Управление знаниями и цифровая трансформация
Слишком часто цифровые преобразования приводят к непредвиденным последствиям фрагментации знаний, а не их консолидации. Это связано с отсутствием целостного подхода к управлению знаниями по всей цепочке создания стоимости. Управление знаниями и цифровая трансформация должны быть согласованы и интегрированы, иначе цифровая трансформация не обеспечит конкурентного преимущества, которое она могла бы получить в противном случае.
Сет Эрли
Эксперт с более чем 20-летним опытом работы в области стратегии знаний, информационной архитектуры, поисковых приложений и решений для поиска информации. Он автор отмеченной наградами книги «Предприятие, основанное на искусственном интеллекте», а также востребованный оратор, автор и влиятельный человек. Признан Thinkers 360 одним из 50 лучших мировых лидеров мысли и влиятельных лиц в области искусственного интеллекта 2022 года.
Недостающий ингредиент цифровой трансформации: масштабирование сообществ и процессов знаний
Управление знаниями имеет решающее значение для оптимизации цифрового рабочего места, а оптимизация корпоративных потоков знаний сделает управление любой программой, проектом, процессом или инициативой более эффективным и действенным.
Поскольку для поддержки комплексных продаж продуктов и решений необходимы специальные знания, опыт по своей природе распределяется между бизнес-подразделениями и менеджерами по продуктам или решениям, каждый из которых имеет свою собственную базу знаний (когда они собрали и систематизировали свои явные знания).
Если руководство будет предоставлено самому себе, то оно будет прибегать к использованию имеющихся у него инструментов и ресурсов информационных технологий вместо того, чтобы намеренно структурировать явные знания в соответствующим образом спроектированную базу знаний с использованием архитектуры, которая поддерживает смежные предметные области знаний, которые являются частью программы трансформации.
Если не использовать знания в качестве основного компонента цифровых преобразований, это задушит инновации и функциональность, оставив организацию в замешательстве. Все организации конкурируют за знания, и устранение разногласий в процессах управления знаниями будет иметь решающее значение.
Это действие будет особенно важным, поскольку в их стратегии цифровой трансформации все чаще используются высокофункциональные интеллектуальные виртуальные помощники для обеспечения обмена знаниями и доступа к ним. Но даже без виртуальных помощников обеспечение беспрепятственного потока знаний должно быть частью каждой цифровой трансформации из-за значительного конкурентного преимущества, предлагаемого более гибкими методологиями и процессами.
Святой Грааль цифровой трансформации — это примирение, казалось бы, противоречивых целей высокого уровня обслуживания клиентов и необходимости снижения затрат. Термин «цифровая трансформация» стал всеобъемлющим термином, но не потерял ли этот термин свое значение, — в нашу цифровую эпоху фраза «цифровая трансформация» может означать все и вся.
- Это может означать цифровые инструменты, цифровые технологии, бизнес-процессы или качество обслуживания клиентов.
- В некоторых контекстах это относится к приложениям для анализа больших данных, машинного обучения и искусственного интеллекта, а также к любому другому модному слову, которое могут придумать маркетологи.
- Определения аналитиков и поставщиков включают модернизацию ИТ и перевод услуг в онлайн, разработку новых бизнес-моделей, применение подхода «цифра прежде всего» и создание новых бизнес-процессов и инноваций в сфере обслуживания клиентов.
Главной целью программы цифровой трансформации является
- повышение комплексной эффективности,
- устранение препятствий в информационных потоках,
- обеспечение большего количества инноваций и создания ценности, которые дифференцируют предложения компании, а также укрепление отношений с клиентами.
Оказывая помощь крупным глобальным предприятиям в построении архитектуры данных, поддержке процессов и управлении многочисленными цифровыми преобразованиями, я вижу два широких класса инициатив, которые, похоже, получают финансирование, и множество других, которые упускают время, внимание и ресурсы.
Электронная коммерция – «легкая» победа
Улучшение электронной коммерции и оптимизация пути клиента — это две известные и хорошо финансируемые программы в области цифровых технологий, которые призваны увеличить доходы, повысить удовлетворенность и снизить затраты.
Десятки или сотни миллионов долларов инвестируются в новые поколения технологий на основе искусственного интеллекта, модернизируется цифровой маркетинг, совершенствуются операции по обслуживанию клиентов, и тем не менее, многие из этих программ не оправдывают больших ожиданий. Пока они двигают иглу, в рецепте все еще не хватает чего-то, что не позволяет полностью реализовать преимущества.
Проблема в том, что многие организации являются сложными, поэтому оптимизация процессов и информационных потоков требует участия нескольких отделов, которые обычно работают с разрозненными данными и процессами, в то время как путь клиента проходит через эти разрозненные хранилища.
Люди выполняют свою работу посредством сотрудничества как внутри, так и между разными подразделениями. Им нужен легкий доступ к системе управления знаниями, которая предоставляет организационные знания и информацию, необходимые для поддержки сотрудника в конкретном бизнес-процессе, независимо от того, на каком этапе пути клиента находится этот процесс.
Проектирование и разработка базы знаний требует целенаправленного процесса с использованием целостного подхода к построению многократно используемой и расширяемой архитектуры.
Но разные части организации часто используют разные базы знаний, инструменты и приложения для управления знаниями, что увеличивает трения и замедляет принятие решений и решение проблем.
Например, у одного крупного поставщика производственного оборудования представителям сервисной службы приходилось проверять более дюжины систем для ремонта и обслуживания установок, спроектированных по индивидуальному заказу.
Это означало поиск информации в каждом бункере, каждый из которых имел свое собственное хранилище знаний и процесс получения знаний. Это привело к увеличению продолжительности обращений в службу поддержки, увеличению времени простоев и увеличению затрат. Несколько отделов участвовали в создании контента по обслуживанию и поддержке и не использовали одни и те же соглашения об именах или процесс тегирования. Таким образом, доступ к информации означал понимание нюансов этих различных систем. Поиск подходящего ресурса знаний был трудоемким, дорогостоящим и трудным.
Проблема была решена путем создания информационной структуры, описывающей оборудование, компоненты, конфигурации, проблемы, коды ошибок, процедуры устранения неполадок и другие аспекты установки, включая исполнительную информацию из ERP-системы. Информация была разбита на части, чтобы технический специалист мог получить ответ на проблему, а не искать в больших технических документах.
Тот же подход также используется для усиления когнитивного искусственного интеллекта — чат-ботов и виртуальных помощников, которые передают информацию посредством разговоров. Хотя эта работа была проделана для улучшения обычного поиска, выполняемого человеком, этот подход задействовал текстовый анализ и машинное обучение и проложил путь к более совершенным инструментам искусственного интеллекта.
Цель этого подхода заключалась в оптимизации потоков знаний между отделами и, в конечном итоге, в более быстром и с меньшими затратами решении проблем клиентов. Правильно спроектированное хранилище знаний (база знаний) в системе управления знаниями облегчает сбор знаний, их передачу и организационное обучение, что приводит к более гибкой организации и динамическим возможностям обслуживания клиентов по мере их потребностей и изменений рынка.
Сбор, сохранение и применение институциональных знаний
Как потоки знаний связаны с цифровыми преобразованиями?
Группа людей, работающих в команде, является частью сообщества знаний, места, где эксперты собираются вместе для решения сложных проблем. Но если команда временна и распадается после выработки решения, эти знания необходимо зафиксировать как устойчивые институциональные знания. Опыт покидает организацию в результате истощения, сокращения, реорганизации и выхода на пенсию. Чтобы предприятие функционировало, институциональные знания должны быть встроены в процессы, системы, инструменты и документацию. Обычно это фиксируется в базе знаний, предназначенной для отдела или процесса, а также в накопленном опыте сотрудников, работающих в различных подразделениях.
К сожалению, эти группы часто создают свои собственные базы знаний, каждая из которых использует разную терминологию и архитектуру. Сотрудничество и решение проблем носят разовый характер, поскольку слишком строгая структура может замедлить процесс. Но без каких-либо стандартов и структуры долг знаний начинает накапливаться. Это называется технический долг в ИТ-проектах. Долг знаний возникает, когда информация недостаточно хорошо документирована или организована для обеспечения повторяемого и интуитивного доступа.
Результат влияет на многие аспекты управления информацией. Корпоративный поиск становится проблемой, которую трудно решить, хранилища знаний загромождаются устаревшей информацией, а непоследовательная маркировка информации делает поиск лучших решений, ответов, проектов, результатов, планов и документации по продуктам бессистемным и трудным.
Этот комплекс проблем приводит к трениям, которые замедляют работу цифрового оборудования предприятия. Результатом являются более высокие затраты на поддержку, недовольство клиентов, нарушения нормативных требований, производственные ошибки и общая неэффективность из-за героических поступков, через которые люди должны пройти, чтобы выполнить свою работу.
Надежды на искусственный интеллект могут не оправдаться
Многие организации возлагают надежды на то, что ИИ решит эти неразрешимые, вечнозеленые проблемы, которые, похоже, не поддаются устойчивым и экономически эффективным решениям. Некоторые организации тратят миллионы долларов каждые несколько лет на то, чтобы навести порядок и сосредоточиться на определенной части процесса с использованием технологий. Некоторое время все выглядит хорошо (потому что вместе с установкой наступает «чистка» — или, по крайней мере, начали все с чистого листа), но вскоре все идет наперекосяк, и проблемы возникают снова, по повторяющейся схеме.
Инструменты искусственного интеллекта могут помочь в определенных сценариях. В первые дни путаницы среди поставщиков ИИ и нереалистичных обещаний многие утверждали, что все, что вам нужно было сделать, это «направить ИИ на все данные», и он творит чудеса.
Клиенты быстро поняли, что технологию искусственного интеллекта необходимо «обучить» на конкретных источниках информации, и зачастую требуется базовая структура или архитектура данных. Некоторые из вас могут возразить, что машинное обучение может определить все названия и атрибуты ваших продуктов, но мне еще предстоит найти клиента, который испытал бы такой уровень функциональности невмешательства.
Определенные алгоритмы могут разобраться в беспорядочных данных, а когнитивные помощники могут быть обучены с использованием больших объемов предварительных разговорных данных, но для многих приложений они фактически обучаются на высококачественных, тщательно отобранных, размеченных и структурированных данных, контенте и ресурсах знаний. Это проблема управления знаниями и контентом.
Откуда берутся столь ценные знания и опыт? Сообщества знаний.
Инженеры, которые проектируют и создают решения. Специалисты по обслуживанию, которые сталкиваются со сложными полевыми условиями и аномалиями. Большая часть этого опыта называется неявным знанием – знанием, которое находится в головах сотрудников и специалистов на основе их многолетнего опыта. Но экспертам нужен механизм обмена знаниями, а программное обеспечение для управления знаниями может стать средством реализации такого рода процессов и возможностей.
Так называемые «когнитивные» приложения искусственного интеллекта – интеллектуальные виртуальные помощники и боты для извлечения знаний, с которыми экспериментируют многие организации – черпают свои способности не из волшебной пыли фей ИИ, а, скорее, из инженерных подходов к управлению информацией и знаниями. Эти подходы могут решить реальные проблемы сегодня, готовясь к будущему высокопроизводительных виртуальных помощников.
Программы цифровой трансформации: знания – это первое, что уходит
К сожалению, организации, претерпевающие трансформации, отдают приоритет пользовательскому опыту и удобству использования, а не процессам получения знаний. Эти решения принимаются, когда проекты выходят за рамки бюджета, срываются сроки и возникают неожиданные проблемы. Но исключение управления знаниями из сферы охвата является серьезной ошибкой, которая в конечном итоге приведет к потере доли рынка и увеличению затрат, поскольку организации будут изо всех сил пытаться наверстать упущенное в управлении корпоративным контентом.
В некоторых случаях организации не смогут догнать и пойдут по пути Blockbuster или Kodak. Почему? Потому что в конечном итоге почти все взаимодействия будут хотя бы частично обеспечиваться виртуальными помощниками и ботами, а без хорошего управления знаниями эти помощники не смогут функционировать.
В некоторых ситуациях эти инструменты фактически станут основным способом взаимодействия предприятия с клиентами. Это неизбежный курс, по которому мы идем. Через пять лет те организации, которые не инвестируют в развитие своих инициатив в области знаний, пробудятся перед конкурентами, которые развивали свои способности за последнее десятилетие, и окажутся прискорбно, а в некоторых случаях – безвозвратно – отсталыми.
Многие организации считают контент-стратегию и SEO основными областями усилий во время цифровой трансформации или перераспределения электронной коммерции. Это хорошо для привлечения клиентов к предложениям организации, но недальновидно в отношении более крупных вопросов знаний.
Цифровую трансформацию нельзя разделить на фразы «мы просто делаем достаточно для SEO и вернемся к этому позже». Такой подход не сработает. Знания и контент должны быть согласованы с путешествиями клиентов с использованием высокоточных карт путешествий, которые могут интерпретировать цифровой язык тела клиента и реагировать на эти сигналы с помощью цифровых механизмов, созданных (возможно, вы уже догадались) сообществами знаний.
В одной организации, переживающей цифровую трансформацию, контент для сайта электронной коммерции принадлежал команде маркетинга, однако содержание поддержки клиентов и управление знаниями не были частью плана. Маркетинговая команда хотела сосредоточиться только на SEO.
Через два года после начала проекта люди начали спрашивать об их стратегии получения подробной инженерной информации, на которую полагались клиенты. Проект уже отставал от графика и превышал бюджет, а проектные решения, принятые ранее в программе, ограничивали доступные варианты.
Результатом стал более низкий рейтинг удовлетворенности клиентов и увеличение количества звонков в колл-центр. Проект должен был сократить количество звонков за счет улучшения пользовательского опыта. Для этой организации частью пользовательского опыта был доступ к знаниям и опыту, которые стало труднее найти на новом сайте, поскольку основные принципы знаний не соблюдались, а сосредоточение внимания только на SEO не полностью удовлетворяло потребности клиентов.
ИИ и поток знаний
Технологии искусственного интеллекта и машинного обучения могут поддерживать поток знаний несколькими способами.
Анализ организационной сети (ONA). ONA определяет соединители, неформальные сети, влиятельных лиц и скрытые структуры, которые имеют решающее значение для понимания сообществ и сетей знаний. Машинное обучение может обрабатывать множество источников данных и предписывать действия, которые помогут улучшить сотрудничество, охват и эффективность сообществ.
Анализ настроений – определяет тон общения между отдельными людьми и сообществами. Существуют ли здоровые дебаты, ориентированные на конкретные задачи? Или политика и личные разногласия нарушили поток и эффективность?
Идентификация экспертности – самопровозглашенная экспертиза заведомо неточна. Более точные профили экспертов можно получить путем обработки нескольких источников контента, таких как письменные резюме проектов, дискуссионные сообщения и вклад в интеллектуальную собственность (официальные документы, методологии, анализ и другие документы).
Улучшенный поиск и извлечение. Семантический поиск допускает изменение языка и фраз, возвращая результаты, включающие «предложения» с использованием термина «SOW» в поиске, когда ни один документ не содержит этот термин, а также результаты, персонализированные на основе роли, предпочтений или другие сигналы. «Боты-помощники» используют расширенный и/или объединенный поиск под прикрытием — бот знает, где искать конкретную информацию, что снижает трудности и накладные расходы при сопоставлении информации из нескольких источников.
Рекомендации по знаниям. Механизмы рекомендаций могут предоставлять ценные знания на основе целей команды и профилей проектов. Например, предоставление документов, используемых в аналогичных проектах или содержащих часть решения проблемы, которую пытается решить команда.
Организации конкурируют за знания
Каждое отличие сводится к знаниям:
- экспертным знаниям о том, как работает бизнес на каждом уровне,
- техническим знаниям и интеллектуальной собственности,
- знаниям, встроенным в программное обеспечение и проекты,
- знанию потребностей клиентов, маршрутов выхода на рынок, партнеров по сбыту,
- знанию того, как обмениваться сообщениями и прорываться на переполненном рынке,
- знанию лучших способов проектирования клиентского опыта или функций продукта.
Поскольку технологии продолжают ускорять все процессы, жизненный цикл знаний станет решающим фактором, поскольку идет борьба за создание когнитивных помощников, которые ускорят внутренние процессы и поддержат клиентов с меньшими затратами.
Наша цифровая революция меняет управленческие парадигмы и переориентирует внимание на основную ценность, создаваемую человеческими ресурсами, одновременно делегируя задачи более низкого уровня чат-ботам и другим цифровым помощникам.
Искусственный интеллект следует рассматривать как дополненный интеллект, помогающий людям выполнять свою работу и позволяющий им сосредоточиться на создании более значимой ценности, что является уникальной человеческой способностью. Будущее — за сверхумными устройствами и распределенным интеллектом в повседневных технологиях.
Этот распределенный интеллект — это не просто часть технологии, встроенной в устройство, но и способность помогать людям решать проблемы, что практически устраняет необходимость звонить в службу поддержки.
Знания представителя службы поддержки будут встроены в устройство. Если необходима поддержка, устройства проведут диагностику самостоятельно, создадут заявку в службу поддержки и самостоятельно закажут детали, необходимые для ремонта. Когда прибудет специалист по техническому обслуживанию, устройства подскажут им, как выполнить ремонт.
Компании, которые первыми осваивают эти технологии, — это те, кто инвестирует в управление знаниями и осуществляет организационные изменения уже сегодня, а не дожидаясь, пока конкурент продемонстрирует возможности изменения рынка. К тому времени будет слишком поздно.
Многие руководители были обожжены программами знаний и поэтому осторожны. Им необходимо понять, что это будет не «хорошо иметь», а «необходимо иметь». Управление знаниями станет важнейшим процессом, необходимым для выживания в когнитивном будущем, основанном на искусственном интеллекте.