על שיטות ניהול ידע

שיטות ניהול ידע בעידן ה-AI: איך מפסיקים לאבד את המוח הארגוני

אם שואלים מנהלי ארגונים מה הנכס הכי חשוב שלהם, רובם יענו אוטומטית: "האנשים שלנו". זה נכון, כמובן – אבל זה קצת חמקמק. כי בפועל, מה שהופך את האנשים האלה לכל־כך יקרי ערך הוא משהו אחר: הידע שהם צוברים לאורך הזמן. כל מייל שנשלח, כל שיחת זום שנגמרה ב"הטוב שנלמד", כל קובץ אקסל שמסתובב באיזה דרייב – זה המוח שלכם. או ליתר דיוק, זה המוח שלכם שנפרס על פני עשרות מערכות, תיקיות וקבוצות וואטסאפ.

במציאות הזו, שיטות ניהול ידע הפכו מדיסציפלינה סימפטית של "מי אוהב לעשות סדר" למשהו הרבה יותר קריטי: יכולת שרידות ארגונית. מי שיודע לתפוס את הידע בזמן, לשמור אותו במקום הנכון, ולגרום לו להיות נגיש לאדם הנכון ברגע הנכון – מנצח. מי שלא, מגלה יום אחד שעובד ותיק עזב, יחד איתו עזבו פתרונות לבעיות, תובנות על לקוחות, וערימות של "איך לא לעשות את אותה טעות שוב".

ואז נכנסת לתמונה בינה מלאכותית. לכאורה – עוד באזז. בפועל, כשמחברים אותה לשיטות ניהול ידע שעבדו כאן עוד לפני שהמונח "צ'טבוט" הגיע לחיינו, מתקבלת הזדמנות מעניינת: להפוך את המוח הארגוני ממוח מפוזר למוח שמנהל את עצמו. לא קסם. לא אוטומציה מלאה. אבל כן שינוי כיוון.

הצפת מידע, עומס מיילים, ו"החיפוש ההוא שלא מצאתם"

כל מי שעבד בקצת יותר מחברה אחת בישראל מכיר את זה: אתם נכנסים לארגון חדש, מקבלים גישה לפורטל, לדרייב, ל-Teams, ל-SharePoint – "תשחק קצת, תמצא הכל לבד". שבועיים אחרי, אתם יודעים כבר פחות או יותר באילו אנשים להתייעץ, אבל כל פעם שאתם מחפשים מסמך מסוים, אתם עומדים מול תיבת חיפוש שמחזירה 227 תוצאות, רובן לא קשורות.

זה לא קורה כי אין שיטות ניהול ידע. להיפך – ברוב הארגונים יש איזו מתודולוגיה: הגדרות תיקיות, פורטל ארגוני, אולי אפילו ויקי פנימי. אבל שיטות ניהול ידע שנולדו בעידן שבו היה "שרת קבצים מרכזי" לא תמיד מחזיקות כשיש לנו ענן, מאות ערוצי צ'אט, ותרבות עבודה שבה אנשים מדלגים בין פרויקטים כמו בסדרת נטפליקס.

כאן מתחיל להיות מעניין. דווקא החיבור בין שיטות ניהול ידע "הישנות" – אלה שמדברות על טקסונומיה, קטלוג, קהילות מומחים – לבין היכולות של AI, הוא המקום שבו נוצרת קפיצה. המטרה היא לא למחוק את מה שהיה, אלא לשאול: איך נראה ניהול ידע בארגון ישראלי ב-2025, כשהכל זז מהר יותר מהפקק בכניסה לגוש דן ביום ראשון בבוקר?

מה בעצם נחשב היום "ידע" – ולמה זה כבר לא רק מסמכים

אחד הבלבולים הגדולים סביב שיטות ניהול ידע הוא ההנחה השקטה ש"ידע = מסמכים". אם יש תיקיות, אם יש נהלים, אם יש מצגות – סימן שאנחנו מסודרים. רק שזה כבר מזמן לא מספיק.

ידע גלוי, ידע סמוי, וידע שנעלם בין השורות

אפשר לחשוב על שלושה סוגים עיקריים של ידע, גם אם החלוקה הזו קצת סכמטית:

ידע גלוי – זה החומר ה"קלאסי": נהלים, מצגות, מדריכים, מדריכי משתמש, מסמכי אפיון. כל מה שכתוב, מסודר, "אישרו אותו". שיטות ניהול ידע ותיקות התעסקו בעיקר בו. אבל זה רק חלק מהתמונה.

ידע סמוי – הדברים שלא כתובים בשום מקום, אבל מנהלים ותיקים יודעים בעל פה. למה הלקוח הזה רגיש למחיר? מי בספק הזה תמיד מאחר? איזה קצר תקשורתי יש עם המחלקה השכנה? זה ידע שקיים בשיחות מסדרון, בשיחות זום אחרי שההקלטה כבר הסתיימה, ובמיילים שנשלחים ל"כרגע בינינו".

ידע מתהווה – זה אולי הכי מעניין. כל אותם ניסויים, POCים, התכתבויות בפרויקט שעוד לא הגיע לשלב "הנה מצגת סיכום". השיחות בקבוצת הוואטסאפ של צוות הפיתוח. הערות בקוד. אלה שדות שבהם שיטות ניהול ידע מבוססות בינה מלאכותית מתחילות לשנות את המשחק: הן יודעות לחלץ תובנות גם ממה שלא יושב "יפה" בפורטל.

כש-AI הופך להיות "העוזר האישי" של מנהל הידע

אם פעם מנהל/ת הידע היה צריך לרדוף אחרי מנהלי פרויקטים בשביל "עוד דוגמה" או "עוד לקחים", היום יש כלי AI שיושבים מעל תיבות מייל, מסמכים, תמלילי פגישות, ושואלים שאלות מסוג אחר: על מה דיברו הכי הרבה בשבוע האחרון? איפה חוזרות שוב ושוב אותן בעיות? איזה מונחים חדשים צצים בשיחות עם לקוחות?

זה לא מבטל את הצורך בשיטות ניהול ידע אנושיות – זה דווקא מנגיש להן חומר גלם עשיר. במקום להסתמך על תחושת בטן בלבד, ניתן לזהות דפוסים: להבין שאנשים מחפשים שוב ושוב את אותו מסמך; שאין מענה טוב לשאלה חוזרת; שצוות מסוים מייצר המון תובנות שלא מתורגמות לידע נגיש.

שיטות ניהול ידע קלאסיות – ומה קורה להן כשה-AI נכנס לחדר

לפני שמתלהבים מה"חדש", כדאי לזכור: שיטות ניהול ידע לא נולדו עם ChatGPT. בישראל, כבר בתחילת שנות ה-2000 דיברו על פורטלים ארגוניים, קהילות מומחים, ולמידה מהצלחות ומהכישלונות. ההבדל הוא שבזמנו, רוב השיטות נשענו על תחזוקה ידנית. היום, הרבה מהעבודה האפורה הזו יכולה לקבל סיוע משמעותי.

הפורטל הארגוני: מ"ארון קבצים יפה" למוח שמדבר איתכם

במקומות רבים, הפורטל הארגוני עדיין מרגיש כמו ארכיון דיגיטלי: יש שם הכל, אבל צריך לדעת איך לחפש. כשמכניסים אליו שכבת AI, השפה משתנה: אנחנו לא רק מחפשים "נהלי החזר נסיעות", אלא שואלים בשפה טבעית – "איך מקבלים החזר על נסיעה ברכב שכור לחו"ל?".

מאחורי הקלעים, מנוע AI יודע לא רק לחפש לפי מילות מפתח, אלא להבין כוונה. הוא מפענח שזו שאלה על מדיניות החזרים, מזהה את המסמך הרלוונטי, אולי גם מאמר פנימי שבו עובד אחר כבר הסביר, ומגיש את זה לעובד כפק"ל: תשובה קצרה, ועוד קישורים למי שרוצה להעמיק.

זיכרון ארגוני עם "פיצ'ר" של שכחה חכמה

עוד נקודה מעניינת בשיטות ניהול ידע מבוססות AI היא דווקא היכולת לשכוח. לא במובן של למחוק, אלא של לסנן. אחת הבעיות הגדולות בפורטלים ותיקים היא שהם רק הולכים ותופחים. מסמכים ישנים, גרסאות קודמות, נהלים שכבר לא רלוונטיים – כולם נשארים שם, ומטשטשים את המסר.

מערכות חכמות יכולות לזהות מסמכים שהפסיקו להיות בשימוש, להציע לארכייב אותם, או לפחות לסמן אותם כ"ישן, מומלץ לבדוק מול הגרסה החדשה". זה נשמע טריוויאלי, אבל מבחינת חוויית המשתמש זו קפיצה ענקית. שיטות ניהול ידע מודרניות חייבות לכלול גם מנגנונים כאלה – אחרת אנחנו פשוט מוסיפים עוד שכבות בלאגן.

קהילות מומחים: מהפורום השקט לבוט שמחבר בין אנשים

רבים ניסו להרים "פורום מומחים" או "קהילת ידע" וגילו אחרי כמה חודשים שזה הופך למדבר. קצת שאלות, קצת תשובות, ואז שקט. למה? כי לאף אחד אין זמן לשבת ולבדוק אם עלתה שאלה חדשה בתחום שלו.

כשמכניסים AI למשחק, אפשר פתאום להפוך את זה לכלי חי. שאלה שנשאלת בפורום יכולה להיות מנותבת אוטומטית לאדם שהמערכת מעריכה שהוא המומחה הכי רלוונטי – לפי פרויקטים שעבד עליהם, מסמכים שכתב, אולי אפילו הקלטות פגישות שבהן בלט בקולו. בשקט בשקט, שיטות ניהול ידע כאלה יוצרות מצב שבו הידע האנושי לא רק נכתב – הוא זורם.

החוכמה היא לא רק במי עונה, אלא גם במה שנשאר אחרי

כל תשובה טובה שניתנת בפורום כזה יכולה להפוך, בלחיצת כפתור, למאמר קצר במאגר הידע. כלי AI יודעים "לנקות" את השיחה מרעש, להציע תקציר, כותרת, תגיות. כלומר, שיטות ניהול ידע כבר לא דורשות מכל מומחה לשבת לכתוב מאמר – מספיק שהוא ענה היטב פעם אחת, ומשם אפשר להמשיך.

שיטות ניהול ידע פרקטיות: פחות שקפים, יותר תובנות בשטח

קל מאוד ללכת לאיבוד בתיאוריה. בפועל, ארגונים מחפשים שיטות ניהול ידע שעובדות ביום־יום: כשהטלפון של הלקוח מצלצל, כשפרויקט נכשל, כשהצוות צובר ניסיון. הנה כמה גישות שמתחברות היטב לעידן ה-AI, בלי להפוך כל דבר לפרויקט ענק.

סיפור מקרה במקום "עוד דו"ח" – וה-AI בתפקיד העורך

אחת השיטות הוותיקות והטובות היא Case Studies – סיפורי מקרה. מה עבד, מה לא, איך פתרנו. בישראל, שבה יש תרבות די ישירה, סיפורי מקרה אמיתיים (כולל פספוסים) יכולים להיות חזקים במיוחד. הבעיה: מי יושב לכתוב אותם?

כאן נכנסת לעבודה שכבה חדשה של שיטות ניהול ידע מבוססות בינה מלאכותית. אחרי פגישה משמעותית עם לקוח, אפשר לתמלל את ההקלטה, לתת למערכת AI להפיק תקציר, להציע מבנה של "רקע – אתגר – פתרון – תוצאה". העובד עובר על זה, מוסיף ניואנסים, מוחק מה שלא צריך, ופתאום יש לנו סיפור מקרה קריא, בלי שגזל ערב שלם.

למידה מהצלחה, לא רק ממשברים

אנחנו אוהבים לדבר על "תחקיר כישלונות" – אולי בגלל ההשפעה הצבאית. אבל שיטות ניהול ידע בריאות עוסקות גם, ואולי בעיקר, בלמידה מהצלחות. מה עבד טוב מדי בפרויקט האחרון וחבל שלא נעתיק הלאה?

מערכות AI יכולות לעזור לזהות את זה דווקא דרך דפוסי עבודה. לדוגמה: כלי שמנתח משימות בפרויקט, רואה שאצל צוות מסוים זמנים מתקצרים בעקביות, ומציע לבדוק "מה אתם עושים אחרת?". משם, מנהל הידע (או המנהל הישיר) יכול לייצר תבנית עבודה חדשה, לתעד אותה, ולחלוק אותה הלאה. שיטות ניהול ידע טובות יודעים לקחת את הרגע הזה – ולמסמר אותו.

לא עוד "פעם עשינו את זה מעולה" – אלא "ככה עושים את זה אצלנו"

ההבדל הקטן הזה, בין זיכרון עמום של הצלחה לבין מסמך חי שמסביר איך, הוא בעצם הליבה של ניהול ידע. AI לא ממציא את השיטה – הוא פשוט מגדיל משמעותית את הסיכוי שנזהה את הדפוס בזמן, לפני שהוא יעלם בתוך עוד רבעון.

שיטות ניהול ידע בישראל: מה עושים עם "יהיה בסדר" ועם קבוצת הוואטסאפ של הצוות

אי אפשר לדבר על שיטות ניהול ידע בלי להסתכל על ההקשר התרבותי. בישראל, יש תמיד שילוב קצת פרדוקסלי של חפיפניקיות ויצירתיות: מצד אחד, "עזוב, כבר נמצא את זה", מצד שני, יכולת מאלתרת מרשימה כשצריך לפתור בעיה עכשיו.

במקומות רבים, הידע האמיתי לא נמצא במסמכים הרשמיים, אלא בקבוצת וואטסאפ צדדית. אפשר להתבאס מזה, ואפשר גם לעבוד עם זה. למשל, להשתמש בכלי AI שיודעים לנתח שיחות (בכפוף למדיניות פרטיות, כמובן), לזהות שאלות חוזרות, ולהציע להפוך אותן לערכי ידע.

שיטות ניהול ידע שמתאימות לישראל יודעות לכבד את קצב העבודה והסגנון המקומי: לא לצפות שכל מנהל מוצר יכתוב "נייר עמדה", אלא לאפשר לו להקליט הערה קולית, שממנה נבנה מסמך. לא לדחוף פורטל כבד שלא מובן לאף אחד, אלא לספק צ'ט חכם, שמתחבר למקום שבו האנשים כבר נמצאים – Teams, Slack, מה שיש.

ארגונים ציבוריים, קופות חולים, רשויות – שם העסק הופך קריטי

אם בהייטק אפשר לפעמים "לנסות ולטעות", במקומות כמו קופות חולים, רשויות מקומיות או משרדי ממשלה – שיטות ניהול ידע הן עניין של שירות ציבורי. כשעובדת במוקד עירוני עונה לתושב, היכולת שלה למצוא מהר פרטי מידע מעודכן על תשלום ארנונה או על חיסכון מים בקיץ היא לא נחמדות, אלא שירות בסיסי.

גם כאן, AI יכול להיות שכבת עזר חשובה, אבל רק אם שיטות ניהול הידע מתוכננות מראש בצורה אחראית: הגדרות הרשאות, בקרות על תוכן, התאמה לשפות (עברית/ערבית/אנגלית) – אלו לא פרטים קטנים, אלא תנאי סף. המגמה שנראית בשנים האחרונות בישראל היא מעבר מ"אתר מידע" אחד למערך שלם שבו פורטל, צ'טבוט, מוקד טלפוני ומערכות פנים־ארגוניות מדברות זו עם זו. אם שיטות ניהול ידע לא מתכללות את זה, המערכת חוזרת להיות אוסף איים.

שאלות ותשובות על שיטות ניהול ידע ו-AI

שאלה: האם שיטות ניהול ידע לא הפכו למילה יפה לעוד מערכת שאף אחד לא משתמש בה?

תשובה: במקרים רבים – כן, לצערנו. ראינו בעשור האחרון לא מעט פורטלים, ויקי, "מרכזי מצוינות" שנבנו בהמון רצון טוב והסתיימו בדממה. אבל זה לא גזר דין. הניסיון מראה שכששיטות ניהול ידע מתחילות מהשאלה "מה כואב לעובדים עכשיו?" ולא מהשאלה "איזו מערכת מגניבה נקנה?", הסיכוי לאימוץ גדל משמעותית.

החידוש בעידן ה-AI הוא שהמערכת יכולה לרדוף אחרי הבעיה: לזהות בעצמה איפה יש פערי ידע, להציע תכנים באופן פרואקטיבי, למדוד שימוש. כך שיטות ניהול ידע הופכות מכלי סטטי לדיאלוג מתמשך. אבל עדיין – בלי מנהלים שמאמנים את הארגון לשתף, לשאול, ולהודות ב"לא יודע" – שום אלגוריתם לא יעשה את העבודה.

שאלה: בינה מלאכותית בשירות ניהול ידע – זה לא בעצם רק מנוע חיפוש משופר?

תשובה: חיפוש טוב הוא חלק חשוב מהסיפור, אבל זה לא הכל. מנועי AI מודרניים לא רק מחפשים טקסט, הם מנתחים הקשרים. הם יכולים לגלות, למשל, שעובד חדש בפרויקט אבטחה מתעניין שוב ושוב במסמכים של ענן ציבורי, ולהציע לו קורס פנימי בנושא. הם יכולים לחבר בין אנשים שמדברים על אותו נושא, אבל לא מכירים.

במילים אחרות, שיטות ניהול ידע מבוססות AI הופכות את הפורטל מ"ספרייה מסודרת" לספרן חכם שמציע, מחבר, ומזהיר כשמשהו נראה לא מעודכן. זה תפקיד אחר לגמרי.

שאלה: מה עם החשש המובן – "המערכת יודעת עליי יותר מדי"?

תשובה: זה חשש לגיטימי, במיוחד בישראל, שבה עובדים רגישים מאוד לפיקוח ולתחושה שמישהו "עוקב" אחריהם. שיטות ניהול ידע אחראיות חייבות להתחיל משקיפות: להסביר לעובדים מה נאסף, למה, ואיך זה משרת אותם.

נוסף לכך, אפשר להגדיר עקרונות פשוטים: לא מנתחים צ'אטים פרטיים, לא שומרים מידע אישי מעבר למה שצריך לצורך עבודה, נותנים לעובד שליטה על חלק מהעדפותיו (איזה סוג המלצות לקבל, האם לשתף את הפרופיל המקצועי שלו). במקומות שבהם נעשית עבודה טובה סביב זה, העובדים מגלים שהמערכת באמת עוזרת להם – ואז גם רמת החשש יורדת.

שאלה: האם אפשר "להכניס AI" לארגון בלי לשנות בכלל את שיטות ניהול הידע הקיימות?

תשובה: אפשר טכנית, אבל זה קצת כמו להרכיב מנוע טורבו על רכב שלא עבר טסט. בינה מלאכותית היא מאיץ: אם ניהול הידע שלכם מבולגן, היא תאיץ גם את הבלאגן. אם אין מדיניות על מי מאשר תכנים, מי אחראי על עדכון נהלים, איזה מידע אסור לשתף – ה-AI יכול להעצים שגיאות, לא רק הצלחות.

לכן, שיטות ניהול ידע מודרניות צריכות לכלול גם "שיפוץ יסודות": הגדרות תפקיד, מדיניות אבטחת מידע, תהליכי ביקורת. אחרי זה – בהחלט אפשר לתת לאלגוריתמים לעשות את מה שהם טובים בו: סריקה, זיהוי דפוסים, הצעות, אוטומציה של חלק מהעבודה.

שאלה: מה תפקידו של מנהל הידע בעידן שבו AI יכול "לסכם הכל לבד"?

תשובה: התפקיד לא נעלם – הוא משתנה. אם בעבר חלק גדול מהעבודה היה טכני יחסית (לסדר תיקיות, לקטלג מסמכים, לערוך טקסטים), היום חלק גדול מזה באמת יכול להיעשות אוטומטית. אבל מישהו עדיין צריך להחליט מה חשוב, מה אסור שיתפזר, מהי השפה הארגונית, איפה נדרש שיקול דעת אנושי.

אפשר לחשוב על מנהל הידע החדש כעל מין "עורך ראשי" של המוח הארגוני: הוא לא כותב כל כתבה, אבל הוא מגדיר את מדיניות המערכת, מבין את הקהל, יודע איפה חסר מידע, ואיפה דווקא יש יותר מדי. שיטות ניהול ידע חכמות לא מבטלות אותו – הן מאפשרות לו להתעסק במהות ולא בלוגיסטיקה.

טבלת סיכום – שיטות ניהול ידע והערך שהן מייצרות

שיטת ניהול ידע	מה היא עושה בפועל	איך AI מחזק אותה	מה חשוב לזכור
פורטל ארגוני	מאגד מסמכים, נהלים ותכנים מקצועיים במקום אחד	חיפוש חכם בשפה טבעית, המלצות תכנים, סימון מסמכים מיושנים	בלי מדיניות עדכון והסרה – גם AI לא ימנע הצפה ובלאגן
קהילות מומחים	מקום לשאלות, שיתוף ניסיון ותשובות של אנשי מקצוע	ניתוב אוטומטי למומחה הרלוונטי, סיכום תשובות למאמרי ידע	הקהילה חיה רק אם יש תרבות ארגונית שמעודדת לשאול ולענות
סיפורי מקרה (Case Studies)	תיעוד של פרויקטים, הצלחות וכישלונות לצורך למידה	תמלול אוטומטי, הצעת מבנה ותקצירים, זיהוי "לקחים חוזרים"	מישהו חייב לעבור על הטקסט, להוסיף הקשר, ולהחליט מה פרסום ראוי
למידה מהנתונים	ניתוח דוחות שימוש, חיפושים, טעויות חוזרות	זיהוי דפוסים סמויים, הצפת פערי ידע לפני שהם מתפוצצים	אלגוריתם לא יודע לבד מה "חשוב אסטרטגית" – זה תפקיד הניהול
תהליכי Onboarding	הכנסת עובדים חדשים לעבודה ולתרבות הארגונית	מסלולי למידה מותאמים, תשובות מיידיות לשאלות שחוזרות על עצמן	הרושם הראשוני על ניהול הידע נוצר כבר בשבוע הראשון
מדיניות ורגולציה (GDPR, פרטיות)	מגדירה מה מותר ואסור לאסוף, לשמור ולנתח	סיווג אוטומטי של מידע רגיש, אזהרות על שימוש לא תקין	בלי אמון ורגישות לפרטיות – העובדים יעקפו את המערכת

איך להתחיל לשנות – לא כהוראות, אלא כתובנות

אם מנסים לסכם את כל השיחה על שיטות ניהול ידע בעידן ה-AI למשפט אחד, הוא כנראה יהיה משהו כמו: הטכנולוגיה מוכנה יותר מהתרבות הארגונית. מערכות חכמות יודעות לעשות היום דברים שלא חלמנו עליהם לפני חמש שנים, אבל השאלה האמיתית היא האם אנשים בארגון מרגישים בנוח לחלוק ידע, לשאול שאלות, להודות שהם לא זוכרים.

הצעד הראשון, כמעט תמיד, הוא לא לבחור מערכת אלא לבחור כיוון. האם הארגון רוצה לשפר זמן תגובה ללקוחות? להקטין את זמן החפיפה לעובדים חדשים? למנוע זליגת ידע כשמנהלים עוזבים? לכל אחת מהמטרות האלה מתאימות שיטות ניהול ידע אחרות, וגם שילוב אחר של כלי AI.

משם, ההמלצה הפרקטית – גם אם היא נשמעת טריוויאלית – היא להתחיל קטן, אבל אמיתי. לבחור תחום אחד: שירות לקוחות, למשל. להגדיר בו כמה תרחישי שימוש, להכניס כלי AI שיודע לסייע (צ'ט חכם, סיכומי שיחות, מאגר תשובות דינמי), ולמדוד. לא להיבהל אם בחודש הראשון זה מרגיש מסורבל. גם פורטל טוב לוקח זמן להתרגל אליו; ההבדל הוא שכאן יש לנו אפשרות ללמוד מהנתונים כמעט בזמן אמת.

ובמובן מסוים, אולי שווה להחזיר את השיחה למקום אנושי יותר: שיטות ניהול ידע, גם כשהן עטופות בבינה מלאכותית, הן בסוף שיחה מתמשכת על השאלה מה אנחנו רוצים לזכור, ומה אנחנו מוכנים, בהשלמה מסוימת, לשכוח. אי אפשר לשמור הכל. כן אפשר להחליט שדברים מסוימים – סיפורי לקוחות, לקחים כואבים, הצלחות נדירות – מקבלים מקום של כבוד במוח הארגוני.

מחשבה אחרונה: לא לפחד מהשילוב בין "לא יודע" ל"עוזר חכם"

ככתב טכנולוגיה ישראלי ותיק, אני יכול לומר בזהירות שהגל הנוכחי – של שיטות ניהול ידע שמתחברות לבינה מלאכותית – מרגיש פחות כמו טרנד חד־פעמי ויותר כמו שינוי מבני. לא בגלל שהטכנולוגיה מרשימה (היא מרשימה, אין ספק), אלא בגלל שהיא פוגשת צורך אנושי מאוד בסיסי: לעשות סדר בבלאגן בלי לאבד את החיות, את היצירתיות, את "יאללה, בוא ננסה".

האתגר האמיתי של ארגונים בשנים הקרובות לא יהיה "כמה AI יש לנו", אלא עד כמה הם מצליחים לייצר תרבות שבה מותר לשאול, מותר לשתף, ומותר גם להגיד "אין לי מושג, בוא נבדוק ביחד במערכת". אם שיטות ניהול ידע יצליחו לתמוך ברגעים האלו – ברגעי ה"לא יודע" – ולהפוך אותם להזדמנויות למידה, אז אולי, רק אולי, נוכל להגיד שהפעם, בניגוד לגלי טכנולוגיה קודמים, לא רק קנינו מערכת – אלא גם השתמשנו בה כדי לחשוב קצת יותר טוב.

בינתיים, אפשר להתחיל בצעד קטן: בפעם הבאה שאתם מחפשים "איפה שמרנו את זה" – שאלו לא רק את תיבת החיפוש, אלא גם את עצמכם: איך היינו רוצים שזה יראה בעוד שנתיים? משם, הדרך לשיטות ניהול ידע חכמות יותר, ואל המוח הארגוני שהולך איתכם קדימה, כבר נראית פחות מאיימת ויותר אפשרית.