Аудит знаний перед внедрением корпоративного ИИ
Как определить критические знания, ответственность и доступ до запуска ИИ или корпоративной базы знаний.
Евгений Викторов · 2026-11-09
Начать с решения, а не выгрузки документов
Выберите повторяющееся решение или рабочую задачу и людей, которым нужны ответы. Определите необходимые знания, риск ошибочного ответа и признаки надёжного источника. Результат — приоритетные потребности в знаниях, а не бесконечная опись всех документов.
Связать знания, владельцев и доступ
Для каждой потребности укажите источник, эксперта, владельца контента, аудиторию и повод для пересмотра. Разделяйте отсутствующие знания и существующие, которые трудно найти. Проверьте ограничения доступа и персональные данные. Поисковый или ИИ-слой сам не определит ответственность за источник и право пользователя читать его.
Проверить один полезный сценарий
Ограничьте пилот: например, повторное использование технического урока или ответ на типовой вопрос. С пользователями согласуйте примеры вопросов, ожидаемые источники и критерии приёмки. Сначала оцените актуальность и доступность информации. Если используется ИИ, отдельно сверяйте ответы с источниками: правдоподобие не доказывает правильность.
Измерять изменения без выдуманного ROI
До пилота зафиксируйте исходное состояние: время поиска надёжного ответа, нерешённые вопросы или покрытие критических знаний. Выберите реально собираемые показатели. Отделяйте наблюдаемые результаты от предполагаемых выгод. Расширяйте решение, когда в пилоте работают ответственность и поддержка контента.
Опыт, на котором основан подход
В «Газпром нефти» Евгений Викторов разрабатывал карты знаний и процедуры аудита критических знаний для upstream-программы KM. В Arrival работал с аудитом, картами знаний, глоссарием и извлечёнными уроками. Это подтверждённые задачи управления знаниями, а не заявления о промышленном внедрении ИИ.