כאשר חושבים על בינה מלאכותית שמשרתת את ניהול הידע בארגון, באופן טבעי, חושבים על גילוי ידע (Knowledge Discovery). ולא בכדי; גילוי ידע הוא אחת היכולות הליבתיות המרכזיות בהן ניכרת התרומה של בינה מלאכותית לניהול הידע הארגוני.
בבואנו לעסוק בגילוי ידע, מוטב להכיר את הרבדים השונים שבהם ניתן להתייחס למונח זה וליישומו הלכה למעשה, כדי שנוכל נמקד את מאמץ המכונה באלו היותר חשובים, הנותנים לנו ערך מוסף מעשי ואמתי בארגון ביחס לנקודת הזמן הנוכחית.
רובד ראשון בגילוי ידע מתייחס איתור מתקדם דיגיטלי של מסמכים; לעזור למנוע החיפוש לעזור לנו. לקבל מסמכים רבים יותר, אך בעיקר כאלו שרלוונטיים יותר, ממוינים ומאורגנים טוב יותר לפי קבוצות והקשרים.
פירמת עריכת דין המקבלת מלקוח דיסק מלא חומרים, תשמח לגילוי ידע שכזה. למכונה הממיינת את כל החומרים ומארגנת ומסדרת אותם באופן שתכיר את החשובים, ותוכל לעשות שימוש מרבי ומיטבי גם באחרים.
גילוי ואיתור מסמכים מציע רבדים נוספים.
אם נישאר באותה דוגמה של פירמת עריכת דין, הרי שהגילוי יכול לאתר מסמכים חשובים, פסקאות ואמירות חשובות בתוכם, ואפילו לתמצת את עיקרי הדברים הרשומים במסמך. בהחלט גילוי ידע.
גילוי ואיתור מסמכים מציע גם דובדבן שבקצפת- ניתוח וכרייה של המכונה מעל מאגרים גדולים ואפילו מאגרי ענק, ויצירת תובנות; ידע חדש שלא היה קודם, ומתגלה על בסיס הקשרים הסמויים שגילתה המכונה בין המסמכים השונים. בהחלט ברור כאן, אפילו עוד יותר מאשר ברבדים הקודמים, מדוע אנו מתייחסים לגילוי הידע הזה כ"בינה".
גילוי ידע יכול להתייחס לרובד אחר, וזאת כאשר בוחנים מקורות מידע נוספים מעבר למסמכים. גילוי הידע יכול לפעול על שיחות שמקורן ברשתות תקשורת פנים וחוץ ארגוניות, ופתאום יש לנו- מעבר לגילוי המידע, גם גילוי ידע.
ואכן, מדובר פה ברובד נוסף, שאולי לא שונה טכנולוגית, אך מייצג מהות נוספת בגילוי הידע הארגוני. הגעה לידע הארגוני שקיבל ביטוי בשיח מתועד.
וניתן לדבר על גילוי ידע בתמונות, בקול ובסוגי מקורות נוספים, ובכולם אנו כבר עדים להצלחות טכנולוגיות, אם בקידום שימור לקוחות דרך זיהוי קול, ואם בכלים מפתיעים נוספים בניתוח תמונות וקבצי מדיה.
אך כשעוסקים בגילוי ידע, ישנו רובד נוסף, שפעמים רבות לא חושבים עליו בהקשר זה- גילוי מומחים.
כבר לפני 25 שנים כשקמו מערכות ניהול הידע הראשונות, הובנה חשיבות זיהוי המומחים וקיצור הדרך לאיתורם. הפתרונות שקודמו אז, רובן בתצורת "דפי זהב ארגוניים" היו פשוטים מידי, ולא הציעו ערך מוסף משמעותי דיו. הן שיקפו את המבנה הארגוני, אותה מומחיות מוצהרת ומוחצנת. כאשר יש עשרות או מאות אנשים שעוסקים באותו תחום וחלקו אותה כותרת, דווקא רמות ההתמחות הספציפיות, ובצדן ההתמחויות "הסמויות" מן העין, הן אלו שבעלות ערך מוסף משמעותי.
כיום בזכות בינה וגילוי ידע, אנו מתקרבים למטרה שהגדרנו כבר בתחילת מסע ניהול הידע- אפשרות של זיהוי ואיתור המומחים ואפשרות הסתייעות בהם במקומות שבהם התשובה לא נמצאת בינות לגופי הידע והמידע המתועדים.
בינה מלאכותית בשירות ניהול הידע? אכן. ובגדול.
コメント