企业最值钱的知识，从来都没有被记录下来

推荐语

那些最值钱的企业知识，往往只存在于人的记忆与直觉中，从未被系统记录。AI的失败，正是因为它缺少这些默会知识的“燃料”。

核心内容：
1. 默会知识的概念与在组织中的核心价值
2. 传统数字化工具对默会知识的记录困境与悖论
3. AI应用与未来组织如何捕获和利用默会知识

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

一家公司运营十年，招聘了大量优秀的人，做了无数成功的项目。

但有一天，那个"最懂品牌"的总监离职了。下一个接手的人，翻遍所有系统，找不到那些判断背后的逻辑——为什么拒掉了这个创意方向、为什么这个词不能用、为什么这个色调在去年出了问题。

那些知识，并没有消失。它们只是从未被记录过。

默会知识：

那些"只可意会"的东西

1958年，哲学家迈克尔·波兰尼（Michael Polanyi）提出了一个影响深远的概念：默会知识（tacit knowledge）。

他的原话是："We can know more than we can tell."

我们知道的，远比我们能说出来的多。

波兰尼举了一个例子：骑自行车。你会骑，但你无法用语言完整地描述"怎么骑"——那种微妙的重心调整、踩踏时机、方向判断，是身体记住的，不是语言能复现的。

这类知识存在于所有复杂的人类活动中：外科医生的手感、老工程师的直觉、优秀设计师对"好作品"的判断力。它们通过实践积累，通过师徒传授，却几乎无法被系统化地捕捉和传递。

默会知识是人类最宝贵的知识形态，也是组织最难以留存的资产。

https://extendedbrain.substack.com/p/gems-from-polanyis-personal-knowledge

数字化记录了什么，

又遗漏了什么

过去三十年，企业花了大量钱在"知识管理"上。ERP、CRM、文档系统、项目管理工具……结果呢？

这些系统记录的，都是显性知识：合同编号、项目状态、会议纪要、报表数据。它们是组织的"骨架"，有结构，可查询，能统计。

但组织真正的运转，依赖的是另一种东西：一次失败项目后团队形成的共识、一个客户反复提到的词背后的偏好、一次内容爆发之后沉淀下来的选题直觉。这些是默会知识。它们活在聊天记录、提案批注、内部复盘的只言片语里，甚至只活在某个人的记忆里。

传统IT架构处理不了这类信息。结构化数据是"骨头"，系统很擅长；非结构化数据是"血肉"，系统基本放弃。

于是我们得到了一个悖论：企业数字化越深入，留存下来的知识反而越单薄。

AI为什么在大多数企业失败了

过去两年，几乎每家企业都接入了大模型。但真正从AI获得可持续回报的，不超过1%。

问题出在哪里？

不是模型不够强。GPT-4、Claude、通义千问，每隔几个月就有更好的版本。但模型再强，它也不知道：

• 你的品牌为什么不能用某类词

• 你的用户上周在讨论什么

• 去年哪个素材方向踩了坑、哪个方向出了爆款

• 你们团队对"高端感"的理解是什么

这些，都是企业级的默会知识。它们是AI真正需要的燃料，也是99%的企业没有准备好的东西。

大模型是"世界知识"的压缩，但它不包含你的组织知识。用通用模型做企业AI，就像雇了一个知识渊博但对你公司一无所知的新人——无论他有多聪明，开始都只能靠猜。

Context System：

让默会知识变成可调用的资产

特赞GEA架构中，有一个横向贯穿所有层级的基础设施：Context System（上下文系统）。它的设计出发点，恰恰是在解决默会知识的留存问题。

Context不是数据库，也不是文档库。

传统知识库的逻辑是：人写入 → 系统存储 → 人检索。这条路只能处理显性知识，而且依赖人主动整理，门槛高、衰减快。

Context System的逻辑不同：它在日常工作流中持续沉淀判断，而不等待人来整理。

以品牌库为例。每次设计审核的批注、每次文案被拒时的原因、每次投放后的复盘标注——这些碎片化的判断，通过结构化的schema被组织起来，形成一套"品牌判断力"的可调用资产。下次AI生成内容时，这套判断力就成为它的上下文输入。

这是一个关键的跃迁：组织的默会知识，第一次有了被系统化留存和复用的可能。

特赞和数百家全球品牌的合作沉淀了丰富的上下文经验，梳理成白皮书扫码免费下载：

三个层级：

从个人直觉到组织记忆

Context System按照知识的流转方式，可以分为三个层级：

个人层（Personal Context）

每日刷新。记录个人的工作习惯、偏好风格、判断倾向。这是最细粒度的上下文，让AI协作真正"懂你这个人"。

团队层（PodContext）

按需更新。沉淀项目组或业务线的共识：这个客户的特殊偏好、这个品类的行业惯例、这个合作节点上的关键约束。这是默会知识最密集的地方——团队的"集体直觉"，终于有了容器。

企业层（Company Context）

周级更新。汇聚组织级别的战略判断、品牌资产、历史案例、成功/失败模式。这是组织记忆，也是最难留存的部分。

三个层级各自独立，又在AI调用时动态组合。同一个任务，AI会同时感知"这个人的习惯"、"这个团队的惯例"和"这家公司的立场"。

Context有哪些典型形态？企业从零开始，应该先建哪种Context、怎么建？扫码下载了解

时间复利：Context是唯一

不能被购买的竞争壁垒

大模型的能力，所有企业都可以用同样的价格购买。但Context，只能自己积累。

一家企业今天开始沉淀Context，一年后它有一年的Context；两年后有两年的。

而明天才开始的竞争对手，在起步时就已经落后了整整一年。

这是一个时间复利资产，而且它越用越好——每一次AI调用、每一次人工修正、每一次成功或失败的项目，都在让Context更精准、更立体。

波兰尼当年提出默会知识，是为了描述一种困境：这类知识很重要，但无法传递。组织里最有经验的人离开，他的判断力也随之带走。

Context System给出的答案是：让默会知识在工作流中自然沉淀，而不依赖于任何一个人的主动整理。组织的记忆，开始脱离对个体的依赖。

一个判断

企业AI竞争，第一阶段比的是谁接入了更好的模型。这个阶段已经结束，因为大家用的是同款模型。

第二阶段正在到来：比的是谁积累了更深的Context。

模型是外购的能力，Context是自生长的资产。一个企业的默会知识积累得越系统、越持续，它的AI就越"懂"这家公司，产出的结果就越难被没有这套Context的竞争者复现。

这才是企业AI的真正护城河——不是买了什么工具，而是沉淀了什么判断。

趋势信号 | 企业级AI早知道