Hiljainen tieto ei ole enää pelkkää hiljaisuutta

Työpaikoilla on tuttu hetki, jota ohjekirja ei kata. Kun kahvikoneen uusi tulokas yrittää vaahdottaa maitoa, lähimmän pöydän barista nojaa kylkeen ja näyttää käden liikkeen: kuplia ensin, sitten sykäys pinnan alle. Kaksi minuuttia, ja espressobaari toimii taas. Tämä on sitä kuuluisaa hiljaista tietoa – taitoa, jota on vaikea kirjoittaa auki, mutta joka ratkaisee arjen.

Vuosikymmenten ajan organisaatiot ovat yrittäneet puristaa osaamisen kansioihin, intranetteihin ja tietokantoihin. Ajatus on ollut, että tieto on tallennettavissa: prosessikuvaus sinne, muistio tänne. Se, mikä on sanottavissa ja kirjoitettavissa, saadaan hallintaan. Se, mikä on kehossa, kokemuksessa ja tilanteen tajussa, jää ihmisten väliseen opetukseen – tai katoaa, kun tekijä lähtee.

Tuore arXiv-artikkeli ehdottaa toista suuntaa. Generatiivinen tekoäly – järjestelmät, jotka tuottavat tekstiä, kuvia ja muuta sisältöä syötteen perusteella – voisi auttaa kuromaan umpeen kuilua näkyvän ja hiljaisen tiedon välillä. Artikkelissa esitetään päivitetty malli tiedon synnystä ja kiertokulusta, GenAI SECI, joka on suunniteltu hyödyntämään erityisesti generatiivisen tekoälyn vahvuuksia.

Miksi tämä on kiinnostavaa? Siksi, että tutkimuksen mukaan suurin osa tekoälyä hyödyntävistä tiedonhallinnan ratkaisuista on keskittynyt juuri siihen, mikä on helppo kirjoittaa auki: dokumentteihin, sääntöihin, valmiisiin faktoihin. Hiljaisen tiedon käsittely on ollut pirstaleista. Uusi malli väittää, että nämä kaksi puolta voidaan nivoa toisiinsa aiempaa paremmin, jos annetaan koneiden työstää pienempiä, rikkonaisia tiedonpalasia – ja koota niistä tilanteeseen sopiva kokonaisuus.

Artikkelin ydin on käsite nimeltä “digitaalinen pirstaleinen tieto”. Yksinkertaistaen: sen sijaan, että yritettäisiin vangita koko taito yhteen ohjeeseen, kerätään monenlaisia sirpaleita – muistiinpanoja, keskustelukatkelmia, esimerkkitapauksia, ehkä kuvaus siitä, miltä onnistunut lopputulos näyttää. Nämä palat voivat kummuta sekä näkyvästä että hiljaisesta tiedosta. Generatiivinen tekoäly yrittää sitten yhdistellä niitä kulloinkin tarvittavalla tavalla. Pala palalta syntyy jotain, joka muistuttaa ihmisen antamaa opastusta.

Palataan kahvibaariin. Miten tämä näyttäytyisi käytännössä? Työn opastuksesta kertyy lyhyitä tekstinpätkiä, videoita ja huomioita: “anna höyryn ensin koskettaa pintaa”, “lopeta, kun kannu kuumenee käteen”, “ääni pehmenee lopussa”. Nämä eivät muodosta täydellistä käsikirjaa, mutta ne ovat käyttökelpoisia, kun tekoäly järjestelee niitä yhteen. Uusi tulokas kysyy: “Miksi vaahto on isokuplaista?” Järjestelmä kokoaa vastaukseksi muutaman sirpaleen: tyypillisimmät syyt ja seuraavan kokeiltavan liikkeen. Se ei korvaa mestarin katsetta, mutta voi paikata aukkoja, kun mestari ei ole paikalla.

GenAI SECI -malli rakentuu aiemmin tunnetun tiedonluonnin ajattelutavan varaan. Sen perusidea – artikkelin mukaan – on, että tieto syntyy liikkeessä näkyvän ja hiljaisen tiedon välillä: ihmisten vuorovaikutuksessa, sanoiksi pukemisessa, palasten yhdistelyssä ja oppimisessa. Uudessa versiossa nämä vaiheet on muotoiltu niin, että generatiivinen tekoäly voi osallistua niihin. Artikkeli esittelee myös teknisen arkkitehtuurin hahmotelman siitä, miten tällainen järjestelmä voisi toimia, sekä vertailun aiempiin malleihin.

Onko tämä vain kaunis ajatus? Artikkelin taustahuomio on realistinen: generatiivista tekoälyä otetaan jo käyttöön tiedonhallinnassa, ja tulokset ovat monin paikoin lupaavia – mutta painottuvat yhä siihen, minkä voi kirjoittaa auki. Uutuus on yritys käsitteellistää, miten samaa koneellista kyvykkyyttä voisi kytkeä myös hiljaisen tiedon suuntaan. Tällainen malli ei vielä todista, että ongelma on ratkaistu, mutta se tarjoaa kielen ja rungon, jonka varaan kokeiluja voi rakentaa.

Rajoituksiakin on syytä korostaa. Ensinnäkin kyse on nimenomaan malliehdotuksesta: tiivistetty ajattelukehikko ja järjestelmäluonnos. Se asettaa tavoitteita ja nimeää osia, muttei sellaisenaan takaa, että eri organisaatioissa syntyy laadukkaita tuloksia. Toiseksi artikkeli itse toteaa, että hiljaisen tiedon hallintaan liittyvä tutkimus on hajanaista. Se on kohtelias tapa sanoa, että kokonaisuutta ei vielä tunneta hyvin. Kolmanneksi uusi käsite, digitaalinen pirstaleinen tieto, kuulostaa hyödylliseltä, mutta käytännön rajaukset – mitä sirpaleita kannattaa kerätä, kuka ne hyväksyy, miten niiden laatu varmistetaan – jäävät väistämättä soveltajien ratkaistaviksi.

Silti suunta on kiinnostava. Jos tieto ymmärretään sirpaleisena ja tilanteisena, myös järjestelmien tehtävä muuttuu. Sen sijaan, että ne vain säilövät tiedon, niiden tulisi auttaa keskustelemaan sen kanssa. Generatiivinen tekoäly on parhaimmillaan juuri tällaisessa: se tuottaa ehdotuksia, luonnoksia ja muunnelmia. Kun materiaalina on sekä selkeästi kirjoitettu tieto että hiljaista osaamista heijastavat palat, lopputulos voi olla käytännölle lähempänä kuin perinteinen ohjekansio.

Laajempi kysymys jää ilmaan. Jos koneet pystyvät yhä paremmin kokoamaan ja jalostamaan hiljaisen tiedon sirpaleita, miten se muuttaa oppimista työpaikoilla? Tarvitaanko vähemmän mestari–kisälli-suhteita – vai syntyykö niille uusi rooli, jossa ihmisen tehtävä on opettaa konetta kuulemaan ja erottamaan olennaisen? Vastaus ei synny yhdessäkään paperissa. Mutta ajatus siitä, että hiljainen tieto on oikeastaan joukko digitaalisesti yhdisteltäviä palasia, muuttaa jo nyt tapaa, jolla osaamista voi ajatella.

Paper: https://arxiv.org/abs/2603.21866v1

Register: https://www.AiFeta.com

tekoäly tieto työelämä tutkimus hiljainentieto arxiv