Zbierať know-how nestačí

Môžete mať tisíce kvalitných zdrojov. A v správnej chvíli aj tak nevedieť, ktorý z nich použiť.

Knižnica nie je systém

Ak mám v databáze 500 štúdií, je to hodnotný zdroj. Ale samo osebe mi to nepovie:

Rovnaké je to s knihami. Môžete prečítať desiatky skvelých autorov. Ak však ich myšlienky zostanú izolované, veľká časť hodnoty sa stráca.

Problém nie je prístup k informáciám

Dnes máme opačný problém než kedysi. Informácií je priveľa. AI ešte viac znižuje cenu prístupu. Dokáže nám v sekunde vysvetliť takmer akýkoľvek koncept.

Preto podľa mňa rastie hodnota iných schopností:

• vedieť, čomu dôverovať,
• vedieť, čo je relevantné,
• rozlišovať zdroj od interpretácie,
• prepájať poznatky,
• uchovať kontext,
• a dostať správnu informáciu do správneho rozhodnutia.

Poznanie musí byť použiteľné

Veľmi ma zaujíma rozdiel medzi „vieme to“ a „vieme to použiť“.

VIEME TO × VIEME TO POUŽIŤTRI PRÍKLADY

STRATÉGIAv PDF – ak sa do neho pri kampani nikto nepozrie, prakticky neexistujeVÝSKUMv databáze – ak nevstúpi do rozhodnutia, je iba archívomBRAND IDENTITYdetailná – ak ju copywriter, dizajnér alebo AI nedostane v použiteľnej forme, zostáva dokumentáciou

Pre mňa preto poznanie získava plnú hodnotu až v momente použitia.

Musíme vedieť aj odkiaľ pochádza

Použiteľnosť však nestačí. Ak systém poskytne odpoveď bez pôvodu, veľmi rýchlo môžeme začať používať nesprávne informácie s veľkou efektivitou. Preto potrebujeme vedieť rozlíšiť:

Nie všetky tieto veci majú rovnakú autoritu.

Syntéza je samostatná vrstva

Ďalší problém pri zbieraní know-how je, že jednotlivé zdroje často hovoria o tej istej veci iným jazykom.

Jeden autor používa pojem positioning. Iný frame of reference. Ďalší category entry point. Výskum môže pomenovať psychologický mechanizmus úplne inak než marketingová kniha.

Ak chceme vytvoriť použiteľný systém, nestačí zdroje uložiť vedľa seba. Musíme pochopiť vzťahy.

AI tu podľa mňa otvára veľkú príležitosť

Práve práca s veľkým množstvom poznania je podľa mňa jedna z oblastí, kde AI zásadne mení možnosti. Dokáže klasifikovať, sumarizovať, porovnávať, vyhľadávať vzťahy, vytvárať prvé syntézy a sprístupniť obrovský korpus cez prirodzený jazyk.

Stále však potrebujeme dobrú architektúru. Ak nevieme, ktoré zdroje sú autoritatívne a aké vrstvy poznania máme, AI môže iba efektívnejšie premiešať všetko dohromady.

Od zbierky k pracovnej infraštruktúre

Toto je jedna z hlavných myšlienok, ktoré postupne formovali FUTUR MAX. Nechcem iba databázu know-how. Chcem systém, v ktorom je možné:

L1Poznať pôvod informácie

L2Nájsť relevantné poznanie

L3Prepájať zdroje

L4Zachovať konflikty

L5Oddeliť dôkaz od princípu

L6Prepojiť poznanie s metodikou

L7Použiť ho priamo pri práci