看了罗胖“启发俱乐部”华为专场《怎么把知识变成资产》，谈一下我的肤浅想法。
 
知识是资产吗？

未必，很多时候知识是负债。因为学习新知识需要付出大量的金钱成本、宝贵的时间成本和机会成本。萃取实践中的经验也一样有高昂的萃取时间成本。没有知识变现（应用并产生价值）前，知识长期表现为负债。甚至，你的大部分知识，终其一生都表现为负债。
 
知识的学习和萃取成本非常高，一定要基于业务作战框架有目的地萃取。萃取收益通常都是边际效益递减的。三板斧能搞定80%，就不要折腾六板斧和九板斧。只有价值非常大，能长期被广泛复制的知识，才是企业和个人的资产。否则，多半是负债。
 
我非常重视学习和总结，但并不喜欢贩卖知识焦虑。李嘉诚的知识未必比你多，我们只需要聚焦做好工作的少数知识，力出一孔，做到专业精深即可。千万不要被“艺多不压身”、“书到用时方恨少”这些金句忽悠了。知识无涯，余生有限，唯有聚焦才有力量。
 
我们在华为经常提“华为最大的浪费是经验的浪费”，但这并不代表要沉淀所有的知识。知识学习和萃取的高成本，让我们要仔细思考：哪些才是必须积累的核心知识资产？哪些边缘知识是目前可以浪费的？每日三省吾身，并不需要回顾所有的细节，而是把对下一次战斗最有用的感悟沉淀下来。抓住主要矛盾和矛盾的主要方面，非主要矛盾暂时忽略，不用的千万别折腾。不管怎么做，你都必然丢弃一部分。
 
我一直把总结满天飞、流程满天飞作为知识管理的十大误区之二。要尽可能追求简单、粗暴、但有效。

当然，简单是相对的，也不要试图把本来复杂的事情过分简化。
 
如何判断萃取的重点？不要从经验不浪费出发，而是以客户为中心，从业务作战需求出发，以终为始，就不会偏航。

打赢一场仗，需要什么知识？

大部分知识本身基本没卵用，更准确地说是需要什么样的武器+战术！也就是，知识必须表现为作战的强大工具体系。美国空军牛逼，那是因为有最先进的应对各种场景的战斗机和适配的作战软件。不是因为萃取了几百万个作战案例，而是从案例再萃取中造出了最强大的武器，而且武器越来越智能化，对人的依赖越来越小，这才是知识管理的本质和方向。
 
实践案例：华为GSM的事故处理和网络性能，虽然经验无数，最终沉淀下来的作战武器就是那几板斧。网络性能从三板斧到九板斧到十六板斧，后面的普适场景越来越少，边际递减，就不要持续增加了。如果未来场景变化，则增加新板斧的同时，要剪除已过时或应用频率极低的知识：不是真的清除，只是从核心作战武器库中下架，真要有N年一遇的小概率事件发生，还是可以去查知识库。
 
2012-2014，公司大范围推AAR总结时，我们坚定地走基于业务作战的核心交付件（武器）体系。我不关心经验是否被浪费，只关心作战体系是否越来越强大。我们对知识管理的理解，都是实际业务压力逼出来的。
 
美中不足的是，2016年启动的运维智能化和知识图谱等工作没有坚持下来。
 
还记得我2018年退休前说的一句话：如果我不退休，只有智能化一件事情是我感兴趣的。
 
“因人而来”、“因事而变”是有道理的，但并非企业知识管理的重点。企业知识管理还是造尽可能通用化的武器。
 
罗胖老师介绍的知识萃取，更多是从《得到》知识传播视角出发，生动有趣，但和企业业务实战视角有些差异。企业必然急功近利，直奔作战武器而去，原理都不想花时间搞明白。
 
学习=学+习。学习的精髓是“习”。“习”的本意是实践和应用。只学不习，不能知行合一的都是耍流氓，这样貌似有用、未来总有用的伪知识基本都是负债。
 
总结=总+结。总，汇总，就是用一个碗把知识盛起来，显得学富五车，实际乱七八糟，基本没卵用。总结的精髓是“结”，也就是结网，和已有的体系关联，联结成可以用于作战的更强大武器体系。也就是美国空军的先进战机和作战软件，罗胖口中可以打仗、可以搞定事情的棍子。当然，专利也是武器。
 
未来，汇总是数字化自动完成。结，提炼萃取也是自动完成。人工智能的机器学习就是干这个事情。未来的机器智能比现在的人工智能更先进，不过于依赖于人的经验，可以自己探索新知。AlphaZero算是迈出了一步。
 
现在的咨询公司，如果不与时俱进，未来很难干过谷歌这样顶尖的人工智能公司。因为咨询本质就是卖知识（培训）和问题解决方案（业务咨询和管理咨询）。可以确定的是：功力深厚的老中医一定干不过凝聚了全球无数顶尖专家，且每时每刻都在进步，不需要休息也不会失恋的人工智能。最牛逼的老司机，也干不过自动驾驶，有场景化，但哪有什么个性化。
 
恐怖的事情来了：包括老师、顶级咨询师，甚至企业管理者会逐渐被AI取代，是未来20年内必然逐渐形成的现实。

谁和机器智能融合为一体，谁就有“铁甲护身，神功加持”，有非凡的战斗力。

否则，就洗洗睡吧。
 
留给我白呼企业经营管理和知识管理的时间，估计也就10年。

知识管理的核心在于应用

【20210520对罗胖华为演讲的回复】关于知识管理，分享几条我在公司17年的心得：
 
1、知识=解决问题的成功经验或失败教训。源于问题，用于问题，知行合一。

知识天然针对问题，并有显性和隐性场景。问题或场景迁移，则成功经验或失败教训可能失效，这是成功DNA很难复制的一个原因。第二个原因则是措施和结果的逻辑关联往往并不直接，很多成功者并不真正知道为何成功，导致很多总结的经验和教训本来就有问题，自然也难以复制。第三个原因是方法有效，但你未必具备条件（可以归入场景）。

成功=f（场景，措施，条件），如同IPO逻辑，I符合，P有效，才有期望的O。

PMI就是分阶段、分场景按IPO进行项目管理知识萃取的。
 
2、经验案例化：知识萃取（华为经常叫知识收割）要按场景、针对问题提取靠谱的结论。所谓靠谱，指措施和结果之间的充分和必要逻辑关系经得起正反两方面重复性验证：做了动作A会有结果B，没有动作A没有结果B。而多因素的复杂逻辑中，要找到经得起推敲，并普遍适用的底层逻辑实际非常困难。这种底层逻辑类似牛顿三定律，是普适规律，真正的知识，或者叫科学规律。

我们口中大部分的知识，缺乏严格验证，“DNA”往往既不充分，也不必要。可以参考启迪思维，但未必能直接抄作业。真正要掌握的是类似物理定律的相对普适的底层逻辑，且经得起时间和场景迁移的考验，虽然这很难。
 
3、案例工具化：保留挑战和场景，原汁原味完成萃取仅仅是知识管理的第一步。案例的高度场景化，导致知识并不好用，真正来一个问题，搜几百个案例，场景很难匹配，还是一头雾水，效率极低。知识要变成资产，要进入第二步：指定资深专家（领域知识Owner）对经典场景进行分类，对多个案例验证有效的措施进行再萃取，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（流程最终也要工具化，否则难以落地），称之为案例工具化。

华为实践：将几百篇通信系统事故分析和恢复案例提炼为简单有效的一键式事故恢复工具。复杂场景被淡化，好处是可以傻瓜式使用，经常就是简单、粗暴、但有效的三板斧，如同不懂汽车但可以开车，车出问题交给专家修理。专家就是解决没有工具化的新问题或复杂场景问题。已知问题尽可能工具化，80%有效也很好。
 
4、工具产品化：作为设备提供商，案例工具化下一步是将常用工具作为产品内置的一部分，进行产品化，核心知识被沉淀、继承下来。

而产品研发过程中的知识和经验，则被平台+一堆设计准则和工具沉淀下来，确保经验不浪费。当然，这一步华为各部门也做得参差不齐。
 
5、产品智能化：知识管理再往下演进则是自动萃取知识。人工智能的机器学习本身就是干这个事情。各公司十四五规划中热火朝天的数字化也是干这个事情。和自动化、信息化提升生产、办公效率不同，数字化/智能化有可能产生全新业务模式，会创造之前没有的新知识，也就是，从已有知识提炼到知识创造。过去的专家系统、以及当前大数据喂出来的人工智能还是知识提炼，但机器智能是可以自探索的，并不需要大量人工来实现智能。基于数字化实现智能化是未来10年确定性的趋势。
 
知识管理进阶：经验案例化→案例流程化→流程工具化→工具产品化→产品智能化。

萃取只是KM第一个环节，知识管理的核心在于应用，华为最典型的应用就是事故恢复和网络性能，经历了全员写案例、高手开发分析和恢复工具、SE内置自恢复产品、逐渐智能化的全过程。
 
作为第一个产品线CKO，我知道华为也没有做得太好（我这个兼职的CKO干得不称职）。

来源：乔诺之声；作者：凌湘寿，乔诺战略管理首席专家，华为公司原2G&3G&CDMA三大产品线研发总裁