณค่าจริงของระบบ AI มักอยู่ที่วิธีรับมือกับส่วนที่ผิด ไม่ใช่แค่ส่วนที่ถูก

Two-Way Door: ตัดสินใจเร็วกับสิ่งที่ย้อนกลับได้ ช้ากับสิ่งที่ย้อนไม่ได้

หลายองค์กรช้ากับทุกการตัดสินใจเท่ากันหมด ทั้งที่บางเรื่องลองผิดแล้วแก้ได้ง่าย กรอบ Two-Way Door ช่วยแยกประเภทการตัดสินใจ เพื่อเร่งเรื่องที่ควรเร่ง และระวังเรื่องที่ควรระวัง

AI Bias: เมื่อ AI เรียนอคติจากข้อมูล และกระทบการตัดสินใจ

AI เรียนรู้จากข้อมูลในอดีต ถ้าอดีตมีอคติ AI ก็จะทำซ้ำอคตินั้นอย่างเป็นระบบ เช่น การคัดคนหรือให้สินเชื่อ เข้าใจว่า Bias เกิดจากไหน และจะลดผลกระทบต่อธุรกิจอย่างไร