10.5 組織記憶沉澱:將員工經驗轉化為數位資產

學完本節,你能夠:

  1. 用野中郁次郎的 SECI 模型說明隱性知識如何轉為顯性知識,並指出 AI 工具在哪些階段幫得上忙、哪些幫不上。
  2. 把一段資深員工的經驗,拆解成四種數位資產:專案規則檔、Skill、知識庫、評估題。
  3. 評估這些數位資產的維護成本與限制,包括它們在會計上通常不能列為資產。

壹、開場情境:資深經理退休的那一天

📌 以下為教學情境(依實務改編)。

一家外貿公司的業務經理老陳下個月退休。他做了 20 年,腦中有很多從沒寫下來的東西:

  • 某位德國客戶驗貨特別嚴格,出貨前一定要先寄 3 張包裝照片給對方確認;
  • 某個港口提單常常延遲,遇到時要先找哪一家代理處理;
  • 每家供應商的議價底線大概在哪裡,什麼時候可以再壓一點。

接手的新人很優秀,但上任第二個月就因為沒寄包裝照片,被那位德國客戶退了一整批貨。

這種「人走了,經驗也跟著走」的現象,稱為組織失憶。

本節要解決的問題: 能不能在老陳離開之前,把他的經驗變成公司(和 AI)都能使用的東西?


貳、SECI 模型:知識怎麼從人腦走到組織

日本學者野中郁次郎(Ikujiro Nonaka)與竹內弘高在《創新求勝》(The Knowledge-Creating Company,1995)中提出 SECI 模型,區分兩種知識:

  • 隱性知識(Tacit Knowledge):存在個人腦中、很難說清楚的經驗與直覺,例如「這位客戶的語氣變了,八成要殺價」。
  • 顯性知識(Explicit Knowledge):已經寫下來、可以傳遞的知識,例如 SOP、合約範本。

知識在組織中透過四種轉換流動:

階段 意思 傳統做法 AI 工具可以怎麼幫 限制
社會化 S 隱性 → 隱性:在一起工作、看著學 師徒制、跟著老鳥跑客戶 幫助有限,這一步主要靠人與人相處 AI 取代不了現場觀察
外化 E 隱性 → 顯性:把經驗說出來、寫下來 寫 SOP、做訪談 整理訪談逐字稿,萃取成規則與檢查清單 專家沒說出口的,AI 也萃取不出來
結合 C 顯性 → 顯性:整合不同來源的文件 建立共用資料夾、知識管理系統 整合進知識庫(第 7.5 節)、Skill 與規則檔 資料過期就會誤導
內化 I 顯性 → 隱性:新人透過實作把知識變成自己的 實作、犯錯、被指導 新人在工作中隨時查詢,AI 依規則檢查提醒 新人仍需要時間累積判斷力

💡 AI 最能出力的是「外化」與「結合」 把老陳的經驗訪談出來、整理成結構化的規則,再整合到 AI 讀得到的地方,這兩步過去最耗時,現在可以大幅加速。但「社會化」與「內化」仍然需要人。


參、把經驗寫下來:四種數位資產載體

不同性質的經驗,適合放在不同的地方:

經驗類型 老陳的例子 最適合的載體 為什麼
不能違反的原則 「出口到德國的貨,出貨前一定要先寄包裝照片給客戶確認」 專案規則檔(如 AGENTS.md) AI 每次工作都會先讀,適合放必須遵守的硬規則
可重複的工作流程 「港口提單延遲時的處理步驟與聯絡窗口」 Skill(SKILL.md,附錄 B.4) 有步驟、有範本,需要時才載入
參考資料與個案紀錄 歷年客戶特殊要求、過去爭議的處理紀錄 知識庫(RAG,第 7.5 節) 量大、需要查詢,不必每次都讀
判斷的標準答案 「客戶要求 X 時,正確的回應是 Y」 評估題(第 10.2 節) 用來檢查 AI 和新人是否真的學會
flowchart LR I["老陳訪談
逐字稿"] --> X["萃取與分類
(AI 協助+老陳確認)"] X --> R["專案規則檔
必須遵守"] X --> K["Skill
工作流程"] X --> D["知識庫
參考資料"] X --> G["評估題
檢查是否學會"]

1. 讓 AI 協助萃取:Prompt 範例

你是外貿公司的知識管理專員。以下是資深業務經理的訪談逐字稿。

【資料】
(貼上逐字稿,客戶名稱已改為代號)

【萃取規則】
1. 找出所有「一定要/絕對不能」的做法,列為「硬規則」。
2. 找出所有「遇到某狀況時的處理步驟」,列為「工作流程」,保留步驟順序。
3. 找出特定客戶或供應商的習慣,列為「個案備忘」。
4. 每一條都標註出自逐字稿的哪一段,方便本人確認。

【例外處理】
- 逐字稿中語意模糊、可能有多種解讀的地方,不要自行補完,列在「待確認問題」。
- 涉及個人隱私或未公開的商業條件,標註「⚠️ 敏感」。

【輸出要求】
以表格輸出四個區塊:硬規則|工作流程|個案備忘|待確認問題。

注意「待確認問題」這一區:AI 整理完之後,一定要請老陳本人逐條確認。AI 可能誤解,也可能把老陳隨口說的話當成規則。

2. 成品範例

規則檔(節錄):

# 外貿業務專案規則
- 出口至德國客戶 D-017 的貨物,出貨前須先寄送 3 張包裝照片,並取得客戶書面確認。
- 報價前須檢查毛利率不得低於 15%(依第 1.1 節報價毛利檢查)。
- 不得在回信中承諾交期,交期須以生管部回覆為準。

Skill(節錄):

---
name: bl-delay-handling
description: 當提單(B/L)延遲簽發或貨物到港未放行時使用。提供處理步驟、聯絡窗口與客戶通知信範本。
---

# 提單延遲處理流程
1. 先向船公司確認延遲原因(文件不齊/運費未付/港口作業)。
2. 若為港口作業延遲,聯絡當地代理(窗口清單見 contacts.md)。
3. 24 小時內以範本 notify-template.md 通知客戶,說明預計放行時間。
4. 超過 72 小時未解決,升級給業務主管。

肆、判斷看看:常見誤解

說法 對嗎? 說明
「把老陳的訪談錄音存進硬碟,經驗就保存下來了。」 ⚠️ 不夠 錄音沒人會去聽,AI 和新人在工作中也用不到。要整理成可查詢、可執行、可檢查的形式
「寫成 Skill 之後就一勞永逸。」 🛑 錯 港口代理會換、客戶會變,每個資產都要有更新責任人(第 10.4 節)
「經驗都交給 AI 了,以後不需要資深員工。」 🛑 錯 SECI 的社會化與內化仍靠人;新狀況出現時,還是要有經驗的人判斷並補寫規則
「這些 AI 資產可以列在資產負債表上。」 ⚠️ 通常不行 依國際會計準則(IAS 38),企業內部自行產生的知識、客戶名單等多半不能認列為無形資產;它們是管理意義上的資產,價值要靠營運表現證明

維護成本:資產也會過期

載體 主要維護工作 過期風險 建議負責人
專案規則檔 政策改變時更新 中:政策變動頻率不高,但一錯就影響全部 部門主管
Skill 流程、窗口、範本改變時更新 高:聯絡窗口常變 實際執行該流程的人
知識庫 新增文件、移除過期文件 高:舊文件沒刪,AI 會引用錯誤版本(第 10.4 節案例) 指定的文件管理人
評估題 標準答案隨政策更新 中:答案過期會讓評估失準 題庫負責人(第 10.2 節)

接手一份「沒有文件」的舊資料:由下往上逐層摘要

組織記憶不只在人的腦中,也藏在沒人整理過的資料夾、舊試算表與舊系統裡。直接請 AI「讀完整個共用資料夾,告訴我公司的報價流程」,它很快就會超出上下文上限,開始編造。

比較穩健的做法是由下往上,一層一層摘要:

層次 做法 誰確認
① 最底層資料夾 AI 只根據該資料夾裡的檔案,寫一段「這個資料夾在做什麼」,以及每個檔案一句說明 熟悉業務的同事逐份核對、修正
② 上一層 AI 只讀下一層已經核對過的摘要,加上本層自己的檔案,寫出本層摘要 主管核對
③ 最上層 一頁地圖:有哪些區塊、處理常見問題該從哪裡開始看 部門負責人核對

三條規則:

  1. 下層沒核對完,不寫上層。 錯誤會一路往上放大。
  2. 只有人能把摘要標成「已確認」,AI 不能自己核准。
  3. 預留核對時間。 在程式碼專案的經驗中,最底層的 AI 摘要大約一半有錯,因為那一層 AI 只能看資料本身,看不到背後的業務脈絡;一般業務資料夾也應預期不低的錯誤率。這些錯誤正是新人學習的好機會:核對的過程,就是第貳段 SECI 模型中「把隱性知識說出來」的時刻。

💡 這些摘要是過渡用的鷹架。等正式的流程文件(第參段的四種載體)寫好之後,就應該以正式文件為準,並在摘要開頭註明「本摘要為暫時整理,以正式文件為準」。


伍、回到情境

如果公司在老陳退休前三個月開始做:

  1. 每週一次、每次一小時訪談老陳,請 AI 整理逐字稿並萃取規則;
  2. 老陳逐條確認「待確認問題」;
  3. 把結果分別放進規則檔、Skill、知識庫與評估題;
  4. 新人上任後,AI 在擬定給 D-017 客戶的出貨通知時,會依規則檔提醒「須先寄包裝照片」。

那一整批退貨很可能就不會發生。

但也要誠實面對限制:

限制 後果 在哪一節解決
員工不願分享經驗(怕被取代) 萃取出的內容避重就輕 激勵制度設計;第 12 章談組織重構
多個部門各自維護規則,版本互相矛盾 AI 不知道該聽誰的 12.3 單一真實資料源(SSOT)
知識中含有客戶個資或機密條件 洩漏風險 第 13 章 隱私與合規

本節小結

  1. 組織失憶的根源是隱性知識只存在個人腦中;SECI 模型說明了把它變成組織知識的四個轉換。
  2. AI 最能加速「外化」與「結合」;「社會化」與「內化」仍需要人。
  3. 依經驗類型選載體:硬規則放規則檔、流程放 Skill、參考資料放知識庫、判斷標準放評估題。
  4. 數位資產要有更新責任人;它們在會計上通常不能認列,價值要靠營運表現證明。

陸、練習

  1. 分類(5 分鐘):把下列三條經驗分到最適合的載體:(a)「報價單一律以歐元計價,不接受美元」;(b)「客戶要求樣品時的寄送與追蹤步驟」;(c)「2023 年與某供應商品質爭議的完整往來紀錄」。
  2. 寫一個 Skill(20 分鐘):為 crossborder-dispute-negotiator(跨境爭議協商)撰寫 SKILL.md 的開頭:包含 name、description(什麼情況下使用),以及 4–6 個處理步驟。再為它設計 1 道評估題。
  3. 管理反思(討論):公司的王牌業務拿下 40% 的訂單,但不願分享客戶經營技巧。如果你是總經理,你會如何設計激勵制度,讓他願意參與知識萃取?他擔心「教會了 AI,自己就被取代」,你會怎麼回應?

📚 本節補充內容出處:由下往上逐層摘要的做法參考美國密西根大學 EECS 498「Applied Agentic Software Engineering」課程(2026 秋季),內容依商學院情境重新撰寫。

國立臺中科技大學 國際貿易系 / 企業管理系 專用教材

《現代軟體工程:商學院的 AI 系統思維與 Agent 實踐》

作者:陳俊智 博士 Dr. Chun-Chih Chen

本書章節架構改編自陳鍾誠教授(金門大學)開源課程《現代軟體工程》(github.com/ccc115a/se,MIT 授權),內容針對商學院全面改寫與擴充。