הידע הארגוני הנסתר: האתגר הגדול של AI בחברות
רוב הידע המקצועי בארגונים אינו מתועד בשום מקום - הוא שוכן בראשם של עובדים. חברות טכנולוגיה מובילות כמו Synopsys מנסות לחלץ ידע זה כדי להזין מערכות AI פנימיות, אך הדרך ארוכה ומורכבת. מדובר באחד האתגרים המרכזיים של יישום AI ארגוני בשנה הקרובה.
הידע שלא נכתב: בעיית ה-AI הארגוני שאף אחד לא מדבר עליה
במרוץ לפרוס כלי AI בתוך הארגון, חברות רבות מגלות מכשול בלתי צפוי: רוב הידע המקצועי האמיתי לא מצוי במסמכים, בנהלים או בבסיסי נתונים - הוא שוכן בראשם של העובדים. חילוץ הידע הזה הפך לאחת המשימות הדחופות - ואולי הקשות - של ניהול AI בארגונים ב-2026.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
תומס אנדרסן, סגן נשיא ל-AI ולמידת מכונה בחברת Synopsys לעיצוב שבבים, ניסח זאת במדויק: "הרבה מהידע המומחה האמיתי, כמובן, נמצא במוחו של מישהו." Synopsys, שמוצריה משמשים בין היתר חברות שבבים ישראליות, מייצגת דוגמה טיפוסית לאתגר: מהנדסים מנוסים צברו שנים של ניסיון שאינו מתועד, והכנסתו למערכות AI דורשת מאמץ ממושך ושיטתי, כך מהדווח שג'ו קונסטנץ מ-Bloomberg.
מדוע זה קשה כל כך
האתגר מכונה בספרות המקצועית "tacit knowledge" - ידע מרומז. מדובר בהבנות שנרכשות עם הזמן: איך לפתור בעיה ספציפית, מה עובד ומה לא, מי הגורם הנכון לפנות אליו בנושאים מסוימים. ניסיון להפוך ידע כזה לנתון שניתן לאמן עליו מודל דורש ראיונות, תצפיות, ותיעוד אינטנסיבי - כולם תהליכים אנושיים ואיטיים.
לשם השוואה, גישות ה-RAG המקובלות מניחות שיש מסמכים זמינים שאפשר לאחזר. כאשר הידע אינו כתוב, אין מה לאחזר.
USECASE בישראל
ג'ונתן קוזמנקו, בעלים של חברת ייעוץ יישומית הפועלת בתחום פיתוח ויישום טכנולוגיות AI בארגונים מסביר כי נושא של יצירת ידע ארגוני אחיד הוא אתגר שהתמודדנו איתו מאז ומתמיד. היכולת להשתמש בו בצורה יעילה הוגברה משמעותית בזכות הבשלות של טכנולוגיות AI עדכניות. "באחד הפרויקטים הגדולים שלנו בשנת 2024 שנבע בכלל מתהליך התייעלות ארגונית, היה צורך לבנות מערכת RAG עם מודל מכוונן כאשר אחד האתגרים המשמעותיים בה היה בניית בסיס ל- VDB. ניגשנו ועיבדנו המון מידע ממצגות, קבצי אקסל, מאגרי נתונים וגם המון ראיונות עם עובדים, תיעוד ותרגום של הידע שלהם לנתונים ברורים למערכת AI. למרות שהעובדים בהתחלה היססו לחלוק מידע לצורך בניית מערכת AI שבתפיסתם עלולה להחליף אותם, הפכנו את העובדים הוותיקים בעלי הידע למאמנים של המערכת שסייעו בבניה שלה". מוסיף. .
מה חברות עושות כעת
כמה גישות נמצאות בשימוש גובר:
- ראיונות ידע מובנים עם עובדים מנוסים, שמתועדים ומוזנים למודלים פנימיים
- שימוש בהקלטות שיחות שירות ופגישות כחומר אימון
- כלי "shadow learning" שצופים בעובד בזמן עבודתו ומתרגמים פעולות לנהלים
- פיילוטים של fine-tuning על מודלים קטנים שמאומנים על תחום דעת ספציפי
אין פתרון אחד שמתאים לכולם, והמאמץ הנדרש הוא לא רק טכנולוגי אלא ארגוני ותרבותי. החברות שיצליחו לבנות מנגנוני ידע אנושי יעילים - ולתרגם אותם לנכסי AI - יחזיקו ביתרון תחרותי ממשי על פני אלו שמסתפקות בפריסה של כלים כלליים.