Få ut expertkunskapen ur folks huvuden med AI-intervjuer

Alla företag har några personer som alla andra går till. Den som vet varför just den kunden har andra betalningsvillkor. Den som kan se på ett foto om en reklamation är värd att granska närmare. De har inte lärt sig det ur en manual, och det står inte i någon. Det är tyst kunskap.

När någon av dem går i pension, byter jobb eller bara är på semester märker du hur mycket av företaget som gick genom deras huvud.

Varför dokumentationsprojekt kör fast

Det vanliga sättet att hantera kunskapsöverföring vid pensionsavgångar och jobbyten är att säga “vi skriver ner det”. Någon får uppdraget att dokumentera processen, det finns en mall, ett slutdatum, kanske en wiki. Några månader senare har du ett par långa sidor som beskriver normalfallet bra och hoppar över det som spelar roll.

Det handlar inte om lathet. Experter är dåliga på att räkna upp vad de kan, eftersom det mesta inte känns som kunskap för dem. Det känns som sunt förnuft. Frågar du “hur hanterar du returer?” får du de fem steg som alla redan känner till. Undantagen kommer fram först när någon frågar om ett specifikt fall.

Att skriva tar dessutom tid som experterna inte har, för en läsare de inte kan föreställa sig. Så dokumentet blir liggande halvfärdigt.

Det en intervju gör bättre

En bra intervjuare frågar inte efter processen, utan efter fall. “Berätta om den senaste returen som inte gick som vanligt.” “Vad skulle du göra om kunden är en grossist?” “Du sa alltid. Finns det tillfällen då du inte gör så?”

Det är så undantagen kommer fram, och det är så du fångar expertkunskap: ett konkret exempel i taget, med följdfrågor på allt som låter som en regel.

Tills nyligen krävde det en person med tid och en viss vana, oftast en konsult. Nu kan en AI hålla den sortens intervju. Den har tålamod, den finns tillgänglig när experten har tid och den håller reda på vad den har hört.

Så fungerar AI-intervjuer i praktiken

Vi håller dem muntligt, eftersom det går fortare att prata än att skriva och folk förklarar mer när de pratar. En vanlig omgång ser ut så här:

1. Förberedelse. AI:n får det som redan finns om ämnet: gamla wikisidor, en checklista, chefens korta beskrivning av området. Den letar efter luckor och motsägelser innan samtalet börjar.
2. Samtalet. Tjugo till trettio minuter om ett ämne. AI:n frågar först om normalfallet, sedan om undantagen och till sist om två verkliga exempel. När ett svar motsäger ett dokument frågar den vilket som gäller nu.
3. Utkast till regler. Ur samtalet blir det korta påståenden med ett skäl, till exempel “Grossistkunder har 60 dagars betalningsvillkor eftersom våra avtal med dem säger det.”
4. Granskning. Experten läser utkasten och rättar dem. Sedan godkänner ämnets Owner dem. Bara godkända regler gäller.

Experten lägger en halvtimme på att prata och tio minuter på att läsa. Det är mycket lättare att få in i en kalender än ett dokumentationsprojekt.

Det här ska du se upp med

Intervjua rätt person om rätt sak. Ett ämne per samtal, och med den som faktiskt gör jobbet, inte bara den som leder det.

Håll transkriptet utanför resultatet. Ett transkript är råmaterial. Ingen läser två timmars samtal, och en AI som gör det behandlar varje halv mening som en regel. Det du vill ha i slutet är korta regler som någon har kontrollerat.

Fråga innan du spelar in. Folk pratar friare när de vet vad som händer med inspelningen och vem som läser resultatet. Inom EU är det också en dataskyddsfråga: berätta vad du sparar, var och hur länge.

Stanna inte vid insamlingen. Kunskap som inte används blir inaktuell. Reglerna behöver hamna där människor och AI faktiskt arbetar, och någon måste äga dem när saker förändras.

Ett litet första steg

Välj den person vars semester alla bävar inför. Välj ett ämne som den personen ansvarar för. Boka trettio minuter och fråga om de tre senaste fallen som inte gick som vanligt. Skriv ner varje svar som en regel med ett skäl.

Du får troligen ut fler regler av den halvtimmen än av det senaste dokumentationsprojektet.

I CtxCore Brain är de här intervjuerna inbyggda: AI:n förbereder sig med det du redan har, pratar med dina experter, gör om svaren till utkast till regler och skickar dem till rätt Owner för godkännande. Godkända regler går ut till alla AI-verktyg du använder. Mer om idén bakom finns i Vad är en company brain?