انتقال فناوری
دانشگران و دانش ضمنی: تنها مزیت رقابتی که هوش مصنوعی نمی‌تواند کپی کند
ارزش اصلی سازمان‌های امروز در دانش کارکنان است. با کارگران دانشی، دانش ضمنی و آشکار، مدل SECI و سرمایه فکری آشنا شوید و راه‌های حفظ و رشد این دارایی پنهان را ببینید.
۱. مقدمه: دارایی‌ای که هر شب از در شرکت بیرون می‌رود
ترازنامه یک شرکت، ساختمان، ماشین‌آلات، موجودی انبار و نقدینگی آن را با دقت ثبت می‌کند. اما در بسیاری از شرکت‌های امروزی، ارزشمندترین دارایی در هیچ‌یک از این ردیف‌ها نیست: دانش، تجربه، روابط و توان حل مسئله افرادی که هر روز صبح وارد شرکت می‌شوند و هر شب آن را ترک می‌کنند. اگر فردا این افراد نیایند، ماشین‌آلات سر جایشان هستند، اما شرکت دیگر همان شرکت نیست.
مسئله محوری این مقاله این است: چگونه سازمان‌ها می‌توانند دانش افراد، به‌ویژه دانش ضمنی که در اسناد ثبت نمی‌شود، را به یک دارایی پایدار سازمانی تبدیل کنند و آن را مدیریت، حفظ و اندازه‌گیری کنند؟ برای پاسخ، از مفهوم «کارگر دانشی» دراکر آغاز می‌کنیم، به ماهیت دانش ضمنی و صریح می‌پردازیم، مدل خلق دانش نوناکا را بررسی می‌کنیم، چارچوب‌های سرمایه فکری را مرور می‌کنیم و در پایان به اثر هوش مصنوعی بر این معادله می‌رسیم.
۲. تولد یک مفهوم: کارگر دانشی
پیتر دراکر (Drucker, 1959) در کتاب «نشانه‌های فردا» (Landmarks of Tomorrow) اصطلاح «کارگر دانشی» (Knowledge Worker) را به کار برد تا گروه رو به رشدی از نیروی کار را توصیف کند که ابزار اصلی کارشان دانش است، نه نیروی بدنی یا مهارت دستی. تقریباً هم‌زمان، فریتس ماکلوپ (Machlup, 1962) در کتاب «تولید و توزیع دانش در ایالات متحده» کوشید سهم فعالیت‌های مرتبط با تولید و انتقال دانش را در اقتصاد اندازه‌گیری کند و نشان داد دانش را می‌توان به‌عنوان یک بخش اقتصادی مستقل تحلیل کرد.
دراکر چهار دهه بعد (Drucker, 1999) در مقاله‌ای در California Management Review استدلال کرد که مهم‌ترین چالش مدیریتی قرن بیست‌ویکم، افزایش بهره‌وری کارگران دانشی است؛ همان‌گونه که مهم‌ترین دستاورد مدیریت در قرن بیستم، افزایش چشمگیر بهره‌وری کارگران یدی بود. او شش عامل را برای بهره‌وری کارگر دانشی برشمرد:
- ۱. تعریف وظیفه (Task Definition): نخستین پرسش این است که «وظیفه چیست؟»؛ برخلاف کار یدی که وظیفه از پیش معلوم است.
- ۲. خودمختاری (Autonomy): کارگران دانشی باید مسئولیت بهره‌وری خود را بر عهده بگیرند و خود را مدیریت کنند.
- ۳. نوآوری مستمر (Continuing Innovation): نوآوری باید بخشی از کار، وظیفه و مسئولیت آنها باشد.
- ۴. یادگیری و آموزش مستمر (Continuous Learning and Teaching): کار دانشی نیازمند یادگیری مداوم و همچنین آموزش دادن به دیگران است.
- ۵. کیفیت در کنار کمیت (Quality): بهره‌وری کارگر دانشی در درجه اول به کیفیت خروجی وابسته است، نه صرفاً حجم آن.
- ۶. دارایی، نه هزینه (Asset, not Cost): کارگر دانشی باید به‌عنوان دارایی دیده و با او چنین رفتار شود، و او باید بخواهد برای سازمان کار کند.
نکته مهم: نکته ششم دراکر پیامد مستقیمی دارد: کارگر دانشی ابزار تولید خود، یعنی دانشش را، همراه خود می‌برد. این همان دلیلی است که حفظ و نهادینه‌سازی دانش به مسئله‌ای راهبردی تبدیل می‌شود.
۳. ماهیت دانش: صریح، ضمنی و سطوح آن
۱. دانش صریح و ضمنی
مایکل پولانی (Polanyi, 1966) در «بعد ضمنی» با جمله مشهور «ما بیش از آنچه می‌توانیم بگوییم، می‌دانیم» نشان داد که بخش بزرگی از دانش انسانی ضمنی (Tacit) است: در مهارت، تجربه، شهود و قضاوت ریشه دارد و به‌سختی به کلام یا نوشته درمی‌آید. در مقابل، دانش صریح (Explicit) را می‌توان در اسناد، فرمول‌ها، پایگاه‌های داده و دستورالعمل‌ها ثبت و منتقل کرد. گیلبرت رایل (Ryle, 1949) نیز پیش‌تر میان «دانستن اینکه» (Knowing That) و «دانستن چگونه» (Knowing How) تمایز گذاشته بود.
۲. سطوح دانش حرفه‌ای
کوئین، اندرسون و فینکلستین (Quinn, Anderson & Finkelstein, 1996) در مقاله‌ای در Harvard Business Review چهار سطح برای «هوش حرفه‌ای» در سازمان برشمردند:
- ۱. دانش شناختی (Know-What): تسلط بر دانش پایه یک رشته که با آموزش و گواهی‌نامه به دست می‌آید.
- ۲. مهارت پیشرفته (Know-How): توانایی تبدیل دانش کتابی به اجرای مؤثر در مسائل پیچیده واقعی.
- ۳. درک سیستمی (Know-Why): فهم عمیق شبکه روابط علت و معلولی که امکان حل مسائل بزرگ‌تر و پیچیده‌تر را می‌دهد.
- ۴. خلاقیت با انگیزه درونی (Care-Why): اراده، انگیزه و انطباق‌پذیری برای موفقیت؛ سطحی که بدون آن، سه سطح دیگر به کار نمی‌آیند.
آنها استدلال کردند که سه سطح اول می‌توانند در سیستم‌ها، پایگاه‌های داده و فناوری‌های عملیاتی سازمان نیز وجود داشته باشند، اما سطح چهارم عمدتاً در فرهنگ سازمان زندگی می‌کند.
۴. نظریه دانش‌بنیان بنگاه: چرا دانش مزیت رقابتی است؟
رابرت گرانت (Grant, 1996) در مقاله‌ای در Strategic Management Journal «نظریه دانش‌بنیان بنگاه» را صورت‌بندی کرد. به نظر او، دانش مهم‌ترین منبع راهبردی بنگاه است و نقش اصلی بنگاه، یکپارچه‌سازی دانش تخصصی افراد در تولید کالا و خدمات است. از آنجا که دانش ضمنی به‌سختی منتقل می‌شود و دانش در افراد پراکنده است، بنگاه به‌عنوان نهادی برای هماهنگی و یکپارچه‌سازی این دانش، بر بازار برتری دارد.
جولیا لیبسکایند (Liebeskind, 1996) از زاویه‌ای مکمل نشان داد که بنگاه‌ها از طریق سازوکارهای سازمانی، مانند قراردادهای استخدامی، ساختار سازمانی و قواعد، می‌توانند دانش ارزشمند را در برابر تقلید و نشت محافظت کنند؛ کاری که در بازار به‌سختی ممکن است. ترکیب این دو دیدگاه نتیجه روشنی دارد: سازمانی که نتواند دانش افراد را یکپارچه و محافظت کند، مزیت رقابتی پایداری نخواهد داشت.
۵. موتور خلق دانش: مدل SECI نوناکا
ایکوجیرو نوناکا (Nonaka, 1994) و نوناکا و تاکوچی (Nonaka & Takeuchi, 1995) در کتاب «شرکت دانش‌آفرین» توضیح دادند که دانش سازمانی از تعامل پیوسته دانش ضمنی و صریح خلق می‌شود. مدل آنها چهار حالت تبدیل دانش را شامل می‌شود که به اختصار SECI نامیده می‌شود:
| حالت تبدیل | جهت | سازوکار نمونه |
|---|---|---|
| اجتماعی‌سازی (Socialization) | ضمنی به ضمنی | کار در کنار استاد، کارآموزی، مشاهده و تقلید |
| برونی‌سازی (Externalization) | ضمنی به صریح | گفت‌وگو، استعاره، مدل‌سازی، مستندسازی تجربه |
| ترکیب (Combination) | صریح به صریح | ترکیب اسناد، پایگاه‌های داده، گزارش‌ها و سیستم‌ها |
| درونی‌سازی (Internalization) | صریح به ضمنی | یادگیری از راه انجام دادن، تمرین، شبیه‌سازی |
نکته محوری این مدل، حرکت مارپیچی است: دانش از فرد به گروه، از گروه به سازمان و حتی فراتر از سازمان گسترش می‌یابد. سازمانی که فقط به «ترکیب» بپردازد، یعنی اسناد بیشتر تولید کند، بدون آنکه دانش ضمنی را برونی کند یا دانش صریح را درونی سازد، در واقع دانش جدیدی خلق نمی‌کند.
مثال استراتژیک: یک شرکت مهندسی را در نظر بگیرید که یکی از مهندسان ارشدش در آستانه بازنشستگی است. اگر شرکت فقط از او بخواهد «گزارش» بنویسد، بخش بزرگی از دانش ضمنی او منتقل نمی‌شود. اما اگر او را برای چند ماه در پروژه‌های واقعی کنار مهندسان جوان قرار دهد (اجتماعی‌سازی)، جلسات منظم تحلیل موارد دشوار برگزار کند (برونی‌سازی)، این تحلیل‌ها را در پایگاه دانش ثبت کند (ترکیب) و مهندسان جوان را به حل مسائل مشابه بگمارد (درونی‌سازی)، چرخه کامل SECI را اجرا کرده است.
۶. سرمایه فکری: آنچه ترازنامه نمی‌بیند
از دهه ۱۹۹۰، گروهی از پژوهشگران و مدیران کوشیدند دارایی‌های دانشی را با مفهوم «سرمایه فکری» (Intellectual Capital) صورت‌بندی و اندازه‌گیری کنند. توماس استوارت (Stewart, 1997) در کتاب «سرمایه فکری» سه جزء اصلی را برشمرد:
- ۱. سرمایه انسانی (Human Capital): دانش، مهارت، تجربه و خلاقیت افراد. این سرمایه متعلق به افراد است و سازمان مالک آن نیست.
- ۲. سرمایه ساختاری (Structural Capital): دانشی که در سازمان باقی می‌ماند، حتی وقتی افراد می‌روند: فرایندها، پایگاه‌های داده، نرم‌افزارها، پتنت‌ها، رویه‌ها و فرهنگ.
- ۳. سرمایه مشتری یا رابطه‌ای (Customer Capital): ارزش روابط با مشتریان، تأمین‌کنندگان و شرکا، شهرت و برند.
لیف ادوینسون و مایکل مالون (Edvinsson & Malone, 1997) با تکیه بر تجربه شرکت بیمه سوئدی اسکاندیا، چارچوبی برای اندازه‌گیری و گزارش‌دهی سرمایه فکری پیشنهاد کردند. نیک بونتیس (Bontis, 1998) نیز در یک مطالعه اکتشافی، سنجه‌هایی برای اجزای سرمایه فکری توسعه داد و رابطه آنها را با عملکرد کسب‌وکار بررسی کرد.
نکته مهم: کلید فهم سرمایه فکری، رابطه سرمایه انسانی و ساختاری است. سرمایه انسانی «اجاره» شده است و هر شب از در بیرون می‌رود؛ سرمایه ساختاری «مالکیت» سازمان است. مأموریت مدیریت دانش، تبدیل هرچه بیشتر سرمایه انسانی به سرمایه ساختاری است، بدون آنکه انگیزه و خلاقیت افراد سرکوب شود.
۷. راهبرد دانش: کدام دانش را نگه داریم، کدام را بسازیم؟
مایکل زک (Zack, 1999) در مقاله‌ای در California Management Review استدلال کرد که مدیریت دانش باید به راهبرد کسب‌وکار گره بخورد. او پیشنهاد کرد سازمان‌ها شکاف میان «آنچه برای اجرای راهبرد باید بدانند» و «آنچه اکنون می‌دانند» را شناسایی کنند و دانش خود را در سه سطح ببینند: دانش پایه (Core) که برای حضور در صنعت لازم است، دانش پیشرفته (Advanced) که رقابت‌پذیری می‌آورد، و دانش نوآورانه (Innovative) که امکان تغییر قواعد رقابت را فراهم می‌کند. این نگاه کمک می‌کند سرمایه‌گذاری دانشی به جای «جمع‌آوری همه چیز»، بر دانش‌های راهبردی متمرکز شود.
۸. کار دانشی در عصر هوش مصنوعی
ورود رایانه و سپس هوش مصنوعی، پرسش جدیدی را مطرح کرده است: آیا ماشین‌ها جای کارگران دانشی را می‌گیرند؟ دیوید آتور، فرانک لِوی و ریچارد مورنین (Autor, Levy & Murnane, 2003) در مقاله‌ای کلاسیک در Quarterly Journal of Economics نشان دادند که رایانه‌ها جایگزین وظایف «روتین»، یعنی وظایفی که می‌توان آنها را با قواعد صریح توصیف کرد، می‌شوند و مکمل وظایف «غیرروتین» تحلیلی و تعاملی هستند. به زبان این مقاله، رایانه‌ها جای دانش صریح را می‌گیرند و ارزش دانش ضمنی را افزایش می‌دهند.
هوش مصنوعی مولد این مرز را جابه‌جا کرده است. براین‌جولفسون، لی و ریموند (Brynjolfsson, Li & Raymond, 2025) در مطالعه‌ای بر ۵۱۷۲ کارمند پشتیبانی مشتری دریافتند که دسترسی به یک دستیار هوش مصنوعی مولد، بهره‌وری (تعداد مسائل حل‌شده در ساعت) را به‌طور متوسط ۱۵ درصد افزایش داد. مهم‌تر آنکه بیشترین بهبود در کارکنان کم‌تجربه و کم‌مهارت‌تر دیده شد و برای ماهرترین کارکنان، بهبود سرعت ناچیز و کاهش اندکی در کیفیت گزارش شد. نویسندگان این یافته را چنین تفسیر کردند که هوش مصنوعی رویه‌های کارکنان ماهرتر را منتشر می‌کند و یادگیری کارکنان کم‌تجربه را تسهیل می‌کند.
این یافته از منظر مدیریت دانش بسیار مهم است: هوش مصنوعی را می‌توان سازوکاری نوین برای تبدیل بخشی از دانش ضمنی کارکنان ماهر (که در داده‌های تعاملات آنها نهفته است) به سرمایه ساختاری سازمان و انتقال آن به دیگران دانست. به زبان مدل SECI، هوش مصنوعی هم «برونی‌سازی» و هم «درونی‌سازی» را تسریع می‌کند. اما این پرسش هم باز می‌ماند که اگر ماهرترین کارکنان سود اندکی ببرند، انگیزه آنها برای تولید دانشی که دیگران از آن بهره می‌برند، چگونه حفظ می‌شود؛ پرسشی که به عامل ششم دراکر، یعنی دیدن کارگر دانشی به‌عنوان دارایی، بازمی‌گردد.
۹. نقشه راه عملی: هشت اقدام برای مدیریت دارایی‌های دانشی
بر اساس ادبیات مرور شده، اقدامات زیر را می‌توان به‌عنوان نقشه راه پیشنهاد کرد:
- نقشه دانش راهبردی: دانش‌های پایه، پیشرفته و نوآورانه مورد نیاز راهبرد را شناسایی و شکاف‌ها را مشخص کنید (Zack, 1999).
- شناسایی دانش در معرض خطر: افراد کلیدی که دانش ضمنی منحصربه‌فرد دارند و احتمال خروجشان وجود دارد، شناسایی شوند.
- طراحی چرخه کامل SECI: برای دانش‌های کلیدی، سازوکارهای اجتماعی‌سازی، برونی‌سازی، ترکیب و درونی‌سازی تعریف شود (Nonaka & Takeuchi, 1995).
- تبدیل سرمایه انسانی به ساختاری: فرایندها، درس‌آموخته‌ها و راه‌حل‌ها در سیستم‌های سازمانی ثبت و به‌روز شوند (Stewart, 1997).
- خودمختاری و تعریف وظیفه: به کارگران دانشی اختیار تعریف و مدیریت کار داده شود (Drucker, 1999).
- فرهنگ یاددهی: آموزش دادن به دیگران بخشی از شرح وظایف و نظام ارزیابی کارکنان ارشد باشد.
- اندازه‌گیری سرمایه فکری: شاخص‌هایی برای سرمایه انسانی، ساختاری و رابطه‌ای تعریف و پایش شود (Edvinsson & Malone, 1997; Bontis, 1998).
- به‌کارگیری هوشمندانه هوش مصنوعی: از ابزارهای هوش مصنوعی برای انتشار بهترین رویه‌ها و تسریع یادگیری استفاده شود، همراه با سازوکارهای قدردانی از کسانی که این دانش را تولید می‌کنند.
۱۰. سنتز نهایی: سازمان به‌عنوان حافظه جمعی
از دراکر تا براین‌جولفسون، یک ایده مشترک در این ادبیات تکرار می‌شود: ارزش سازمان‌های امروزی در توان آنها برای خلق، یکپارچه‌سازی و حفظ دانش است. سازمان را می‌توان «حافظه جمعی» دانست که دانش افراد را از دوره حضورشان فراتر می‌برد. سازمانی که این حافظه را نسازد، با هر جابه‌جایی نیروی کار بخشی از خود را از دست می‌دهد؛ سازمانی که آن را بسازد، حتی از رفتن افراد هم یاد می‌گیرد.
هوش مصنوعی این معادله را تغییر نمی‌دهد، بلکه شدت آن را بیشتر می‌کند. اکنون ابزارهایی در دسترس است که می‌تواند بخشی از دانش ضمنی را با سرعتی بی‌سابقه منتشر کند. اما همان‌طور که دراکر یادآوری کرد، منبع این دانش، انسان‌هایی هستند که باید به‌عنوان دارایی دیده شوند.
۱۱. خلاصه و نتیجه‌گیری
مسئله این مقاله تبدیل دانش افراد به دارایی پایدار سازمانی بود. نشان دادیم که کارگران دانشی ابزار تولیدشان را با خود می‌برند (Drucker, 1959; 1999)، بخش بزرگی از دانش ضمنی است (Polanyi, 1966) و دانش مهم‌ترین منبع راهبردی بنگاه است (Grant, 1996). راه‌حل، اجرای چرخه خلق دانش SECI (Nonaka & Takeuchi, 1995)، تبدیل سرمایه انسانی به سرمایه ساختاری (Stewart, 1997)، اتصال مدیریت دانش به راهبرد (Zack, 1999) و به‌کارگیری هوشمندانه فناوری‌هایی مانند هوش مصنوعی است که شواهد نشان می‌دهد می‌توانند یادگیری را تسریع کنند (Brynjolfsson et al., 2025).
۱۲. پرسش‌های متداول (FAQ)
۱. کارگر دانشی کیست؟
کسی که ابزار اصلی کارش دانش است، نه نیروی بدنی. این اصطلاح را پیتر دراکر در کتاب «نشانه‌های فردا» در سال ۱۹۵۹ به کار برد.
۲. تفاوت دانش ضمنی و صریح چیست؟
دانش صریح قابل ثبت در اسناد و پایگاه‌های داده است؛ دانش ضمنی در مهارت، تجربه و شهود افراد ریشه دارد و به‌سختی بیان می‌شود (Polanyi, 1966).
۳. مدل SECI چیست؟
مدل خلق دانش نوناکا و تاکوچی شامل چهار حالت اجتماعی‌سازی، برونی‌سازی، ترکیب و درونی‌سازی است که دانش را در یک مارپیچ از فرد به سازمان گسترش می‌دهد.
۴. سرمایه فکری از چه اجزایی تشکیل شده است؟
در چارچوب استوارت (Stewart, 1997)، سه جزء سرمایه انسانی، سرمایه ساختاری و سرمایه مشتری یا رابطه‌ای.
۵. آیا هوش مصنوعی جای کارگران دانشی را می‌گیرد؟
شواهد موجود تصویر پیچیده‌تری نشان می‌دهد. رایانه‌ها عمدتاً جایگزین وظایف روتین بوده‌اند (Autor et al., 2003) و در یک مطالعه، هوش مصنوعی مولد بیشترین بهبود بهره‌وری را برای کارکنان کم‌تجربه ایجاد کرد (Brynjolfsson et al., 2025)؛ یعنی دست‌کم در این نمونه، بیشتر نقش انتقال‌دهنده دانش را داشت تا جایگزین.
۱۳. منابع
- Autor, D. H., Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. The Quarterly Journal of Economics, 118(4), 1279–1333. https://doi.org/10.1162/003355303322552801
- Bontis, N. (1998). Intellectual capital: An exploratory study that develops measures and models. Management Decision, 36(2), 63–76. https://doi.org/10.1108/00251749810204142
- Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
- Drucker, P. F. (1959). Landmarks of Tomorrow. New York: Harper & Brothers.
- Drucker, P. F. (1999). Knowledge-worker productivity: The biggest challenge. California Management Review, 41(2), 79–94. https://doi.org/10.2307/41165987
- Edvinsson, L., & Malone, M. S. (1997). Intellectual Capital: Realizing Your Company's True Value by Finding Its Hidden Brainpower. New York: HarperBusiness.
- Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic Management Journal, 17(S2), 109–122. https://doi.org/10.1002/smj.4250171110
- Liebeskind, J. P. (1996). Knowledge, strategy, and the theory of the firm. Strategic Management Journal, 17(S2), 93–107. https://doi.org/10.1002/smj.4250171109
- Machlup, F. (1962). The Production and Distribution of Knowledge in the United States. Princeton, NJ: Princeton University Press.
- Nonaka, I. (1994). A dynamic theory of organizational knowledge creation. Organization Science, 5(1), 14–37. https://doi.org/10.1287/orsc.5.1.14
- Nonaka, I., & Takeuchi, H. (1995). The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. New York: Oxford University Press.
- Polanyi, M. (1966). The Tacit Dimension. Garden City, NY: Doubleday.
- Quinn, J. B., Anderson, P., & Finkelstein, S. (1996). Managing professional intellect: Making the most of the best. Harvard Business Review, 74(2), 71–80.
- Ryle, G. (1949). The Concept of Mind. London: Hutchinson.
- Stewart, T. A. (1997). Intellectual Capital: The New Wealth of Organizations. New York: Doubleday/Currency.
- Zack, M. H. (1999). Developing a knowledge strategy. California Management Review, 41(3), 125–145. https://doi.org/10.2307/41166000