看了羅胖“啟發俱樂部”華為專場《怎么把知識變成資產》，談一下我的膚淺想法。
知識是資產嗎？
未必，很多時候知識是負債。因為學習新知識需要付出大量的金錢成本、寶貴的時間成本和機會成本。萃取實踐中的經驗也一樣有高昂的萃取時間成本。沒有知識變現（應用并產生價值）前，知識長期表現為負債。甚至，你的大部分知識，終其一生都表現為負債。
知識的學習和萃取成本非常高，一定要基于業務作戰框架有目的地萃取。萃取收益通常都是邊際效益遞減的。三板斧能搞定80%，就不要折騰六板斧和九板斧。只有價值非常大，能長期被廣泛復制的知識，才是企業和個人的資產。否則，多半是負債。
我非常重視學習和總結，但并不喜歡販賣知識焦慮。李嘉誠的知識未必比你多，我們只需要聚焦做好工作的少數知識，力出一孔，做到專業精深即可。千萬不要被“藝多不壓身”、“書到用時方恨少”這些金句忽悠了。知識無涯，余生有限，唯有聚焦才有力量。
我們在華為經常提“華為最大的浪費是經驗的浪費”，但這并不代表要沉淀所有的知識。知識學習和萃取的高成本，讓我們要仔細思考：哪些才是必須積累的核心知識資產？哪些邊緣知識是目前可以浪費的？每日三省吾身，并不需要回顧所有的細節，而是把對下一次戰斗最有用的感悟沉淀下來。抓住主要矛盾和矛盾的主要方面，非主要矛盾暫時忽略，不用的千萬別折騰。不管怎么做，你都必然丟棄一部分。
我一直把總結滿天飛、流程滿天飛作為知識管理的十大誤區之二。要盡可能追求簡單、粗暴、但有效。
當然，簡單是相對的，也不要試圖把本來復雜的事情過分簡化。
如何判斷萃取的重點？不要從經驗不浪費出發，而是以客戶為中心，從業務作戰需求出發，以終為始，就不會偏航。
打贏一場仗，需要什么知識？
大部分知識本身基本沒卵用，更準確地說是需要什么樣的武器+戰術！也就是，知識必須表現為作戰的強大工具體系。美國空軍牛逼，那是因為有最先進的應對各種場景的戰斗機和適配的作戰軟件。不是因為萃取了幾百萬個作戰案例，而是從案例再萃取中造出了最強大的武器，而且武器越來越智能化，對人的依賴越來越小，這才是知識管理的本質和方向。
實踐案例：華為GSM的事故處理和網絡性能，雖然經驗無數，最終沉淀下來的作戰武器就是那幾板斧。網絡性能從三板斧到九板斧到十六板斧，后面的普適場景越來越少，邊際遞減，就不要持續增加了。如果未來場景變化，則增加新板斧的同時，要剪除已過時或應用頻率極低的知識：不是真的清除，只是從核心作戰武器庫中下架，真要有N年一遇的小概率事件發生，還是可以去查知識庫。
2012-2014，公司大范圍推AAR總結時，我們堅定地走基于業務作戰的核心交付件（武器）體系。我不關心經驗是否被浪費，只關心作戰體系是否越來越強大。我們對知識管理的理解，都是實際業務壓力逼出來的。
美中不足的是，2016年啟動的運維智能化和知識圖譜等工作沒有堅持下來。
還記得我2018年退休前說的一句話：如果我不退休，只有智能化一件事情是我感興趣的。
“因人而來”、“因事而變”是有道理的，但并非企業知識管理的重點。企業知識管理還是造盡可能通用化的武器。
羅胖老師介紹的知識萃取，更多是從《得到》知識傳播視角出發，生動有趣，但和企業業務實戰視角有些差異。企業必然急功近利，直奔作戰武器而去，原理都不想花時間搞明白。
學習=學+習。學習的精髓是“習”。“習”的本意是實踐和應用。只學不習，不能知行合一的都是耍流氓，這樣貌似有用、未來總有用的偽知識基本都是負債。
總結=總+結。總，匯總，就是用一個碗把知識盛起來，顯得學富五車，實際亂七八糟，基本沒卵用。總結的精髓是“結”，也就是結網，和已有的體系關聯，聯結成可以用于作戰的更強大武器體系。也就是美國空軍的先進戰機和作戰軟件，羅胖口中可以打仗、可以搞定事情的棍子。當然，專利也是武器。
未來，匯總是數字化自動完成。結，提煉萃取也是自動完成。人工智能的機器學習就是干這個事情。未來的機器智能比現在的人工智能更先進，不過于依賴于人的經驗，可以自己探索新知。AlphaZero算是邁出了一步。
現在的咨詢公司，如果不與時俱進，未來很難干過谷歌這樣頂尖的人工智能公司。因為咨詢本質就是賣知識（培訓）和問題解決方案（業務咨詢和管理咨詢）。可以確定的是：功力深厚的老中醫一定干不過凝聚了全球無數頂尖專家，且每時每刻都在進步，不需要休息也不會失戀的人工智能。最牛逼的老司機，也干不過自動駕駛，有場景化，但哪有什么個性化。
恐怖的事情來了：包括老師、頂級咨詢師，甚至企業管理者會逐漸被AI取代，是未來20年內必然逐漸形成的現實。
誰和機器智能融合為一體，誰就有“鐵甲護身，神功加持”，有非凡的戰斗力。
否則，就洗洗睡吧。
留給我白呼企業經營管理和知識管理的時間，估計也就10年。
知識管理的核心在于應用
【20210520對羅胖華為演講的回復】關于知識管理，分享幾條我在公司17年的心得：
1、知識=解決問題的成功經驗或失敗教訓。源于問題，用于問題，知行合一。
知識天然針對問題，并有顯性和隱性場景。問題或場景遷移，則成功經驗或失敗教訓可能失效，這是成功DNA很難復制的一個原因。第二個原因則是措施和結果的邏輯關聯往往并不直接，很多成功者并不真正知道為何成功，導致很多總結的經驗和教訓本來就有問題，自然也難以復制。第三個原因是方法有效，但你未必具備條件（可以歸入場景）。
成功=f（場景，措施，條件），如同IPO邏輯，I符合，P有效，才有期望的O。
PMI就是分階段、分場景按IPO進行項目管理知識萃取的。
2、經驗案例化：知識萃取（華為經常叫知識收割）要按場景、針對問題提取靠譜的結論。所謂靠譜，指措施和結果之間的充分和必要邏輯關系經得起正反兩方面重復性驗證：做了動作A會有結果B，沒有動作A沒有結果B。而多因素的復雜邏輯中，要找到經得起推敲，并普遍適用的底層邏輯實際非常困難。這種底層邏輯類似牛頓三定律，是普適規律，真正的知識，或者叫科學規律。
我們口中大部分的知識，缺乏嚴格驗證，“DNA”往往既不充分，也不必要。可以參考啟迪思維，但未必能直接抄作業。真正要掌握的是類似物理定律的相對普適的底層邏輯，且經得起時間和場景遷移的考驗，雖然這很難。
3、案例工具化：保留挑戰和場景，原汁原味完成萃取僅僅是知識管理的第一步。案例的高度場景化，導致知識并不好用，真正來一個問題，搜幾百個案例，場景很難匹配，還是一頭霧水，效率極低。知識要變成資產，要進入第二步：指定資深專家（領域知識Owner）對經典場景進行分類，對多個案例驗證有效的措施進行再萃取，再萃取的成果不是案例的案例，而是易用的工具或操作流程（流程最終也要工具化，否則難以落地），稱之為案例工具化。
華為實踐：將幾百篇通信系統事故分析和恢復案例提煉為簡單有效的一鍵式事故恢復工具。復雜場景被淡化，好處是可以傻瓜式使用，經常就是簡單、粗暴、但有效的三板斧，如同不懂汽車但可以開車，車出問題交給專家修理。專家就是解決沒有工具化的新問題或復雜場景問題。已知問題盡可能工具化，80%有效也很好。
4、工具產品化：作為設備提供商，案例工具化下一步是將常用工具作為產品內置的一部分，進行產品化，核心知識被沉淀、繼承下來。
而產品研發過程中的知識和經驗，則被平臺+一堆設計準則和工具沉淀下來，確保經驗不浪費。當然，這一步華為各部門也做得參差不齊。
5、產品智能化：知識管理再往下演進則是自動萃取知識。人工智能的機器學習本身就是干這個事情。各公司十四五規劃中熱火朝天的數字化也是干這個事情。和自動化、信息化提升生產、辦公效率不同，數字化/智能化有可能產生全新業務模式，會創造之前沒有的新知識，也就是，從已有知識提煉到知識創造。過去的專家系統、以及當前大數據喂出來的人工智能還是知識提煉，但機器智能是可以自探索的，并不需要大量人工來實現智能。基于數字化實現智能化是未來10年確定性的趨勢。
知識管理進階：經驗案例化→案例流程化→流程工具化→工具產品化→產品智能化。
萃取只是KM第一個環節，知識管理的核心在于應用，華為最典型的應用就是事故恢復和網絡性能，經歷了全員寫案例、高手開發分析和恢復工具、SE內置自恢復產品、逐漸智能化的全過程。
作為第一個產品線CKO，我知道華為也沒有做得太好（我這個兼職的CKO干得不稱職）。
來源：喬諾之聲；作者：凌湘壽，喬諾戰略管理首席專家，華為公司原2G&3G&CDMA三大產品線研發總裁
您的位置：
