一项报价迟迟无法推进，只因为只有一个人知道特殊折扣条件。一宗客户投诉在不同人之间转交，直到那位资深同事休假归来。新任网点负责人可以访问所有文件夹，却仍无法判断重要的例外情况。以上均为说明性示例，并非 Fassbender 客户案例。
在这些情况下，企业未必是信息不足，而是存在运营依赖。某些工作只有特定人员在岗时才能完成。随着客户、网点或员工增加，业务在增长，向同一小群人提出的请教和确认也在增加。
因此，我不会先采购一个知识门户。首先必须弄清楚：哪些工作会因这些人不在而停滞；合格的接手同事实际可以做什么、可以在何种边界内作出决定。只有当其他人能在约定范围内可靠地据此行动，知识才算被有效转移。
风险在离职之前就已开始
人们常把知识流失当作员工离职时才出现的问题。于是会有交接清单、访谈和最后一批文件。对于有序告别，这些做法有帮助；对于持续扩张而言，已经太晚。
这种依赖在更早的时候就会显现：一位专业人员要审查每个例外，新员工不断打断其工作，或其自身工作经常被搁置。即便指定了接手同事，如果对方既没有背景信息，也没有相应权限，问题也不会解决。同一条模糊规则，即使由两个人执行，也可能得到不同解读。
NASA 关于知识连续性的指南因此从更早处着手：管理者应识别关键知识和唯一知识持有者，将知识转移的时间纳入日常工作安排，并持续传递知识。其中包括导师辅导、共同处理案例和岗位说明。这是一份面向特殊组织环境的实践指南，并非中小企业某项特定节省额的证据。不过，其中的管理问题可以直接采用：在某人缺席之前，我们的企业需要哪些知识？1
文件夹里没有写出来的部分
工作指引通常描述的是常规情况。资深员工还知道，何时当前情况并不属于常规。她能够识别不寻常的组合，了解某项约定的前因后果，或注意到一项看似完整的请求遗漏了关键内容。
其中一部分可以解释并记录下来。另一部分则通过练习、反馈和协作逐步形成。并非每一种经验都能通过一段录制的访谈，变成可靠的决策规则。
Igoa-Iraola 与 Díez 在 2024 年发表的一项系统性综述分析了关于代际更替和知识管理中知识转移的 28 篇研究文章。该综述区分了可记录的知识与难以清晰表达的经验性知识，并强调知识转移的组织和社会条件。所评估的文献主要涉及规模较大的企业，尤其是工业领域企业。由此既不能推导出中小企业普遍适用的知识损失比例，也不能据此保证某一种方法对每一家中小企业都有效。2
对实践而言，这意味着：一份文件可以说明边界；但一位同事能否在复杂案例中识别这个边界，需要通过实际应用和讨论来验证。为此，她需要与有经验的人员共同工作的时间。不能等其他任务都完成了，才考虑为这件事留时间。
不必保存全部知识，而要守住关键工作
试图完整收集所有知识，很快会变成一个无止境的档案项目。我会从一项对业务至关重要的流程开始，例如处理复杂服务案例，而不是从整个知识版图开始。
对此，业务负责人应记录：今天有哪些案例正在等待某一特定人员处理。关键在于后果：客户是否得不到答复？服务是否会被错误承诺？机器是否会停机？还是说，这只是一个有用的捷径，失去后令人遗憾但可以承受？
应优先处理这样一类知识：其缺失可能造成重大损害，难以重新获得，而且没有可靠的接手机制。这一判断首先是管理判断，应以真实工作案例加以检验，而不是用看似精确的评分取代判断。
每个被优先处理的案例，都需要明确负责岗位、接手同事、允许的决策边界，以及处理未决问题的路径。仅有一份专家姓名清单并不够。它只说明了下次还会打电话找谁。
交接的不只是案例，还包括其判断依据
以服务中的一项酌情处理决定为明确的说明性示例。系统中记录的是，曾向客户提供替代性服务。没有理由说明时，接手同事可能将其视为一般做法。实际上，那也许只是一次经过明确批准的例外。
因此，知识转移必须保留的不能只是结果：当时有哪些事实？彼时适用什么规则？为何可以作出例外？由谁批准？与下一案例相比，可比性的边界在哪里？
专家先与接手同事共同处理一个合适的案例，并解释自己的处理方式。下一个案例由接手同事接手，专家审核其判断理由和结果。反复缺失的内容会被补入工作资料；规则不明确时，由承担业务责任的岗位作出决定，而不能默默把访谈录音当作规范。
这不一定要在一套新系统中完成。只要来源、适用范围和维护责任清晰，现有工作环境在一开始往往就足够。关键在于，资料能否在实际处理工作时被真正使用。
不能让人觉得自己正在被取代
多年解决复杂案例的人，如今还要在原有工作之外解释自己的知识；与此同时，原先的所有期待仍然不变。在这样的条件下，保留和犹豫并不令人意外。
管理层必须坦诚说明目的：组织应能够可靠运转，专业人员也不应亲自处理每一个重复性问题。这不能变成一种隐含承诺，仿佛一次访谈之后，他们的专业能力就不再重要。对于新的、影响重大的案例，判断能力仍然必要。
我会为共同处理案例明确预留时间，并相应减少其他任务。知识传递属于该岗位应交付的工作，也应得到相应认可。员工还必须知道会产生哪些记录、谁可以查看，以及如何提出更正。
这里存在真实的权衡：更广泛的访问有利于协作，却可能侵犯保密性。客户资料、人员信息和受保护的协议，不应被一概放入面向全公司的搜索空间。一个人可以掌握知识，但这并不意味着企业可以任意再利用其全部通信记录。技术接入之前，必须明确访问权限和允许的使用方式。
AI 能在哪里提供帮助，又会在哪里掩盖依赖
AI 可以整理已获批准的案例记录，标记需要核查的矛盾之处，或为当前工作案例检索相关文件。助手也可以帮助从专家访谈中归纳下一次共同处理时仍待回答的问题。这并不会使其中的业务内容自动变得正确或具有约束力。
2025 年发表于 Quarterly Journal of Economics 的一项现场研究，考察了某软件公司 5,172 名客服员工的数据，以及 AI 助手分阶段、非随机的上线过程。获得该助手使用权限后，员工平均每小时解决的问题数量提高了 15%。经验较少的员工获益更大；经验最丰富的员工则也出现了小幅质量下降。作者发现了一些成功工作方法得以传播的迹象。3
这是一个具体的潜力信号，但并不能证明聊天机器人能够替代任何关键人员的知识。该研究涉及的是特定客服场景、一项基于 GPT-3 的历史应用，以及主要发生在 2020 年和 2021 年的上线过程。它没有衡量当今的 RAG 解决方案，也没有承诺节省 15%，更不承诺在您的企业中产生相应效果。
内部知识助手需要经过核验、保持最新，并标明适用范围和访问权限的来源。检索增强生成，即在生成回答时纳入所检索到的来源，可以改善基础条件；错误仍有可能发生。美国 NIST 的自愿性参考框架 AI 600-1 明确建议核查来源、引用以及所用数据的来源。它不是认证，也不构成法律保证。4
因此，真正的测试不是：助手能否给出令人信服的回答？而是：接手同事能否借助现有支持，正确处理工作案例，并将未决决定提交给负责岗位？对于业务规则缺失时应如何处理，详见关于有依据地拒绝回答的高管文章。