Вопрос, который никто не задавал вслух
Представьте: вы нанимаете менеджера по продажам. В его резюме написано «опыт работы 5 лет». Вы проводите собеседование, он уверенно отвечает на вопросы. Вы берёте его на работу.
Через три месяца выясняется: он умеет красиво говорить о продажах, но ни разу не доводил сложную сделку с корпоративным заказчиком до подписания договора. Пять лет опыта — это пять лет присутствия в компании, а не пять лет результативных продаж.
Откуда взялась эта проблема? Из того, как мы исторически понимали и учитывали знание.
Как знание учитывали раньше
Метод первый: диплом и сертификат
Классический подход — знание подтверждается документом. Окончил университет — знаешь. Сдал экзамен — умеешь. Получил сертификат — компетентен.
Проблема очевидна: диплом описывает то, чему тебя учили, а не то, что ты умеешь делать. Между этими вещами — пропасть.
Метод второй: грейды и уровни
Компании придумали системы грейдов: junior, middle, senior. Или матрицы компетенций с оценками от 1 до 5. Раз в год — аттестация, оценка, разговор с руководителем.
Проблема: оценка субъективна. Два разных руководителя поставят одному человеку разные оценки. А главное — оценка статична: вчера поставили 4, и она висит до следующей аттестации, хотя человек за это время мог совершить 200 успешных сделок или не сделать ни одной.
Метод третий: учебные часы и курсы
HR-системы научились считать: сколько часов обучения прошёл сотрудник, сколько курсов завершил, какой процент тестов сдал. Корпоративные университеты строили целые платформы.
Проблема: прохождение курса — это не знание. Это знакомство с материалом. Знание появляется только тогда, когда человек применил материал в реальной работе и получил результат.
Метод четвёртый: KPI и метрики
Умные компании перешли к измерению результатов: количество сделок, выручка, NPS клиентов. Это уже ближе к правде — мы смотрим не на то, что человек знает в теории, а на то, что он производит.
Проблема: KPI фиксирует факт результата, но не объясняет, через какие конкретно действия он был достигнут. И поэтому не позволяет воспроизвести успех систематически, передать его другому человеку или предсказать вероятность успеха в новой ситуации.
Что такое знание на самом деле
В КиберМозге мы пришли к простому и радикальному определению:
Знание — это способность достигать цель. Если достиг — знаешь. Если не достиг — значит, чего-то не знаешь и какими-то ресурсами не управляешь.
Из этого следует операциональная мера знания:
Знание = количество раз, когда агент или человек выполнил конкретную работу и достиг результата.
Не часы в аудитории, не оценка на экзамене, не мнение руководителя, а число успешных выполнений конкретной практики.
Например, так: Трушкин Сергей 25 раз продал Фабрику ИИ университету и каждый раз получил подписанный договор. Значит, его знание в практике «Продажа Фабрики ИИ ВУЗу» равно 25. Вероятность успешной 26-й продажи — высокая. Это не метафора. Это буквально число в базе данных.
Практика — единица знания
Чтобы считать знание как число, нам нужно определить, что именно мы считаем. В КиберМозге эта единица называется практика.
Практика — это шаблон работы: что делается, с каким результатом, из каких подшагов состоит. Без привязки к конкретной дате, месту или человеку.
Практики образуют иерархию по масштабу. Масштаб определяется двумя вещами: сколько времени занимает один цикл и из скольких подпрактик состоит.
СЕКУНДЫ: Нажатие клавиши на клавиатуре
└── МИНУТЫ: Написание абзаца текста
└── ЧАСЫ: Написание аналитического документа
└── ДНИ: Подготовка коммерческого предложения
└── МЕСЯЦЫ: Продажа Фабрики ИИ ВУЗу
Когда Трушкин Сергей проводит командировку в университет и заключает там соглашение о сотрудничестве, он одновременно прибавляет по одному очку знания сразу на нескольких уровнях иерархии:
- +1 к «Продажа Фабрики ИИ ВУЗу» (месяцы)
- +1 к «Командировка в партнёрскую организацию» (дни)
- +1 к «Переговоры с ректором» (часы)
- +10 000 к «Набор текста» (секунды, за время переписки)
Это называется параллельным накоплением знания. Одна работа обогащает граф компетенций сразу на всех уровнях.
Почему это граф, а не таблица
Старые системы учёта компетенций — это таблицы. Строки — сотрудники. Столбцы — навыки. В ячейках — оценки. Плоская структура.
Реальность устроена иначе. Практики вложены друг в друга. Объекты связаны с работами. Работы зависят от состояния ресурсов. Ресурсы принадлежат элементам объектов. Всё это — граф.
В КиберМозге граф — это буквально база данных Neo4j с миллионами узлов. Узлы — это люди, объекты, практики, работы, роли. Рёбра — это связи: «человек выполнил работу», «работа является экземпляром практики», «практика содержит подпрактику», «работа требует ресурс на складе».
Граф — это и есть знание системы. Если в графе есть подграф «Командировка Дубна → Политех» и он был активирован 3 раза с успешными результатами — система знает, как делать такие командировки. Она может воспроизвести этот подграф автоматически, когда обнаружит потребность.
Командировка как пример: что происходит в системе
Возьмём конкретный случай. 30 августа Трушкин Сергей должен быть на встрече в Политехе на Электрозаводской. Сейчас он в Дубне.
Старый подход: кто-то должен вспомнить, что нужно купить билет, пополнить карту Тройка, договориться о встрече заранее. Если забыл — командировка срывается.
Подход КиберМозга:
Шаг 1. Детектор дефицита обнаруживает несоответствие
В графе зафиксировано целевое состояние: «Трушкин в Политехе 30.08 в 10:00». Текущее состояние: «Трушкин в Дубне». Дефицит обнаружен. Запускается следующий шаг автоматически.
Шаг 2. Репликатор достаёт нужный подграф из памяти
Система находит в графе последнее успешное выполнение практики «Командировка Дубна → Политех» — это была поездка 27 мая. Берёт все её элементы: маршрут, стоимости, временные интервалы, список встреч.
Шаг 3. Система проверяет, готовы ли ресурсы
Для командировки нужно:
- Банковская карта РЦМ с балансом ≥ 690 рублей
- Карта Тройка с балансом ≥ 75 рублей
- 5 часов свободного времени в календаре
- Дарья и Марина подтвердили встречу
Если что-то не готово — для каждого дефицита создаётся своя подработа. «Пополнить Тройку». «Согласовать время с Мариной до 20 августа». Каждая из этих подработ тоже проверяет свои ресурсы.
Шаг 4. Создаётся план
Все работы, все изменения ресурсов, все дельты на складах — всё создаётся автоматически на основе исторической памяти. Если прошлая командировка стоила 675 рублей на электричку, система планирует ~690 рублей (с небольшой поправкой на вариацию цен).
Шаг 5. По мере выполнения план становится фактом
Куплен билет — дельта -690 рублей на карте становится фактической. Встреча состоялась — это +1 к знанию практики «Переговоры в ВУЗе». Список кандидатов составлен — склад «участники пилотной группы» меняется с 0 до 20.
Как трансформируется подготовка сотрудников
В традиционной модели подготовка выглядит так:
Определили необходимые навыки
→ Нашли курс или тренинг
→ Сотрудник прошёл обучение
→ Получил оценку
→ Считается «обученным»
В этой цепочке нет ни одного момента, где реально проверяется способность достигать результат.
В модели КиберМозга цепочка другая:
Определили целевую роль → нашли пороговые значения знания по практикам
→ Обнаружили дефицит знания по конкретным практикам
→ Составили план работ для закрытия дефицита
→ Человек выполнил работы и получил результаты
→ Счётчик знания вырос до порогового значения
→ Роль считается освоенной
Разница фундаментальная. Мы не учим человека — мы создаём ему условия для выполнения реальных работ с реальными результатами. Знание появляется только как побочный эффект успешной работы. Никак иначе.
Пример: как выглядит GAP-анализ в новой парадигме
Допустим, нам нужен «Менеджер по развитию партнёрств в EdTech». Роль определяется профилем порогов:
| Практика | Порог | Трушкин | Статус |
|---|---|---|---|
| Продажа Фабрики ИИ ВУЗу | ≥ 10 | 25 | ✓ |
| Переговоры с ректором | ≥ 20 | 12 | — нужно +8 |
| Составление коммерческого предложения | ≥ 10 | 18 | ✓ |
| Составление списка кандидатов | ≥ 10 | 2 | — нужно +8 |
| Командировка в партнёрскую организацию | ≥ 5 | 3 | — нужно +2 |
Результат GAP-анализа покажет, что не «не хватает навыков переговоров», а конкретно: нужно выполнить ещё 8 переговоров с ректорами и получить результат. Не курс пройти, а спланировать и выполнить.
Система автоматически создаёт план: 8 командировок в университеты в ближайшие 6 месяцев, с нужными встречами. Детектор дефицита видит, что склад «знание: переговоры с ректором» не достиг порога, и запускает репликатор.
Знание системы против знания человека
Здесь возникает важное различие, которое мы в КиберМозге считаем принципиальным.
Когда Трушкин Сергей 25 раз продал Фабрику ИИ университетам — это его личное знание. Оно хранится в его голове и в его истории работ.
Но если всё это зафиксировано в графе системы, то знание перестаёт быть только личным. Система тоже «знает», как делаются такие продажи. У неё есть подграф с инвариантной структурой (какие встречи нужны, в какой последовательности, какие ресурсы требуются) и набором допустимых вариаций (кто именно в университете, какая стоимость поездки, сколько итераций).
Это означает, что система может:
- Обучать нового сотрудника не через курсы, а через план работ. Новому человеку не нужно объяснять теорию продаж EdTech. Система видит его нулевые счётчики по нужным практикам, создаёт план реальных работ, обеспечивает ресурсами и контекстом.
- Сохранять знание при уходе сотрудника. Когда опытный человек уходит из компании, традиционно «уходит и его знание». В КиберМозге знание зафиксировано в графе как подграфы с параметрами. Человек уходит, но граф остаётся.
- Масштабировать успешные практики. Нашли один работающий способ продажи — система может реплицировать его на 10 новых менеджеров, каждому создав индивидуальный план работ.
- Замечать деградацию знания. Если сотрудник давно не выполнял практику — счётчик не растёт, а при сравнении с требованиями роли появляется дефицит. Не через субъективную аттестацию раз в год, а через постоянный мониторинг состояния складов.
Мышление как операция над графом
Есть ещё один уровень, который делает этот подход особенным.
Традиционно «мышление» — это что-то нематериальное, трудно уловимое. В КиберМозге у него есть операциональное описание.
Мышление — это создание новых связей между существующими узлами графа.
Когда мы в ходе нашего разговора связали «Программу 500+» с «Политехом» и «командировкой» и получили «пилотную группу экспертов» — в графе системы появилось новое ребро, которого не было до этого разговора. Это буквально новая мысль, зафиксированная как структура данных.
Человек с богатым графом связей — это человек с развитым мышлением. Система с большим количеством подграфов и их успешных активаций — это система с глубоким знанием.
Разница между опытным специалистом и новичком — это разница в плотности и глубине графа компетенций. И теперь эту разницу можно измерить.
Что это меняет для организации
Если коротко: знание становится таким же управляемым ресурсом, как деньги или время.
- Можно увидеть: где знаний достаточно, где дефицит, где риск срыва работы из-за недостаточного знания в производящей системе.
- Можно планировать: сколько выполнений практики нужно, чтобы закрыть GAP, какие командировки и встречи для этого спланировать, что должно быть готово заранее.
- Можно прогнозировать: если у нас есть сотрудник с 25 продажами ВУЗу в истории — вероятность успешной 26-й высокая. Если с 2 — риск существенный, нужна поддержка.
- Можно воспроизводить: граф с историей успешных подграфов — это корпоративная память, которая не исчезает при уходе людей.
Итак, вот что получается в сухом остатке
Знание всегда было самым ценным ресурсом организации и самым плохо управляемым. Мы оценивали его косвенно — через дипломы, грейды, часы обучения. Мы хранили его ненадёжно — в головах людей, в неструктурированных документах. Мы теряли его регулярно — при увольнениях, реорганизациях, просто с течением времени.
В КиберМозге знание — это число выполнений практики с достигнутым результатом. Это подграф в глобальном графе системы. Это счётчик на складе агента, который растёт с каждой успешной работой и никогда не исчезает бесследно.
Первый раз Трушкин Сергей поехал в Политех без системы — просто поехал и провёл встречи.
В следующий раз система сама обнаружит потребность, сама проверит ресурсы, сама составит план, сама создаст записи об изменениях на складах после выполнения.
И после третьей, пятой, десятой такой поездки система будет знать о командировках в Политех лучше, чем любой отдельно взятый человек, потому что она помнит все детали всех выполнений, видит инварианты и вариации, умеет предсказывать и воспроизводить.
Это и есть КиберМозг: организация, у которой есть память, которая умеет учиться и которая превращает опыт людей в воспроизводимое знание системы.