AI помогает делиться знаниями… но только теми, которые уже готовы к “перевариванию”. И именно поэтому когда мы готовили KM стратегию компании, мы вывели AI readiness в отдельный business driver, рядом с Operational Excellence и Growth. По книге Designing a Successful KM Strategy (на которую мы опирались) секция Business Drivers/Imperatives отвечает на вопрос: какие бизнес цели KM должен ускорять и как это измерять. Это не “что мы сделаем”, а “зачем это нужно компании сейчас”, чтобы потом из этого логично выросли принципы, приоритеты и roadmap. Как мы раскладывали драйвер AI readiness and knowledge accessibility (конечно без инфы под NDA): • Где AI будет использоваться: поиск ответов, помощник в тикетах, генерация черновиков, Q&A по политикам, поддержка онбординга. • Какие знания нужны: решения и их контекст, “как у нас принято”, границы ответственности, определения терминов, шаблоны, типовые кейсы. • Какие признаки “готовности” (прям чеклистом): Ownership: у каждой критичной страницы есть владелец и канал эскалации. Freshness: дата ревью и правило “если просрочено – показываем статус и риск”. Структура: краткий ответ в начале, затем детали, ссылки на источники, явные “если/то”. Единые метаданные: продукт/команда/тип знания/статус/уровень доверия. Минимум чатов как истины: важное вытаскиваем в артефакты (decision log, FAQ, runbook). И главный инсайт: AI – не замена шэринга, а аудитор качества знаний. Если ассистент путается, значит у вас не “плохой AI”, а знания без владельца, без актуальности и без структуры. Мы даже советовали командам 3 простых запроса про них, которые надо задать AI ассистенту, чтобы увидеть пробелы в информации, которую они о себе доносят. Эта практика зашла на ура, многие команды о себе узнали интересное или узнали, что тем чем они занимаются по мнению AI занимается кто-то другой.