تنضم رئيسة عمليات جديدة إلى شركة تصنيع. تريد فهم سبب اختيار مورّد بعينه قبل خمس سنوات على ثلاثة بدائل أقل تكلفة. تفتح قاعدة المعرفة. تجد عقد المورّد وقائمة الإعداد واتفاقية مستوى الخدمة الحالية. ما لا تجده: البدائل المرفوضة، وبيانات العيوب التي استبعدت اثنتين منها، والقيد التنظيمي الذي أقصى الثالثة، واسم الشخص الذي اتخذ القرار والمنطق الذي استخدمه.
قاعدة المعرفة تحتوي مخرج القرار. القرار ذاته اختفى.
هذه هي مغالطة فهرسة الوثائق: فهرسة الوثائق تُنتج أرشيفاً قابلاً للبحث من المخرجات. المؤسسات لا تعمل بالمخرجات. تعمل بالتفكير الذي أنتجها.
مغالطة فهرسة الوثائق
إدارة المعرفة المؤسسية القياسية تسير وفق تسلسل مألوف: جمع الوثائق، تمريرها عبر قاعدة بيانات متجهية أو فهرس بحث، بناء واجهة بحث، وإعلان قاعدة المعرفة جاهزة. قائمة الوثائق التي عادةً تُفهرس: السياسات المعتمدة، والعقود النهائية، والإجراءات الرسمية، والتقارير المنتهية، ومواصفات المنتج.
كل هذه مخرجات. كل واحدة منها بقايا عملية قرار جرت في مرحلة سابقة. العقد يوثّق ما اتُّفق عليه. لا يوثّق سبب رفض العرض المنافس، وما هو خطر قانوني جرى تبادله مقابل السعر الأقل، وأي مسؤول تجاوز التوصية الأولية.
حين يستعلم موظف جديد أو وكيل ذكاء اصطناعي من قاعدة المعرفة هذه، يسترجع “ماذا” دون “لماذا”. “لماذا” هو الجزء الذي يمنع المؤسسة من تكرار أخطائها. “لماذا” هو الجزء الذي يفسّر سبب وجود حل تجاوزي يستخدمه الجميع في إجراء الطريق السعيد دون أن يوثقه أحد. “لماذا” هو الجزء الذي يُحدث الفرق بين مؤسسة تتعلم وأخرى تدور في حلقات.
فهرسة الوثائق هي الحد الأدنى. كل مؤسسة تستطيع إنشاءها في أسبوع. المعرفة التي تخلق ميزة تنافسية راسخة لم تكن في الوثائق قط.
ثلاثة أنواع من معرفة المؤسسة
يتضح التمييز بتصنيف بسيط.
المعرفة الصريحة موثقة وقابلة للبحث وقابلة للنقل دون فقدان كبير في الدقة. الإجراءات والمواصفات والعقود والتقارير. هذا ما تلتقطه فهرسة الوثائق جيداً. وهو أيضاً أقل الأنواع تمييزاً: لو كانت صريحة تماماً، يستطيع المنافسون بناؤها أيضاً.
المعرفة الضمنية هي الخبرة التشغيلية التي يحملها الممارسون. الحلول التجاوزية التي يطبقها الجميع دون أن يدوّنها أحد. الأساليب الاستدلالية التي يستخدمها تقني ميداني متمرس لتشخيص مشكلة في ثلاثين ثانية يحتاج دليل الإجراءات إلى عشرين صفحة لوصفها. إحساس مدير الحساب بأن العميل على وشك الإلغاء، المبني على مئات الإشارات الصغيرة عبر سنوات من العلاقة. المعرفة الضمنية نادراً ما تكون في الوثائق، لأنها لم تُصغ بمستوى تفصيل يجعل توثيقها مجدياً لمن يحملها.
معرفة القرار هي سجل سبب اتخاذ الخيارات. التوازنات التي جرى تقييمها، والبدائل المرفوضة، والمعلومات المتاحة في الوقت، والشخص الذي تحمّل المسؤولية والسبب في ترجيحه العوامل بالطريقة التي رجّحها. معرفة القرار جزء منها في الوثائق: محاضر الاجتماعات وسلاسل الموافقة وخيوط البريد الإلكتروني. لكنها نادراً ما تكون مُهيكلة للاسترجاع بطريقة تكشف التفكير لا مجرد النتيجة.
معظم مشاريع الذكاء الاصطناعي للمؤسسات تعالج المعرفة الصريحة وتتجاهل النوعين الآخرين. المؤسسات التي تبني أنظمة ذكاء اصطناعي يصعب فعلاً الاستغناء عنها هي التي تُهيكل التقاط المعرفة الضمنية ومعرفة القرار، لأن هذين النوعين هما اللذان يراكمان ذكاءً تنظيمياً لا يستطيع منافس نسخه بشراء الأدوات ذاتها.
مشكلة الذاكرة المؤسسية
خبير في مجال ما يغادر شركة. يغادر معه شيئان.
الأول معرفته الضمنية. لو لم يكن ثمة جهد منظّم لاستخلاصها، فهذه المعرفة غير قابلة للاسترداد. المؤسسة لا تعلم ما خسرت، لأن المعرفة لم تُصغ قط. تكتشف الخسارة حين تظهر مشكلة كان الخبير سيتعرف عليها ويحلها في ساعات، ويقضي الفريق أسابيع فيها.
الثاني معرفة قراراته. هذه قابلة للاسترداد جزئياً إذا سُجّلت القرارات بسياقها. سجل القرارات الذي يلتقط ما قُرِّر، وما البدائل التي جرى النظر فيها، وما المعلومات المتاحة، ومن كان المسؤول، وما النتيجة المتوقعة، يمنح الموظفين المستقبليين ووكلاء الذكاء الاصطناعي خريطة للتفكير وراء الحالة الراهنة للمؤسسة. دونها، يكرر الموظفون الجدد تحليلات أُجريت سابقاً. تُتخذ قرارات دون معرفة أنها جُرّبت وأخفقت. تفتقر الاستجابات التنظيمية إلى سياق نتائج التدقيق السابقة التي كانت ستُشكّل النهج.
هندسة المعرفة للذكاء الاصطناعي هي عمل هيكلة التقاط المعلومات بحيث تصبح المعرفة الضمنية صريحة وتصبح معرفة القرار قابلة للاستعلام. الأساليب العملية ليست غريبة: سجلات القرارات بحقول سياق مُهيكلة، وتوثيق العمليات الذي يشمل الاستثناءات والحالات الاستثنائية لا مجرد الطريق السعيد، ومقابلات الخبراء المُصمَّمة لاستخلاص الأساليب الاستدلالية لا الإجراءات.
سؤال المقابلة الذي يفتح المعرفة الضمنية ليس “كيف تعمل هذه العملية؟” بل “ما الذي سيفعله شخص جديد في هذه العملية وستدرك فوراً أنه خاطئ؟” هذا السؤال يكشف المعرفة التي يحملها الممارسون المخضرمون ضمنياً، المعرفة التي لا يلتقطها أي دليل إجراءات لأن من كتب الدليل افترض أن القارئ يعرف الاستثناء أصلاً.
معمارية طبقة السياق
نظام المعرفة المبني لدعم وكلاء الذكاء الاصطناعي يستلزم أكثر من مستودع وثائق مع بحث متجهي. البحث المتجهي يسترجع الوثائق ذات الصلة الدلالية بالاستعلام. لا يسترجع التفكير وراء القرار، ولا الخريطة العلائقية لمن هو مسؤول عن ماذا، ولا الحالات الاستثنائية التي تعلّم الممارسون التعامل معها بشكل مختلف عن الإجراء المكتوب.
المعمارية التي تدعم أنظمة المعرفة AI-First لها أربع طبقات.
المجموعة الصريحة هي الأساس: وثائق منظّمة مُفهرسة ببيانات وصفية وقابلة للبحث بالمحتوى والتصنيف. هذا ما تمتلكه معظم المؤسسات.
سجل القرارات هو ما تفتقر إليه معظم المؤسسات: سجل مُهيكل للقرارات الجوهرية بسياقها ومبرراتها وتتبع نتائجها. كل مدخل يلتقط ما قُرِّر، وما البدائل، وما المعلومات المتاحة حينها، ومن كان مسؤولاً، وما النتيجة المتوقعة. المدخلات قابلة للاستعلام بحسب الموضوع وصاحب القرار والفترة الزمنية ونوع النتيجة.
طبقة التقاط المعرفة الضمنية هي ناتج مقابلات الخبراء المنظّمة، ومرافقة العمليات، والحالات الاستثنائية المُعلَّقة تراكماً حال وقوعها. هذه هي الطبقة التي تستلزم أكبر انضباط تنظيمي لبنائها، لأن أصحاب المعرفة نادراً ما يملكون الوقت للتعبير عمّا يعرفون، والمؤسسة نادراً ما لديها الهيكل لالتقاطه بشكل منهجي.
الخريطة العلائقية تربط الأشخاص والعمليات والأنظمة والمسؤوليات. كثير من أكثر الاستعلامات المؤسسية قيمة ليست “ابحث لي عن وثيقة” بل “من المسؤول عن X وما القيود التي تحكمه؟” هذا استعلام مخطط. قاعدة البيانات المتجهية لا تُجيب عنه. الخريطة العلائقية تُجيب.
التمييز بين الويكي وRAG وبنك المعرفة المهيكل هو قرار يجب أن يتبع نوع الاستعلام، لا التفضيل التقني للفريق. ويكي للفهم المُركَّب عبر مجال تكون فيه المعرفة مستقرة نسبياً. RAG للإجابات المستندة إلى الوثائق بمراجع حيث تتوقع الاستعلامات إجابة واقعية مرتبطة بمصدر محدد. بنك مُهيكل للسجلات الواقعية حيث التصفية بحسب السمة أهم من البحث الدلالي. معظم أنظمة المعرفة المؤسسية تحتاج الثلاثة، تخدم أنواع استعلامات مختلفة من المجموعة المعرفية الأساسية ذاتها.
بناء نظام المعرفة الذي يصمد أمام دوران الموظفين
الاختبار لنظام المعرفة بسيط: لو غادر الثلاثة الأكثر خبرة في مجال ما غداً، كم من معرفتهم سيظل متاحاً للمؤسسة؟
معظم المؤسسات تفشل هذا الاختبار بشكل صارخ، ليس لأنها تفتقر إلى الأدوات، بل لأن التقاط المعرفة لم يُصمَّم كنظام قط. التوثيق حدث حين توافر الوقت، مما يعني أنه حدث لأغراض الامتثال أو لتوجيه أحدث الموظفين. أما الأساليب الاستدلالية والحالات الاستثنائية ومبررات القرار، فلم يُوثَّق شيء منها لأن الخبير الذي يحمله كان لا يزال موجوداً، وتوثيق ما يعرفه خبير ضمنياً تحمّل غير مرئي حتى يرحل الخبير.
التصميم للاسترجاع يُغيّر الحافز. كل قرار جوهري يُسجَّل بشكل مُهيكل، ليس بسبب متطلبات الامتثال بل لأن الموظفين المستقبليين ووكلاء الذكاء الاصطناعي يحتاجون إلى الاستعلام منه. كل عملية تحصل على نسخة تشمل الاستثناءات، لأن الاستثناءات كثيراً ما تكون الجزء المحوري من العملية. كل مقابلة مع خبير مجال تُنتج مخرجاً مُهيكلاً يذهب إلى نظام المعرفة، لا إلى ذهن من أجرى المقابلة.
مبدأ محرك البيانات، المنسوب إلى صياغة أندريه كارباتي لـ Software 2.0، ينطبق مباشرة: نظام المعرفة يتحسن بالاستخدام. الاستعلامات التي تفشل في إرجاع نتائج مفيدة هي إشارات لثغرات في المجموعة المعرفية. التصحيحات على الملخصات التي ينتجها الذكاء الاصطناعي هي بيانات تدريب للنسخة التالية. النظام الذي يلتقط هذه الحلقة الراجعة يتراكم. النظام الذي يعامل قاعدة المعرفة أرشيفاً ثابتاً لا يتراكم.
الحد الأدنى من نظام المعرفة القابل للتطبيق لمعظم المؤسسات أضيق مما تتوقع: عملية واحدة موثقة بالكامل بالاستثناءات، وصيغة سجل قرارات واحدة معتمدة عبر فريق واحد، وخبير مجال واحد جرى هيكلة معرفته الضمنية واستيعابها. هذه هي نقطة البداية. قيمة البداية تكمن في أن الحلقة الراجعة تنطلق، والحلقة هي حيث يكمن التراكم.
هندسة المعرفة كبنية تحتية تنافسية
فهرسة الوثائق حد أدنى في 2026. كل مؤسسة تستطيع إطلاق قاعدة بيانات متجهية وربطها بمستودع وثائق وتسميتها قاعدة معرفة بذكاء اصطناعي. الأدوات رخيصة. وقت الإعداد يُقاس بالأيام.
التمييز التنافسي ليس في الفهرسة. بل فيما التُقط قبل الفهرسة. جودة سجلات القرارات. عمق استخلاص المعرفة الضمنية. الخريطة العلائقية التي تربط الأشخاص والعمليات والمسؤوليات بطريقة تُجيب عن الاستعلامات التي تهم المؤسسة فعلاً.
المؤسسات التي تستثمر في هندسة المعرفة تبني طبقة السياق التي تجعل كل نشر مستقبلي للذكاء الاصطناعي أكثر قدرة. النماذج لا تحتاج أن تكون أذكى حول الإنترنت. تحتاج أن تكون أذكى حول هذه المؤسسة بعينها، وعملياتها بعينها، والتفكير بعينه وراء قراراتها بعينها. تلك الخصوصية لا تُشترى من مزود نموذج. تُبنى من خلال الالتقاط المنضبط لمعرفة القرار والمعرفة الضمنية بمرور الوقت.
هندسة المعرفة ليست مشروعاً ذا تاريخ انتهاء. بل هي قدرة تشغيلية تتراكم قيمتها طالما استمرت المؤسسة في اتخاذ القرارات. المؤسسات التي تفهم هذا تبني بنية تحتية يصعب فعلاً نسخها. أما التي تعالج إدارة المعرفة كمشكلة جودة بحث فتبني شيئاً يستطيع أي منافس نسخه الربع القادم.
المعرفة في مؤسستك التي تحدد فعلاً ما أنتم قادرون عليه ليست في وثائقكم. بل في التفكير وراء قراراتكم. التقاطها مشكلة هندسية. تجاهلها مخاطرة استراتيجية.
إذا كنت تبني أو تقيّم نظام معرفة للذكاء الاصطناعي، تعمل Terraris.ai مع المؤسسات الخاضعة للتنظيم على معمارية وتنفيذ وحوكمة الذكاء الاصطناعي في الإنتاج. ابدأ بسباق اكتشاف قبل الالتزام بمنصة.