El know-how desaparece cuando una persona se va, la razón por la que 5BY.AI deja atrás un proceso de pensamiento
El conocimiento que una persona ha acumulado durante un largo período de tiempo no existe sólo en los resultados que crea.
El conocimiento también está contenido en los estándares de juicio aprendidos al resolver el mismo problema varias veces, la sensación de evitar el fracaso y cómo cambiar las prioridades según la situación.
Sin embargo, este conocimiento es difícil de documentar completamente.
Cuando las personas abandonan una organización o ya no pueden describir sus experiencias, el contexto de décadas de juicio puede desaparecer con ellas.
Esta no es sólo la pérdida de una persona.
También es una pérdida de conocimiento para la organización y la sociedad en su conjunto, ya que la siguiente persona tiene que experimentar el mismo problema una y otra vez.
Este es el problema en el que se centra 5BY.AI.
Simplemente deja los resultados para que sepas lo que hiciste.
Tienes que dejar atrás el proceso de pensamiento para entender por qué lo hiciste.
Los resultados permanecen en el documento, pero no en el sentido del juicio.
Cuando se completa el trabajo, quedan informes, documentos de diseño, contratos y productos terminados.
Estos resultados son importantes.
Esto se debe a que puedes ver qué se creó, qué procedimientos se siguieron y qué se decidió finalmente.
Sin embargo, los resultados por sí solos pueden resultar difíciles de responder preguntas como:
-¿Cuál pensaste que era el problema al principio? -¿Qué hipótesis se examinaron? -¿Por qué fallaron algunos métodos? -¿Qué viste que cambió tu criterio? -¿Cuáles son los criterios para elegir una de opciones similares?
- ¿Qué riesgos crearon ciertas condiciones?
- ¿Cómo respondiste en situaciones excepcionales?
A menudo, en el documento final sólo queda la lógica más clara.
Se borran las primeras preguntas confusas, las hipótesis incorrectas, los intentos fallidos y los cambios de dirección.
Los lectores pueden ver los resultados, pero es difícil aprender a pensar en ellos.
El conocimiento difícil de explicar se llama conocimiento tácito.
El conocimiento que una persona conoce a través de la experiencia pero que es difícil de explicar completamente con palabras o por escrito a menudo se denomina conocimiento tácito.
Una persona experta puede observar la situación y detectar rápidamente anomalías.
Sin embargo, es posible que no explique de inmediato todas las pistas de por qué algo se sintió extraño.
Por ejemplo, una persona con mucha experiencia puede emitir los siguientes juicios:
- Los artesanos cambian sus métodos de trabajo fijándose en el estado de los materiales.
- Los operadores ven pequeñas señales y responden antes de que ocurran fallas importantes.
- Los negociadores ajustan su enfoque observando las expresiones de la otra parte y la situación.
- Los propietarios de productos descubren problemas estructurales más importantes a partir de breves quejas de los usuarios.
- Los desarrolladores reducen la causa observando el flujo modificado delante del mensaje de error en lugar del mensaje de error.
Estas capacidades son difíciles de traducir en una simple lista de procedimientos.
Esto se debe a que es un juicio formado a través de comparaciones repetidas y fracasos a través de la experiencia.
Todo conocimiento tácito no puede registrarse por completo.
Es imposible transferir a datos todas las habilidades, sentidos y experiencias personales adquiridas.
Sin embargo, la pérdida de conocimiento puede reducirse si se puede preservar al menos parte del proceso mediante el cual se formulan los juicios.
El know-how no consiste sólo en métodos exitosos
A la hora de organizar el know-how, normalmente nos centramos en métodos exitosos.
- Proceder en este orden.
- Utilice esta herramienta.
- Se aplica esta norma.
- Si obtienes este resultado, es un éxito.
Pero la experiencia del mundo real también incluye métodos fallidos.
- Por qué el primer método que probé no funcionó
- ¿En qué condiciones falla el mismo método?
- ¿Cómo se distinguen problemas que son superficialmente similares pero diferentes?
- No debes actuar hasta que confirmes algo.
- ¿En qué momento debería detenerse el plan existente?
Si solo transmite métodos exitosos, será difícil para la siguiente persona saber cuándo ese método es efectivo.
El mismo método se puede aplicar a situaciones con diferentes condiciones y fallar.
Por otro lado, si el contexto de fracaso y corrección persiste, la siguiente persona puede comenzar encima del ensayo y error de la anterior.
El conocimiento no es una lista de respuestas correctas.
Es conocimiento acumulado sobre cómo mirar una situación y tomar una decisión.
Cuando una persona se marcha, la organización repite las mismas preguntas
Cuando personas con experiencia abandonan una organización, es posible que queden documentos y resultados.
Pero el nuevo responsable tendrá que volver a plantear la pregunta.
-¿Por qué se eligió esta estructura? -¿Se han considerado otros métodos? -¿Para qué problema se creó esta norma?
- ¿Debería mantenerse esta condición?
- Si cambio algo, ¿volverán a ocurrir problemas del pasado? -¿Qué problemas aún no se han solucionado?
Este puede ser un problema que ya haya sido revisado varias veces por el personal existente.
Pero si no queda ningún proceso de sentencia, el nuevo responsable tendrá que repetir las mismas investigaciones y fallos.
Entregar los resultados te deja sólo dos opciones: seguir ciegamente las decisiones pasadas o revisar todo desde cero.
Una vez que se transmite el contexto de la sentencia, son posibles diferentes opciones.
Comprenda por qué se tomaron decisiones pasadas y compárelas con las condiciones actuales para poder mantenerlas o cambiarlas.
Por eso la entrega de resultados y la transmisión de conocimientos son diferentes.
En las conversaciones sobre IA, sigue existiendo un proceso de emisión de juicios.
En la era de la IA, muchas personas hacen preguntas, comparan y toman decisiones dentro de las conversaciones sobre IA.
No estás ingresando una pregunta completa desde cero.
Lea la respuesta, agregue condiciones, corrija cualquier dirección errónea y pase a una nueva pregunta.
Las siguientes huellas aparecen naturalmente en la conversación:
- Primer problema definido
- Múltiples opciones sugeridas por AI
- Motivos del consentimiento o rechazo del usuario
- Condiciones recién descubiertas
- Contraargumento a la posibilidad de fracaso.
- El momento en que el juicio cambió.
- Dirección final seleccionada
- Problemas para comprobar a continuación.
La única conclusión que queda en el documento final es "elija este método".
Las conversaciones sobre IA revelan más sobre por qué se eligió el método, qué se excluyó y qué condiciones se consideraron importantes.
Esta conversación no es sólo un registro de preguntas y respuestas.
Puede ser un rastro del proceso mediante el cual se crean y cambian los pensamientos.
No basta con guardar todo el texto original de la conversación
Incluso si los procesos de pensamiento permanecen en las conversaciones de IA, el conocimiento no se transfiere automáticamente simplemente archivando el texto original completo.
Cuanto más larga es la conversación, más difícil resulta revisar juicios importantes.
Una tarea se puede dividir en varias ventanas de chat e IA.
Puede definir problemas en ChatGPT, revisar contraargumentos en Claude y encontrar recursos en Perplexity. Incluso si usas la misma IA, puedes continuar con la siguiente tarea en una nueva ventana de chat.
Es un proceso de pensamiento para el usuario, pero los registros están dispersos en varios lugares.
A medida que pasa el tiempo, se vuelve difícil encontrar el siguiente.
- ¿De qué conversación surgieron decisiones importantes? -¿Qué información realmente se ha confirmado?
- ¿Se revisaron algunas sugerencias pero no se utilizaron? -¿Por qué cambiaste la dirección original?
- ¿Dónde planeabas empezar a continuación?
La existencia del texto original de una conversación es una cosa, pero poder volver a comprender juicios pasados es otra.
Cuantos más registros tenga, más profundamente podrá enterrar el contexto importante.
5BY.AI no intenta replicar perfectamente el conocimiento de todos
5BY.AI no puede preservar por completo toda la experiencia y los conocimientos de una persona.
No pueden quedar atrás los sentidos que no se expresan con palabras, las habilidades aprendidas físicamente y las experiencias que no quedan registradas.
Clonar a una persona en un dato o IA no es el propósito de 5BY.AI.
Lo que 5BY.AI intenta hacer es más específico.
El objetivo es dejar coordenadas significativas para que las preguntas, los juicios y los cambios de dirección ya revelados en las conversaciones de IA no desaparezcan.
-¿Qué intentabas resolver? -¿Qué hechos confirmó? -¿Qué métodos se revisaron?
- ¿Qué elegiste? -¿Por qué se excluyeron otros métodos? -¿Dónde cambió el juicio?
- ¿Qué no se ha resuelto todavía?
- ¿Dónde deberíamos continuar a continuación?
El hecho de que no puedas dejar todos tus conocimientos no significa que no necesites dejar nada atrás.
La pérdida de conocimiento para individuos y organizaciones se puede reducir si preservamos el contexto del incidente que puede quedar atrás.
Guardado deja una experiencia que vale la pena volver a ver
La larga conversación sobre IA tiene preguntas y respuestas que vale la pena consultar más adelante.
Puede ser una buena explicación, un contraargumento que sacude el juicio existente o una advertencia importante.
Saved de 5BY.AI permite a los usuarios elegir estas conversaciones para dejarlas atrás.
Por ejemplo:
- Explicación que proporciona una nueva comprensión del problema.
- Datos en los que se basó la sentencia
- Aviso de posible fallo
- Ideas para desarrollar más adelante.
- Conversaciones que vale la pena transmitir a otros.
El propósito de Saved no es archivar todas tus conversaciones.
Deja huellas en la experiencia que el usuario ha considerado que vale la pena volver a visitar.
Anchor deja un punto de referencia para juzgar
Anchor no es sólo una función para guardar el contenido de la conversación.
Este es el punto de referencia en el que el usuario consideró que valía la pena continuar con el flujo de pensamiento actual.
Los anclajes pueden tener los siguientes contextos adjuntos:
- El problema que intentábamos resolver en ese momento.
- Hechos confirmados
- Dirección seleccionada por el usuario
- Razones para elegir esa dirección
- Condiciones a mantener
- Opciones excluidas
- Aún quedan problemas
- Punto de partida para la próxima conversación.
Si este contexto se mantiene, la próxima persona no sólo recibirá conclusiones pasadas.
Puede comprender por qué hizo ese juicio y reexaminar si es válido en su situación actual.
Las anclas no son reglas que te obliguen a seguir ciegamente decisiones pasadas.
Estas son coordenadas para reintroducir juicios pasados y continuar con decisiones actuales.
Pack muestra límites donde la dirección del pensamiento ha cambiado
Incluso en una conversación larga, el enfoque sobre un problema puede cambiar varias veces.
Al principio puede pensar que es un problema técnico, pero luego puede decidir que es una experiencia de usuario o un problema operativo.
El paquete de 5BY.AI no es una clasificación de temas que agrupe palabras similares.
Es una unidad de contexto en la que se forman la definición del problema y la dirección del pensamiento.
Con el Pack, podrás ver los siguientes cambios:
- ¿En qué momento comienza a fluir un juicio?
- ¿Qué impulsó a cambiar la hipótesis existente?
- Después de algún fracaso, se creó una nueva dirección.
- Cómo diferentes conversaciones de IA condujeron a una tarea
El artículo resultante nos ayuda a recomprender el proceso de reorientación evanescente.
Handoff conecta el conocimiento con la siguiente conversación
El simple hecho de dejar registros no completa la transmisión de conocimientos.
Debería ser algo nuevo que la gente o tu yo futuro puedan reutilizar en el trabajo real.
Handoff de 5BY.AI construye el contexto necesario para una nueva conversación basándose en el ancla seleccionada y el flujo de pensamiento registrado.
Puedes continuar en una nueva ventana de chat con la misma IA.
También puede pasar a otras IA para realizar más análisis o acciones.
La siguiente información es importante para Handoff:
- Objetivo actual
- Hechos ya confirmados
- Dirección seleccionada por el usuario
- Condiciones a mantener
- Métodos ya revisados y excluidos.
- Problemas aún no resueltos
- Acciones para iniciar en la próxima conversación.
Una vez que esto se comunica, no comienzan nuevas conversaciones sin ningún conocimiento de las pruebas y errores pasados.
Puede continuar con su próximo juicio basándose en el conocimiento que ya ha adquirido.
La vista de gráfico muestra las relaciones entre experiencias dispersas
La Vista gráfica de 5BY.AI es un espacio para explorar cómo se conectan Pack, Anchor y Saved.
Una lista cronológica de conversaciones por sí sola hace difícil ver cómo se desarrolló una idea a lo largo de múltiples conversaciones.
En la vista de gráfico, puede ver el siguiente flujo:
- Paquete que definió por primera vez el problema
- Salvado deja evidencia importante
- Próximo pack con cambio de criterio
- Ancla seleccionada como nuevo punto de referencia.
- Una nueva conversación que conduce al Handoff
- Sentencias posteriores revisadas o ampliadas
Esta estructura no solo muestra el resultado final.
Nos permite reexaminar qué preguntas y cambios de juicio ocurrieron antes de que se produjeran los resultados.
Tu yo futuro también es una persona que debe heredar el conocimiento.
La transmisión de conocimientos no sólo es necesaria para los demás.
Cuando regrese a su antiguo trabajo unos meses después, es posible que se encuentre en una situación similar a la del nuevo responsable.
La decisión final permanece, pero es posible que no recuerdes lo que viene después.
-¿Por qué elegiste este método?
- ¿Qué riesgos se descubrieron?
- ¿Qué has revisado ya?
- ¿En qué condiciones se excluyeron otras direcciones? -¿Qué planeabas hacer a continuación?
Si las coordenadas de su accidente permanecen, podrá restaurar más rápidamente sus pensamientos pasados.
En lugar de tener que pensar en el mismo problema nuevamente, puede comenzar su próxima decisión basándose en el conocimiento que adquirió anteriormente.
La preservación del conocimiento no es un trabajo que reemplace a las personas
Registrar los conocimientos de una persona no significa que se pueda reemplazar completamente a esa persona.
Incluso si lees el mismo registro, personas con diferentes experiencias y situaciones pueden emitir juicios diferentes.
Por lo tanto, el propósito de preservar el conocimiento no es repetir las conclusiones de personas del pasado.
Se trata de ayudar a la siguiente persona a hacer mejores preguntas.
-¿Qué sabías en ese momento?
- ¿En qué condiciones se tomó la decisión?
- ¿Qué falló? -¿Por qué cambió la sentencia? -¿Qué condiciones han cambiado ahora?
- ¿Debemos mantener o modificar nuestras decisiones pasadas?
Una buena transmisión de conocimientos no deja como mandato conclusiones pasadas.
Dejamos los procesos de pensamiento pasados como base para los juicios actuales.
Incluso si una persona se va, las coordenadas del accidente pueden continuar
No todas las experiencias humanas pueden registrarse por completo.
Sin embargo, existe una gran diferencia entre no dejar nada atrás y dejar al menos un contexto significativo para juzgar.
En la era de la IA, cada vez más personas hacen preguntas, comparan y toman decisiones dentro de las conversaciones sobre IA.
Estas conversaciones revelan naturalmente procesos de pensamiento que antes eran difíciles de documentar.
5BY.AI intenta dejar coordenadas que valga la pena reutilizar.
No es una salvación, es un reingreso.
Estas son coordenadas que pueden volver a entenderse y continuarse en lugar de almacenarse.
Incluso después de que una persona se va, lo que queda no es sólo lo que esa persona sabía, sino que si podemos volver a comprender parte de por qué tomó las decisiones que tomó, la siguiente persona puede comenzar desde un lugar mejor.
5BY.AI no es un servicio que busca clonar personas.
Queremos convertirnos en una infraestructura de memoria que ayude a garantizar que las huellas de preguntas, juicios, fracasos y cambios de dirección que las personas han realizado junto con la IA no desaparezcan por completo.
Artículos y características relacionados
- ¿Se pueden preservar el conocimiento y el saber hacer incluso después de que la gente se vaya?
- Procesos de pensamiento que no quedan en los libros, motivo por el cual 5BY.AI busca preservar el contexto del conocimiento
- Por qué el proceso experimental es más importante que el invento de Edison: cómo 5BY.AI deja atrás el conocimiento del proceso
- Inteligencia colectiva en la era de la IA, por qué debemos dejar juntos los procesos de pensamiento y el contexto
- El método de memoria de 5BY.AI que no fija las conversaciones y juicios pasados de la IA como la respuesta correcta
- Abrir vista de gráfico 5BY.AI