1. ב 21/02/22 ייערך כנס KMDM השנתי של אנשים ומחשבים- הדן בניהול ידע וניהול מסמכים. הכנס יונחה במשותף על ידי ד״ר מוריה לוי (ניהול ידע) ואשר גליקמן (ניהול מסמכים). לפרטים והרשמה: https://kmdm-2022.events.co.il/home
2. ב 08/03/22 ייפתח מחזור נוסף של קורס מתודולוגיות ניהול ידע מבית ROM. הקורס יהיה וירטואלי (יועבר ב זום). לפרטים והרשמה http://www.kmrom.com/Site/Knowledge_Management_Course.aspx
3. חברת ROM מברכת את ד״ר מוריה לוי עם תחילת כהונתה ביו״ר פורום ניהול הידע הבינלאומי KMGN המאחד את פורומי ניהול הידע בעולם- לשיתופי פעולה ושיתופי ידע. לקריאת תרגום מכתב הפתיחה נא ראו: http://www.kmrom.com/Site/Articles/ViewBlog2.aspx?ArticleID=3240
4. שנה אזרחית טובה, בריאה ומוצלחת לכולם,

עולם מנועי החיפוש הולך ומתפתח בשנים האחרונות, זאת בייחוד לאור כניסת יישומי בינה מלאכותית אשר מהווים קפיצת מדרגה משמעותית ליכולות מנועי החיפוש כיום ובעתיד.
אחד מהשיפורים שנעשו בתחום הוא המעבר ממנועי חיפוש המשמשים רק לאיתור מידע מתוך אתרים ומאגרים ל"מנועי תשובות" אשר מספקים למשתמשים תשובות ממוקדות למידע שהם מחפשים.

בהקשר זה, חברת גוגל לדוגמא, משתמשת ב"Knowledge Graph" אשר הינו בסיס יעד מבוסס ישויות ולא מילות מפתח המאפשר להציג כתשובה לשאילתת חיפוש "כרטיס מידע" הכולל מידע רב שקשור סמנטית לישות עליה בוצע החיפוש. גוגל בונה את גרף הידע על בסיס ניתוח שאילתות קודמות שבוצעו ועל בסיס הקשרים בין דפי אינטרנט, ניתוח מאגרי מידע כדוגמת ויקיפדיה, ויקימדיה וספר העובדות העולמי של ה-CIA, Schema.org ואתרים מהימנים נוספים.
מטרתו לייצר תשובות מהירות למשתמשים כך שיוכלו להשתמש במידע זה על מנת לפתור את השאילתא שלהם ללא צורך להיכנס לאתרי אינטרנט על מנת לאתר את התשובה ובכך לקצר את זמן החיפוש תוך הבאת התשובה בדף החיפוש.

לדוגמא: חיפוש המונח AI בגוגל מציג תחילה את פירוש המונח לפני הצגת תוצאות החיפוש על ידי שימוש ב Knowledge Graph.

במקרים אלה, הבינה המלאכותית מסייעת למנועי החיפוש להבין את השפה הטבעית של האדם על ידי זיהוי המשמעות הקשורה לכל שאילתה והמידע הנדרש למתן תשובות.

שיפור נוסף הינו פיתוח היכולת של מנוע החיפוש להבין את כוונת המשתמש בשאילתת החיפוש. האתגר בנושא זה נובע מהעובדה כי אנו נעזרים במנועי חיפוש למטרות שונות (קניות, מחקר, איתור מידע ועוד) וכי ישנם מקרים רבים בהם מילת מפתח אחת יכולה להיות בעלת מספר משמעויות, באמצעות ניתוח דפוסי הקליקים וסוגי התוכן שהמשתמש חיפש בחיפושים קודמים מנוע חיפוש יכול למנף למידת מכונה כדי לקבוע את הכוונה מאחורי החיפוש של המשתמש.

כך למשל, חברת גוגל משתמשת ב BERT”" (קיצור של Bidirectional Encoder Representations from Transformers)  שהינו  כלי NLP  שגוגל משתמש בו על מנת  להבין טוב יותר את ההקשר של שאילתת החיפוש של המשתמש ואת הניואנסים והקשרים בין המילים . זאת על ידי פיענוח ולימוד כיצד משתמשים מקיימים אינטראקציה עם התוכן.  בנוסף החברה משתמשת ב " “RankBrainשהינו אלגוריתם למידת מכונה שפותחה על ידי גוגל, שלא רק עוזר לזהות דפוסים בשאילתות המשתמשים , אלא גם עוזר למנוע החיפוש לחזות על איזו תוצאת חיפוש סביר להניח שמשתמש יקליק  עבור שאילתה שלא בוצעה בעבר וגם זאת באמצעות ניתוח נתוני חיפוש היסטוריים.
שימוש נוסף ב "RankBrain" הינו באיתור מילים נרדפות כך שתוצאות החיפוש למשתמש יכולות להכיל רק את המילים הנרדפות המתאימות ולא את מילת החיפוש שהזין המשתמש.

אלמנטים נוספים בחיפוש אשר תופסים תאוצה ומתרחבים הינם החיפושים הקוליים והחיפושים הוויזואליים: 
חיפוש קולי- עם כניסתם של "העוזרים הווירטואליים" Siri, Alexa ודומיהם שאילתות חיפוש קוליות הופכות להיות יותר ויותר פופולריות בקרב המחפשים באינטרנט.
בשנת 2020 גוגל דיווחה כי 20 אחוז מהחיפושים דרך הטלפונים החכמים הינם שאילתות קוליות. שאילתות חיפוש קוליות נעשות ארוכות ומורכבות יותר, גם במקרים אלו כלי ה AI וביחוד כלי עיבוד השפה הטבעית (NLP), יכולים לסייע לנו לאמת את איכות תוכן והן את היכולת של מנועי החיפוש לעבד תוכן מסוג זה.

חיפוש ויזואלי- בכל שניה מועלות סך כולל של  5000 תמונות ברשתות החברתיות פייסבוק ואינסטגרם. כלומר, מאות מיליוני תמונות שמועלות אליהן מדי יום.  שימוש בכליAI  של למידת מכונה מאפשרת ניתוח דפוסי צבע וצורות ומצמידה אותם לכל נתוני הסכימה קיימים לגבי התצלום כל זאת על מנת לעזור לסייע למנוע החיפוש להבין מהי התמונה ומשמעותה. כך לדוגמא, מנוע החיפוש של גוגל מסוגל לא רק לקטלג תמונות עבור תוצאות החיפוש של תמונות  אלא גם המשתמשים יכולים למצוא מופעים אחרים של התמונה באינטרנט, כמו גם תמונות דומות עם אותם נושאים או פלטת צבעים ומידע על הנושאים בתמונה. בנוסף, ניתן גם להפעיל את חיפוש התמונות ההפוך, המאפשר למשתמשים לחפש באמצעות תמונה במקום שאילתת טקסט באמצעות יישומים כדוגמת Google Lens אשר  הופכים  להיות אחד ממגמות השיווק הגדולות ביותר בתחום החיפוש בעתיד הקרוב.

שימוש נוסף שביכולות AI לשיפור תוצאות מנועי החיפוש הוא שימוש בלמידת מכונה לזיהוי תבניות אשר מסייעים באיתור ספאם או תוכן משוכפל. למידת מכונה מזהה את הדפוסים הללו באמצעות למידה ממקרים דומים בעבר על מנת לזהות מתי נעשה שימוש במבנים וטכניקות דואר זבל חדשים, לזהות את הדפוסים החדשים ולסמן אותם כבעיתיים.

כך למשל, למרות שגוגל עדיין משתמשת באנשים לבדיקת איכות התכנים, שימוש בכלי למידת מכונה על מנת  לזהות דפוסים אלו מצמצם באופן דרסטי את כמות כוח האדם הדרושה לבדיקת התוכן.

לסיכום, ניתן לומר כי טכנולוגיות AI כדוגמת למידת מכונה,NLP משנים אט אט את הדרך בה מנועי החיפוש מוצאים ומדרגים את המידע. ככל שהמשתמשים ישתמשו בהם יותר, כך התוצאות שיתקבלו יהיו מדויקות ו"חכמות יותר". עם זאת, חשוב לציין שלמידת מכונה אף פעם לא תהיה מושלמת וכי יש צורך בעובדים אנושיים שיבצעו את הכיוונונים והטיובים שהחברות עושות במנועי החיפוש.

מקורות:

https://www.artefact.com/news/the-future-of-search-with-artificial-intelligence

https://www.searchenginejournal.com/ml-things-we-know/408882/#close

https://www.europeanbusinessreview.com/how-will-online-search-evolve-in-the-coming-years/

https://he.wikipedia.org/wiki/%D7%92%D7%A8%D7%A3_%D7%94%D7%99%D7%93%D7%A2

עיבוד שפה טבעית(Natural Language Processing NLP)   הוא תת-תחום של בינה מלאכותית ובלשנות העוסק בבעיות הקשורות להבנה, פירוש ועיבוד של שפה, על מנת לגרום למחשבים "להבין" דברים שנאמרים או נכתבים בשפות אנושיות.

תיאור הבעיה

בעת התאמת השפה ולימוד המכונות עברית, נמצא כי המרת הדיבור בעברית לטקסט מתבצעת ברמה סבירה; הבעיה המורכבת עימה מתמודדים היא הקושי בפענוח משמעויות הטקסטים:

1. עקב העובדה שמבנה העברית והכתיב שונים מאוד משפות שבהן יש כיום מודלים מפותחים לעיבוד שפה טבעית, אי אפשר להשתמש במודלים הקיימים באופן ישיר לקבלת תוצאות טובות. למשל - בעברית אין אותיות ניקוד ומילים בנות 3-4 אותיות יכולות להיקרא בצורות שונות (רכבת – כלי התחבורה לעומת רכבת – הפועל בזמן עבר), ולעומת אנגלית, סדר המילים במשפט בעברית לא משנה את משמעות המשפט.
2. בנוסף, המכונות מתקשות להבין את הכוונה של משפטים ולשים מילים בהקשר הנכון. למשל - מה הכוונה במילה "רימון"? האם הכוונה לפרי או לכלי נשק? ובאופן דומה – למה הכוונה במילה "אח"? עובד בית חולים, תנור חימום או קרוב משפחה?

מכיוון שמספר דוברי העברית בעולם קטן מאוד יחסית, על אף שמרכזי הפיתוח של חלק מהחברות נמצא בארץ, לחברות אין הצדקה כלכלית מספקת להשקיע בעניין.

ניסיונות לפתרון

דרך אחת לפתור את הבעיה ננקטה ברשות התקשוב הממשלתית – הם פתחו בשנת 2020 ביוזמה ליצור מאגר מידע שישמש לאימון מכונות להבנת השפה העברית, ושיהיה זמין לשירותים הממשלתיים, לסטארט-אפים ולחברות גדולות. המאגר – "קורפוס מתויג ידני של עברית בת-זמננו" – הינו מאגר של משפטים בעברית המוגדרים על ידי הערך המילוני, חלקי הדיבר (פעלים, שמות וכו') וישויות תחביריות (נושא המשפט וכו'). לאחר שהוזנו משפטים רבים, באמצעות למידת מכונה, התוכנה תוכל להתחיל ולתת מענה גם למשפטים שלא הוזנו אליה קודם לכן. הפרויקט זכה בינואר 2021 לתעודת הוקרה מיוחדת של חבר השופטים בכנס 'הלשכה לטכנולוגיות המידע בישראל'.

גישה נוספת בה נוקטים החוקרים, על מנת לפתח עוזר/ת קולי/ת כמו אלכסה, סירי ודומים דוברי עברית, הינה פיתוח מודלים ממוחשבים מבוססי נתוני עתק (big data). מודלים אלו מעבדים מילים בהקשר (in context), כלומר ביחס למילים אחרות שבאות לפניהן ואחריהן במשפט, ומבוססים על עיבוד כמויות גדולות של נתונים. דוגמא לכך הוא מנוע BERT של גוגל (Bidirectional Encoder Representations from Transformers), שיצא בשנת 2019. BERT  עוזר לגוגל בעיבוד שפה טבעית וע״י הדמיית רשת נוירונים מלאכותית הוא מסייע בהבנה טובה יותר של ההקשר של מילים שונות בשאילתה, בעיקר כאשר ישנו כפל משמעות. אחד החידושים שמציע BERT הוא היכולת להבין הקשרים גם בין מילים הקרובות אחת לשנייה, ולא רק כאשר אלו צמודות. כלומר - הוא יכול אפילו לנחש מילים חסרות.

לסיכום

על אף הקשיים האובייקטיבים הנעוצים במבנה השפה העברית / שפות שמיות, לעומת שפות אחרות, נראה כי עם ההתקדמות המואצת בטכנולוגיה בימינו, ואולי בזכות זה שלצד 10 מיליון פלוס דוברי העברית יש גם 300 מיליון דוברי ערבית, נוכל גם אנחנו ליהנות בקרוב מצ'אט-בוטים קוליים / טקסטואליים שתומכים תמיכה מלאה וברמה טובה גם בעברית.

החיים של רובנו מתחלקים לשעות בהן אנו בעבודה, שם אנו רציניים, מקצועיים ומעונבים ושעות הפנאי, שמוקדשות למשפחה, לחברים, למנוחה, לספורט ולתחביבים, בהן אנו בדרך כלל משוחררים יותר ופחות רשמיים; אבל מה אם הארגון שלנו היה מציע לנו חלק מהקסם וההנאה של שעות הפנאי, או במילים אחרות מזמין אותנו: "בואו לשחק איתי?"

בשנים האחרונות מבינים יותר ויותר שמשחוק זה לא משחק ילדים, ושיש הרבה ערך שהוא מייצר לארגון. בין היתרונות של הטמעת פעילויות משחוקיות בתהליכים בארגון ניתן למנות: לימוד תוך כדי הנאה, הגברת שיתוף הידע בארגון, גיבוש וחיזוק שיתוף הפעולה בין העובדים, חיזוק ערכים, שייכות וקשר לארגון, העצמת עובדים באמצעות הפיכתם לגיבורים במשחק, עידוד חשיבה מחוץ לקופסה, הובלה ויכולת פתרון בעיות, ובניית חוויית הצלחה ע"י הכנסת אלמנטים תחרותיים, תוך שמירה על חוויית הצלחה לכל המשתתפים.

אז איך ובמה משלבים משחוק בארגונים? החדשות הטובות הן שיש אינסוף דרכים למשחק את רוב התהליכים בארגון. המשחוק יכול להיות פיסי, דיגיטלי או היברידי - כל מה שצריך זה לחשוב  מתוך ומחוץ... לקופסת המשחק.

הנה לדוגמה כמה רעיונות איך לשלב משחוק בתהליכי ניהול ידע:

• מי אוהב הפקת לקחים? התהליך החשוב הזה משמעותי לארגון ולעובדים כאחד, אבל רובנו יכולים לחשוב על דברים מהנים יותר... הכנסת משחוק לתהליך יכולה להגביר את הרגשות החיוביים כלפיו, ונדמה שהוא ממש מזמין למשחק תפקידים. למשל ניתן לייצר זירה אינטראקטיבית של אירוע לאחר שהתרחש, תוך ניסיון להתחקות כמו בלשים אחר מה שקרה - כמו במשחק "הרמז", וזאת באמצעות בחירה מתוך מאגר שאלות קבוע.
• למדנו משהו? מצוין! בואו נשמר את הידע באמצעות מאגר תובנות – הפעילות הזו יכולה להיות משלימה לפעילות הפקת לקחים, או לעמוד בפני עצמה. למשל נוכל לבנות משחק שכולל מציאת רמזים בתובנות ספציפיות, תחרות יצירת תובנה נכונה מתיאור מקרה (ניסוח עצמאי או בחירה מתוך מאגר של תובנות נכונות ושגויות), ועוד.
• שינויים זה מאתגר, אבל מי לא אוהב אתגרים תוך כדי משחק? שילוב משחוק בתהליכי שינוי בארגון, יכול לסייע לעבור את התהליך בדרך קלה, מהנה ונעימה יותר, וכך להפוך את הקושי שבשינוי להרפתקה מרגשת. ניתן לבנות פעילות משחקית בסגנון "מי הזיז את הגבינה שלי" ולהכניס הומור וקלילות לתהליך.
• ימים מיוחדים – ממש מתבקש ליצור פעילויות משחקיות סביב ימים מיוחדים בארגון, כגון ימי גיבוש וכנסים מקצועיים ולשלב עם ההנאה גם תוכן וערך. ניתן ליצור תבניות משחק, שמתאימות לסדנה או לכנס מקצועי סביב נושאים כגון יצירתיות, חדשנות, חשיבה מחוץ לקופסה ואף לקשר לחגים ומועדים (לדוגמה, פסח=חירות, יום העצמאות=עצמאות מחשבתית וחשיבה מחוץ לקופסה, ראש השנה=התחלה חדשה ושינוי, ועוד).

אלו רק כמה הצעות...זה המקום לתת ליצירתיות שלנו להתבטא, אבל חשוב לזכור שפעילות המשחוק צריכה להתאים לצרכים וגם למשאבים של הארגון. הפעילויות יכולות להיות מושקעות ומורכבות, אבל גם פעילות פשוטה יחסית יכולה להיות מוצלחת, כל עוד אנו ממוקדים בערך שאנו רוצים לייצר ולא שוכחים את 3 חוקי הבסיס של משחוק: כיף, כיף וכיף.  

משחוק נעים!

אנשי ניהול ידע יקרים באשר הם,

עם כניסתה של 2022 אני מקבלת עלי את הובלת פורום KMGN לשיתופי ידע ושיתופי פעולה בין מדינות ועמותות.

ניהול ידע קיים בעולם כבר כמעט 20 שנה, ובכל זאת, הוא עדיין רחוק ואפילו מאד מהמקום הראוי לו. ידע, במאה הזו, היא אחד הנכסים המרכזיים המקדמים את העולם בכלל, והארגונים בפרט.

ניהול ידע הינו מנוע לשיפור ביצועים, ולא פחות, גם מנוע לצמיחה עסקית.

אל לנו לבוא בטענות לעולם שעוד לא עט על המציאה. האחריות היא שלנו:

להפוך את ניהול הידע לתחום קל יותר להבנה;

להגיע, למרות המורכבות לתוצרים מהירים יותר;

להציע פתרונות מתקדמים יותר, משולבי טכנולוגיה חדשנית, ולא רק;

ולהציע ערך מוסף ברור לארגונים.

המשימה לא פשוטה כלל ועיקר.

אבל למדנו, שביחד אפשר להגיע רחוק; הרבה יותר רחוק.

אז כאן אני ניצבת, וקוראת לכל איש ניהול ידע בעולם:

קראו לעמותות ולמדינות שאתם משויכים אליהם להצטרף ל KMGN.

הצטרפו לקורסים המקדמים את הדיסציפלינה.

הצטרפו לצוותי הפעולה להטמעת תקן ניהול הידע וצוותי אד-הוק נוספים המאחדים מנהלי ידע בעולם.

שתפו ברעיונות.

כי יחד נצליח.

כמנהלי ידע, אנחנו רוצים שהידע בארגון יהיה מסודר: אנחנו רוצים שכל עובד ועובדת יוכלו למצוא את מה שהם צריכים, ואנחנו רוצים שידע חדש יהיה מקוטלג בקלות. זה נשמע כל כך פשוט - אז למה זה כל כך מסובך?

שלוש רמות של שיתוף ידע

על מנת להבין את הקושי בשיתוף הידע, חשוב קודם כל להבין את רמת שיתוף הידע הרצויה.

באופן כללי, כל עובד ידע בארגון עובד ב-3 רמות של שיתוף ידע:

1. עבודה אישית
   זאת העבודה שרובנו מכירים. עובד פותח מסמך, שומר אותו לפי הנוחות שלו, ואף אחד אחר לא צריך לגשת אליו. עבודה זאת נעשית בדרך כלל בקלות יחסית ביישומי אופיס/גוגל וכונן דרייב כלשהו (לוקאלי או בענן).
2. עבודה משותפת לטווח קצר
   לרוב מדובר בשיתוף של מסמכים בודדים עם אנשים בודדים לצורך פרוייקט, למשל עבודה משותפת על מסמך. בשנים האחרונות, עם שיפור הטכנולוגיה, גם בעיה זו נפתרה לרוב בשימוש בפונקציות השיתוף והעריכה במקביל של המערכות המוכרות.
3. עבודה משותפת לטווח ארוך
   במקרה זה, מדובר בשיתוף של מספר רב של מסמכים וקבצי מדיה, בין מספר רב של עובדים, ולטווח ארוך יותר - לאו דווקא לפרוייקט ספציפי, אלא שיתוף שמשפר את צורת העבודה לאורך זמן. למשל, נרצה לשתף היום מצגת חשובה, מכיוון שהיא אולי תוכל לעזור לעובדים אחרים בעתיד. 

כאמור, שתי הרמות הראשונות הן בעיות יחסית "פתורות". רוב העובדים זוכרים איפה הם שמו את הקבצים שלהם, והם יכולים לשתף קובץ ספציפי בקלות עם עובד אחר. הבעיות מתחילות ברמה השלישית, ככל שהארגון צומח וכמות המסמכים גדלה.

תיקיות

למה בעצם אנחנו מתקשים, כארגון, לשמור על הדרייב שלנו מאורגן? וכן, זה לא רק אתם - זה קורה בכל ארגון בעולם. מסתבר שלכלים שאנחנו עובדים איתם יש חלק גדול בכך.

השימוש בתיקיות דיגיטליות הפך פופולרי עם תחילת בשימוש במחשב האישי. לכאורה, הוא אינטואיטיבי, ובעצם מדמה את העבודה הפיזית "בעולם הישן". אבל רגע, בואו נזכר שניה איך תיקיות נראו בעולם הישן:

בהתאם לגיל שלכם, אתם אולי זוכרים את הארכיון הזה מהעבר שלכם, או מסרטי שוטרים ישנים, אבל דבר אחד בטוח - גם הארכיונים האלה לא היו נשארים מסודרים ללא "שומר-סף", מנהל הארכיון שיודע בדיוק איפה לשים ומאיפה להוציא כל מסמך. בואו נבין למה:

כמות התיקיות

באופן טבעי, כל עובדת בארגון שומרת את הקבצים בתיקיות שלה. בכל תיקיה יש תת-תיקיות, תת-תת-תיקיות, וכך הלאה. המצב הזה אולי נסבל כאשר יש שלושה עובדים בארגון, אבל אפילו בארגון של 100 אנשים סביר שנוכל למצוא אלפים של תיקיות. כמובן, אין שום דרך שעובד מסויים יוכל להתמצא בתוך סביבת עבודה כל כך מסובכת.

חוסר התאמה בטקסונומיה

בעיה נוספת, וקשה לא פחות, היא השימוש בשמות שונים. עובד אחד יכול לשמור מסמכים משפטיים תחת "חוזים", ועובדת אחרת תשמור אותם תחת "הסכמים". חלק ישתמשו בשמות הפרוייקטים כהיררכיה ראשית, ואחרים יעדיפו להתחיל מסוג הקובץ (למשל, "דוחות"), ורק אז לפצל לפי פרוייקט. 

אחת הסיבות שקל לנו להתמצא בדרייב שלנו, היא שלרוב נזכור איך קראנו לקובץ, וגם אם לא, סביר להניח שנוכל לנחש. אבל קשה מאוד לנחש איך חושבים מאות אנשים אחרים שעובדים איתנו.

מיקום יחיד

חיסרון שלישי הוא הצורך שלנו לשמור כל מסמך במיקום ספציפי. נאמר שיש לנו תבנית לבניית מצגות בארגון. כל מחלקה תרצה שהיא תהיה נגישה, וכך יישמר עותק אחד תחת מחלקת מכירות, עותק אחר תחת תמיכה, וכן הלאה. 

אמנם בשנים האחרונות החברות השונות מנסות לפתור את הבעיה הזו (ראו "קיצורי דרך" בגוגל דרייב), אך הפתרונות הללו עדיין מסורבלים ולא נמצאים בשימוש רחב.

תגיות

וכאן נכנסת החשיבות של השימוש בתגיות. היתרונות של התגיות הן בדיוק מענה לחסרונות של שיטת התיקיות:

בעבודה עם תגיות נוכל לעבוד עם כעשירית מכמות התיקיות, מכיוון שאין כפילויות מיותרות. התגיות גם יותר קלות לחיפוש, מכיוון שהן נמצאות בהיררכיה "שטוחה", ולא מוחבאות תחת תיקיות ראשיות ומשניות. כמו כן, אין הגבלה על כמות התגיות שניתן לשייך לקובץ, וכך ניתן לשייך קובץ אחד למחלקות שונות, פרוייקטים שונים ומטרות עסקיות רבות - ללא שכפול התוכן.

עם זאת, תגיות הן בהחלט לא פתרון מושלם: 

במקרים מסויימים, עדיין אנשים שונים יוכלו לתייג את אותו מסמך בדרכים שונות, ממש כמו בדוגמת "הסכמים" מול "חוזים" מלמעלה. 

יש כמה גישות לפתרון הבעיות הללו:

• הרשאות ליצירת תגיות - רוב העובדים יוכלו להשתמש בתגיות קיימות, בעוד ראשי צוותים ומנהלי ידע יוכלו לייצר תגיות חדשות במידת הצורך
• יצירת תבניות תיוג לקבצים חדשים - מתאים כאשר הקבצים המועלים הם מסוג דומה
• "בלאגן מתוחזק" - מעבר תקופתי על התיוגים ואיחוד תגיות במידת הצורך

מסיבה זו, בארגונים רבים עדיין משתמשים באותו "שומר סף", שהוא או היא אחראים להגדרה ותחזוקה של הטקסונומיה הארגונית, ולתיוג התכנים בפועל במערכות הידע (ב-SharePoint או מערכות אחרות).

לסיכום, ניתן לומר שתיוג הוא דרך נפלאה לסדר את התוכן הארגוני - אם רק לא היה כל כך קשה לתייג!

העתיד - תיוג אוטומטי 

בשנים האחרונות נכנסנו לעידן ה-AI. כן, אנחנו שומעים את זה בכל מקום. לפעמים זה עובד טוב יותר, ולפעמים פחות. מצד אחד, המכונית האוטומטית עוד לא איתנו. מצד שני, ספוטיפיי כבר יודעים להמליץ לנו על שירים בצורה טובה, וגוגל תמונות יודעים למצוא לקבץ לנו את כל התמונות של אדם מסוים בצורה די מדהימה.

הטכנולוגיה מתקרבת לרמה שבה נוכל לתייג את כל הקבצים שלנו בצורה אוטומטית, ובכך להנות מכל יתרונות התיוג, בלי כל הטרחה. כמו בכל טכנולוגיה, זה לא יגיע בבת אחת - נכון שהמכונית האוטומטית עוד לא כאן, אבל איזה כיף להפעיל בקרת זחילה בפקק, או בקרת שיוט בכביש מהיר?

כך, בשנים הקרוב אנחנו נראה יותר ויותר מערכות שמציעות תיוג אוטומטי, או אוטומטי למחצה - הצעות לתיוג שאותן תצטרכו לאשר ידנית. ככל שבעיית התיוג תפתר, כך נראה יותר ויותר מערכות משתמשות בתגיות לצורך חיפוש פריטי ידע, ונראה צוותים עוברים לעבוד ברמת שיתוף הידע השלישית - זאת שמאפשרת לארגון שיתוף ידע ארוך טווח, בין-צוותי ובין-מערכתי.

גיא בר-נר הוא מנכ"ל טאגבוקס, מערכת ניהול ידע מבוססת תגיות חכמות

שם האירוע: 

International Conference on Knowledge Engineering and Management ICKEM 

מיקום:  Istanbul, Turkey

תאריך: February 15-16, 2022

לפרטים: לחץ כאן

הספר, Knowledge Management in the Digital Age: Get most from your data, your device, and your employees, הוא ספר שנכתב על ידי Dr. Robert Mayfield בשיתוף Jason Makansi,  ויצא לאור כפי הנראה בשנת 2020 (לא כתוב במפורש).

הספר, בניגוד לשמו, לא דן בעיקר בעידן הדיגיטל החדשני, אלא דווקא בניהול ידע שעיקרו קלאסי ומיעוטו חדשנים, ובעולם האנרגיה. מוזר ומאכזב מעט שהנושא לא מוזכר בשם הספר או בכותרת המשנה, אך בדיעבד,  זה ספר ניהול ידע לכולם, כאשר הדוגמאות שרובן מעולם האנרגיה לא פוגמות בערך המוסף  של הקריאה של כל מנהל ידע ממגזר אחר.

להלן מפת הספר המייצגת את הנושאים המרכזיים. הסיכום מתייחס בעיקר לעקרונות המשותפים ולא ספציפית לעולם האנרגיה:

ניהול ידע – מושגים בסיסיים

Mayfield פותח את ספרו באבחנה ידועה בין מידע, ידע ובינה:

1. מידע: קלט לקבלת החלטה
2. ידע: הקשר המאפשר לאנשים לחשוב ולקחת החלטה טובה. מחייב הכרות והבנה. כדי שיהיה בעל ערך לארגון נדרש ליהיות בר-העברה.
3. בינה: היכולת ללמוד, להבין או להתמודד עם מצבים חדשים, תוך יישום ידע בסביבה מוגדרת.
4. בינה יישומית: ידע משימתי קריטי, בתצורה בת-שימוש חוזר, שניתן אכן להשתמש בה כשנדרש כדי לקדם מטרות ארגוניות ומיצוב תחרותי עסקי.
5. ניהול ידע: כלים טכנולוגיים, תרבותיים ותהליכיים, דרכם ארגון מנסה להפיק יותר ערך מהידע. כולל מציאת דרכים טובות יותר לזהות, לאסוף, לשתף ולנצל את הידע הארגוני, כמו גם ליצור, להנגיש ולפתח ידע זה.
6. יתרון תחרותי: יכולת ארגונית להתאים ולשלב לאורך זמן ידע לאסטרטגיות בעלות ערך, בכדי לתת מענה אפקטיבי להזדמנויות, אתגרים ומציאות שוק משתנה.
7. (בינה תחרותית: איסוף וניתוח מידע על המתחרים של הארגון.)

ניהול ידע כולל מחד לכידת ואיסוף ידע ממאגרים ומערכות, ומאידך קהילות ותרבות שיתוף הלוקחת אחריות על מאגרים אלו, מייצרת ידע חדש, חונכת עובדים חדשים וממנפת את הקיים ליצירת ערך גבוה.

הם נותנים מענה, בהתאמה, לידע הגלוי ולידע הסמוי הנמצאים בארגון:

1. ידע גלוי, הנוצר בתהליכים של: מסמכי מדיניות, נהלים, רשימות תיוג, מערכות, תכניות הסמכה, הדרכות, מבדקי ידע, דוחות אירועים, מאגרי תובנות, הערכות ביצועים ו- benchmarks.
2. ידע סמוי, הנוצר בתהליכים של: הדרכה חוצת פונקציות, שיפורי תהליכים, מערכות מומחה, למידה OJT, פתרון בעיות, אימון, קיזן, השתתפות בכנסים ותערוכות, משובים, תהליכי הערכה ובתי ספר ללמידה מתקדמת.

מרכיבים בסיסיים שיכלול כל מיזם ניהול ידע מוצלח:

1. יצירת/לכידת הידע
2. שיתוף הידע / העברתו
3. שילוב הידע ושימוש בו

המענה ויתאים לכל ארגון באופן ספציפי בהתאם לצרכיו ומאפייניו ויכלול התייחסות לתרבות ידע מאפשרת, מערכת טכנולוגית משולבת למידה ותכנון אסטרטגי כולל מדידה. מרכיבים אלו מפורטים בפרקים להלן:

חזרה

יישום ניהול הידע בארגון:

פרויקט ניהול הידע

0- נקודת המוצא

הנכס האנושי אינו בבעלות הארגונים, וכאשר עובדים עוזבים, הם יכולים לעזוב עם הידע, הניסיון, המיומנויות והיצירתיות. לכן, ארגונים צריכים לפעול כדי לגייס ולשמר עובדים טובים, אך יחד עם זאת, גם לפעול לכך שהידע יישאר בארגון גם עם לכתם של עובדים אלו.

Mayfield מציע רשימה של גורמי מפתח הכרחיים לפעילות ניהול ידע ארגונית:

Mayfield מנתח שלוש גישות למחזור חיים של שלבי הפרויקט. בסופו של דבר, כל עוד התנאים לעיל מיושמים, אין המלצה חד משמעית לגישה יחידה שבה כדאי לנקוט בכל ארגון וכל הקשר.

1- התנעה 

התנעת פרויקט תכלול התייחסות להיבטים להלן (לפחות):

Mayfield מציע גם לייצר מסמך אסטרטגיה כולל לארגון המתייחס לאסטרטגיה לטיפול בנכסי הדיגיטל והבינה הארגונית, המשלב באופן הוליסטי את היבטי האנשים, תהליכים וטכנולוגיה בפעילות.

2- יישור קו

יישור קו בין פעילות ניהול הידע לפעילות הטרנספורמציה הדיגיטלית והאסטרטגיה העסקית בארגון.

 3-עיצוב ארכיטקטורת ניהול הידע

גיבוש הפלטפורמות הטכנולוגיות עליהם תתבסס הפעילות.

 4-הערכת נכסי ומערכות ניהול הידע הקיימות

זיהוי פערים במידע ובידע, כפילויות, זרימת הידע וכיצד כל אלו תורמים למטרות העסקיות.

מתייחס לידע גלוי וסמוי כאחד.

5-גיבוש צוות

גיבוש צוות ניהול ידע בעלי ידע ומיומנויות שיוכלו לשבור את איי המידע והידע בשיתוף ידע חוצה.

6- יישום פתרון ניהול הידע

פיתוח מערכת ניהול הידע- טכנולוגיה ותוכן, ותך התבססות על הקיים, אך ללא הכרח להסתפק רק בו, אלא לשאוף לשלב הבא. הערה: שימו לב לכלול גם תכנית לשימור הידע והעברה מדור לדור.

7-מנהיגות ותרבות

התאמת התרבות הארגונית ומנגנוני התגמול כדי להניע את העובדים לשיתוף ידע ותרומה.

8-מדידה

מדידת ההתקדמות של התוכנית, תוך שימוש ב -KPIs  ודגש על הפן העסקי (הוא מונה דוגמאות אפשריות לעולם האנרגיה). מדידת האימפקט של ניהול הידע על הארגון והצלחתו. מיקוד במדדים משמעותיים.

--

Mayfield מדגיש את חשיבות העיסוק גם בידע הסמוי תוך שימוש במגוון מתודות:

טיפוח תרבות ניהול ידע

ישנה זיקה חיובית בין תרבות ארגונית והיכולת ליצור, לשתף, להעביר ולשמר ידע בארגון, וארגונים עם תרבות ארגונית מפותחת מכירים בחשיבות ניהול הידע, נוהגים לקיים יותר מנגנונים למימושו.

המרכיבים המשמעותיים בתרבות המקדמים יתרון תחרותי וקשורים לידע, כוללים:

1. זיהוי והכרה בידע של הפרט
2. עידוד ומתן הזדמנויות ומערכות ליצירת ידע חדש, שיתוף ידע קיים, שילוב הידע בבינה היישומית בארגון והוקרת מאמצים אלו.
3. הערכה חוזרת ונשנית של סביבות פנים וחוץ ארגוניות ושילוב הידע הזמין בהתמודדות עם המציאות המשתנה ומתחדשת.
4. מימוש בינה יישומית בסביבה הפנימית והחיצונית כדי לקדם את השגת המטרות העסקיות ויצירת יתרון תחרותי

תרבות ארגונית, על פי רוב, מבוססת על שלושה מקורות:

1. האמונות, הערכים וההנחות של מייסדי הארגון.
2. הלמידה וההתנסות המתפתחים של עובדי הארגון.3/
3. האמונות, הערכים וההנחות החדשות הנכנסות לארגון עם הצטרפותם של חברים ומנהיגים.

Mayfield מציע סדרה של מאפיינים לארגונים שבאמת ותמים מבוססי ידע:

כל אחד מאלו יכול להיות בסיס לתכנית טיפוח תרבות: עידוד למידה מתמדת, עידוד יזמות וכו׳.

ניהול השינוי יכלול:

1. מיפוי מצב קיים – תרבות נוכחית.
2. זיהוי וקידום הרצון לשינוי.
3. מנהיגות להנעת העובדים לשינוי.
4. תכנית לניהול השינוי הכוללת מבניות, אסטרטגיה ותהליכים*.
5. התמודדות עם מכשולים הקשורים בחזון, במנהיגים ובעובדים.
6. חגיגת הצלחות.

* תכנית ניהול השינוי תכלול היבטים של: תקשור, תכניות פיילוטֿ מפגשים והיכרויות, זיהוי וראיון מומחים, שינוי מערכת ההערכה, והסרת חסמים.

Mayfield מציג ארבעה אבי טיפוס של תרבויות ארגוניות: היררכית, עבודת צוות, יזמית, ומוכוונת שוק.

באופן לא מפתיע, הוא מכוון לארגונים בעלי תרבות מבוססת עבודת צוות. ארגונים אלו מתאפיינים ב:

חזרה 

טכנולוגיות תומכות ידע ולמידה

Mayfield בוחר לדבר על הטכנולוגיה והלמידה בכפיפה אחת, מה שאינו ברור מאליו.

הנחות יסוד:

1. אין טכנולוגיה אחת נכונה לניהול ידע.
2. טכנולוגיה אינה ניהול ידע; היא רק תומכת אותה.
3. טכנולוגיות בכלל, וטכנולוגיות ניהול ידע בפרט, מתיישנות ומהר. חובה לתחזק, חובה להחליף.
4. כדי שעובדים יעשו שימוש בטכנולוגיות ניהול ידע, עליהן להיות ידידותיות לשימוש.

 Mayfield מונה טכנולוגיות הרלוונטיות לעולם האנרגיה ושיש לקחתן בחשבון בפעילות ניהול הידע- הן ברמה האסטרטגית והן ברמת התפעולית.

הוא מתאר בהרחבה את מרכזי השליטה והבקרה על הנתונים במפעלים  וחשיבות שילוב ניהול הידע באלו.

Mayfield מציע לבנות סביבות למידה הממוזגות עם סביבות הידע במספר רבדים:

1. מאגרי ידע- מסמכים, מאמרים, רשימות ומדריכים טכניים.
2. למידה מרחוק- מודולות הדרכה, כנסי וידאו ו webcasts.
3. שיתופיות ברשת- למידת עמיתים אינטרקטיבית
4. סימולציות צוותיות במחשב
5. תכניות וסדנאות מותאמות.

מעבר לידע הקריטי עצמו, תעסוק הלמידה ביצירת ידע והעברתו.

על מערכות הידע והלמידה להתמקד ב:

1. הידע למשימות הקריטיות
2. תמיכה בפיתוח ידע
3. תמיכה בלכידת והעברת ידע- סמוי וגלוי.

Mayfield פורט סוגי טכנולוגיות המאפיינות ארגוני אנרגיה (מרכזי בקרה למיניהם, אך לא רק), ומסביר כיצד ניהול הידע תומך ומשתלב במערכות אלו.

ניטור, מדידה ובקרה חשובים בכל ארגון, ובמרכזי אנרגיה מהווים מרכיב משמעותי בניהול המתקנים.

ניהול ידע יכול להיות משמעותי הן לאבחון והן לטיפול בבקרים. חשוב לשלב פתרונות מסורתיים, פתרונות חדשניים דוגמת ויזואליזציה ובינה מלאכותית, ובצד כל אלו, לתת למקום למומחים עצמם.

חזרה