Что такое tacit knowledge и почему это важно
Если упростить, знания делятся на два типа:
1. Явные (explicit)
- документация
- курсы
- статьи
- стандарты
Они:
- формализованы
- легко передаются
- одинаково интерпретируются
2. Неявные (tacit)
- опыт
- интуиция
- паттерны решений
- «чувство, как правильно»
Они:
- плохо формализуются
- сложно передаются
- зависят от контекста и личности
Важно: tacit knowledge — это не «неосознанное знание».
Ты можешь:
- понимать, что ты делаешь
- осознанно принимать решения
Но при этом:
- не можешь быстро превратить это в инструкцию
Два типа специалистов
На практике это даёт два устойчивых профиля.
1. Системные специалисты (explicit-driven)
- работают через правила
- опираются на документацию
- хорошо передают знания
- масштабируются в команды
Сильные стороны:
- предсказуемость
- воспроизводимость
- управляемость
Слабые:
- плохо работают в неопределённости
- ограничены рамками системы
2. Эвристические специалисты (tacit-driven)
- работают через опыт и интуицию
- формируют решения «на лету»
- часто опережают стандартные подходы
Сильные стороны:
- работа в хаосе
- генерация новых решений
- адаптивность
Слабые:
- сложно объяснить, как они это делают
- трудно обучать других
- плохо масштабируются
Это не редкость, но их часто не понимают
Такие специалисты — не «уникальные гении».
Их:
- достаточно много
- они есть почти в каждой сильной команде
Но у них есть общая проблема:
их сложно встроить в систему
Они:
- работают эффективно
- но не всегда объясняют свои решения
- могут конфликтовать с процессами
Почему они редко становились лидерами
Исторически у них было ограничение:
их знания плохо переносились
Отсюда типичный сценарий:
- сильный индивидуальный разработчик
- высокая ценность в задачах
- но низкая масштабируемость
И как следствие:
- редко CEO
- редко архитекторы систем на уровне организации
- чаще «ключевые, но одиночные» специалисты
Проблема не в уровне. Проблема — в передаче.
Личный пример
Я довольно рано столкнулся с этим ограничением.
У меня было:
- 18+ лет практики
- сотни статей
- попытки обучать сообщество
Но со временем стало очевидно:
даже если объяснять подробно — это не работает
Чтобы понять одну мысль, нужно было:
- уже иметь большой контекст
- понимать предыдущие решения
- мыслить похожим образом
В итоге:
- статьи читали
- но мышление не передавалось
Возникал разрыв.
Почему классическое обучение не работает
Потому что оно работает с explicit knowledge:
- даёт факты
- даёт правила
- даёт структуры
Но не передаёт:
- способ принятия решений
- внутренние эвристики
- контекстные зависимости
А именно это и есть ядро сильного специалиста.
Что меняется с появлением ИИ
Раньше это было тупиком.
Теперь появляется новый механизм:
можно не полностью формализовать знание, а постепенно извлекать и структурировать его
ИИ позволяет:
- работать с неполными описаниями
- уточнять и развивать идеи
- накапливать контекст
- фиксировать паттерны
Это принципиально новое свойство.
Почему это меняет положение tacit-специалистов
Раньше их слабость была в том, что:
- знания в голове
- передача почти невозможна
- масштабирование ограничено
Теперь:
- можно частично извлекать модели
- можно строить системы вокруг них
- можно делегировать через ИИ
И самое важное:
им больше не обязательно быть понятыми другими людьми
Новый сценарий
Появляется новая модель работы:
- не обучать людей
- не писать бесконечные статьи
А:
строить свою систему знаний и работать через неё
Это может быть:
- агент
- набор skills
- внутренняя архитектура решений
Что это означает для рынка
Рынок начинает делиться не по уровню, а по типу знания:
ТипЧто происходит
Explicit
автоматизируется и стандартизируется
Tacit
усиливается через ИИ
И это создаёт неожиданный эффект:
- стандартные навыки дешевеют
- индивидуальные модели дорожают
Ключевой сдвиг
Раньше ценность была в:
- знании технологий
- следовании best practices
Теперь всё больше в:
уникальном способе применения этих знаний
Итог
Tacit knowledge долгое время было:
- трудно передаваемым
- плохо масштабируемым
- недооценённым
С приходом ИИ:
- оно становится извлекаемым
- частично формализуемым
- и, главное, масштабируемым
И это означает простую вещь:
те, кого раньше было сложно понять, теперь получают инструмент, который это больше не требует