Capítulo 11: Administración del conocimiento
La administración del conocimiento se ha convertido en un asunto primordial en muchas empresas grandes a medida que los gerentes se han percatado de que una parte importante del valor de sus empresas depende de la capacidad de las mismas para crear y administrar el conocimiento.
La administración del conocimiento se ha convertido en un asunto primordial en muchas empresas grandes a medida que los gerentes se han percatado de que una parte importante del valor de sus empresas depende de la capacidad de las mismas para crear y administrar el conocimiento.
El panorama de administración del conocimiento
Dimensiones importantes del conocimiento
Los datos son un flujo de eventos o transacciones captados por los sistemas de una organización que, por sí mismos, tan sólo son útiles para realizar transacciones.
Para transformar la información en conocimiento se debe invertir recursos adicionales para descubrir patrones, reglas y contextos donde funcione el conocimiento. Por último, se considera que la sabiduría consiste en la experiencia colectiva e individual de aplicar el conocimiento a la solución de problemas. Ésta incluye el dónde, cuándo y cómo aplicar el conocimiento.
El conocimiento es un atributo tanto individual como colectivo de la empresa. El conocimiento que reside en la mente de los empleados y que no se ha documentado se denomina conocimiento tácito, en tanto que el conocimiento que ya ha sido documentado es el conocimiento explícito.
Con conocimiento las empresas llegan a ser más eficientes y eficaces en el uso de sus recursos escasos.
Aprendizaje organizacional
A través de la recopilación de datos, una cuidadosa medición de las actividades planeadas, métodos de prueba y error, y retroalimentación de los clientes y del entorno en general, las organizaciones obtienen experiencia. Las organizaciones que aprenden, ajustan su comportamiento por medio de la creación de nuevos procesos de negocios y cambiando sus patrones de toma de decisiones administrativas. A este proceso de cambio se le llama aprendizaje organizacional. Las organizaciones que pueden percibir y responder rápidamente a sus entornos sobrevivirán por más tiempo.
La cadena de valor de la administración del conocimiento
La administración del conocimiento se refiere al conjunto de procesos de negocios desarrollado en una organización para crear, almacenar, transferir y aplicar el conocimiento. Esto incrementa la capacidad de la organización para aprender de su entorno y para incorporar el conocimiento en sus procesos de negocios.
En el caso de la administración del conocimiento, se deben construir valores, estructuras y patrones de comportamiento que ofrezcan apoyo para maximizar el retorno de la inversión en los proyectos de administración del conocimiento.
Los cinco pasos para agregar valor en la cadena de valor de la administración del conocimiento son:
1. Adquisición del conocimiento: Los primeros sistemas de administración del conocimiento buscaban construir repositorios de documentos, informes, presentaciones y mejores prácticas. Esto se ha ampliado para incluir documentos no estructurados. En otros casos, las organizaciones adquieren conocimiento al desarrollar redes de expertos en línea con el propósito de que en la empresa los empleados “encuentre al experto” que posea el conocimiento.
2. Almacenamiento del conocimiento: implica la creación de una base de datos. Los sistemas expertos ayudan a las corporaciones a preservar el conocimiento adquirido incorporándolo en los procesos y la cultura de la organización.
3. Diseminación del conocimiento: La tecnología contemporánea ha creado una gran cantidad de información y conocimiento. Los programas de capacitación, las redes informales y la experiencia compartida en administración a través de la cultura de apoyo ayudan a los gerentes a enfocar su atención en el conocimiento y la información que son importantes.
4. Aplicación del conocimiento: El conocimiento que no se comparte ni se aplica a los problemas que en la práctica enfrentan las empresas y los gerentes no agrega valor de negocios.
El conocimiento organizacional debe convertirse en una parte sistemática de la toma de decisiones administrativas e integrarse en los sistemas de apoyo a la toma de decisiones.
Construcción del capital organizacional
Los gerentes pueden colaborar desarrollando nuevos roles y responsabilidades organizacionales para la adquisición de conocimiento.
El director del conocimiento es el ejecutivo responsable del programa de administración del conocimiento de la empresa. Éste ayuda a diseñar programas y sistemas para concentrar nuevas fuentes de conocimiento o para usar de mejor manera el conocimiento existente en los procesos organizacionales y administrativos.
Las comunidades de práctica son redes sociales informales de profesionales y empleados, tanto dentro como fuera de la empresa, que tienen actividades e intereses similares relacionados con el trabajo. Estas pueden facilitar la reutilización del conocimiento al orientar a los miembros de la comunidad hacia documentos útiles, crear repositorios de documentos y filtrar información para los recién ingresados. Los miembros de la comunidad fungen como facilitadores, promoviendo las contribuciones y la discusión. La comunidades pueden reducir la curva de aprendizaje de empleados nuevos al proporcionar contactos con expertos en la materia y acceso a los métodos y herramientas establecidos de una comunidad. Las comunidades pueden ser terreno fértil para la generación de nuevas ideas, técnicas y toma de decisiones.
Tipos de sistemas de administración del conocimiento
Son tres los principales tipos de sistemas de administración del conocimiento:
Sistemas de administración del conocimiento a nivel empresarial
Estos sistemas incluyen capacidades para almacenar datos estructurados y no estructurados; herramientas para localizar empleados expertos dentro de la empresa, y capacidades para obtener datos e información de sistemas de transacciones clave, como aplicaciones empresariales, y de sitio Web. Incluyen tecnologías de apoyo como portales, motores de búsqueda y herramientas de colaboración para ayudar a los empleados a buscar en la base del conocimiento corporativa, comunicarse y colaborar con otros tanto dentro como fuera de la empresa, y aplicar el conocimiento almacenado a nuevas situaciones.
Veamos cada uno de los tres subsistemas
• Sistema de conocimiento estructurado: el principal problema al manejar el conocimiento estructurado es crear un esquema de clasificación adecuado para organizar la información en categorías significativas, en una base de datos del conocimiento que sea más fácil el acceso para los empleados. Luego cada documento tiene que etiquetarse para que los motores de búsqueda lo puedan recuperar y se mejore la calidad de los resultados de búsqueda. Estos sistemas realizan la función de implementar el etiquetado, estableciendo una interfaz con las bases de datos corporativas donde se almacenan los documentos y creando un entorno de portal empresarial para que lo utilicen los empleados cuando busquen conocimiento corporativo.
• Sistema de conocimiento semiestructurado: la información semiestructurada consta de toda la información digital de una empresa que no se encuentra como documento formal o informe formal. Las empresas cada vez están más obligadas a administrar y dar seguimiento a este contenido para cumplir con la ley Sarbanes-Oxley y con otras legislaciones gubernamentales, y a administrar sus activos de información de una manera más eficiente.
• Sistemas de redes de conocimiento: solucionan el problema que se presenta cuando el conocimiento apropiado es conocimiento tácito que reside en la memoria de individuos expertos de la empresa. Los sistemas de redes de conocimiento ofrecen un directorio en línea de expertos corporativos en dominios del conocimiento bien definidos y utilizan tecnologías de comunicaciones para facilitar que los empleados encuentren el experto apropiado en una empresa. Algunos sistemas van más allá, sistematizando las soluciones desarrolladas por los expertos y las almacenan en una base de datos de conocimiento en forma de repositorios de mejores prácticas o de preguntas más frecuentes.
Sistemas de trabajo del conocimiento
Las empresas también cuentan con sistemas especializados para ayudar a los trabajadores del conocimiento a crear nuevo conocimiento y para garantizar que este conocimiento se integre apropiadamente en el negocio.
Los trabajadores del conocimiento abarcan a los investigadores, diseñadores, arquitectos, científicos e ingenieros que emplean principalmente conocimiento e información para la organización. Desempeñan tres roles que son críticos para la organización y para los gerentes de la misma:
♣ Mantienen actualizado el conocimiento de la organización a medida que éste se desarrolla en el mundo externo.
♣ Fungen como consultores internos en las áreas de su conocimiento, en los cambios que se susciten y en las oportunidades que se presenten.
♣ Actúan como agentes de cambio, evaluando, iniciando y promoviendo proyectos de cambio.
Técnicas inteligentes
Los sistemas expertos, el razonamiento basado en casos y la lógica difusa se utilizan para captar el conocimiento tácito. Las redes neuronales y la minería de datos se emplean para el descubrimiento del conocimiento. Estas técnicas pueden descubrir patrones, categorías y comportamientos subyacentes en grandes conjuntos de datos que los gerentes por sí solos no podrían descubrir ni a través de la simple experiencia. Los algoritmos genéticos se utilizan para generar soluciones a problemas demasiado grandes y complejos para que los individuos los analicen en forma personal. Los agentes inteligentes pueden automatizar tareas de rutina para ayudar a las empresas a buscar y filtrar información útil para el comercio electrónico, la administración de la cadena de suministro y otras actividades.
♣Sistemas expertos: son una técnica inteligente para captar el conocimiento tácito de un dominio muy específico y limitado del conocimiento práctico humano. Estos sistemas captan el conocimiento de empleados habilidosos en forma de un conjunto de reglas en un sistema de software que pueda ser utilizado por otros miembros de la organización. El conjunto de reglas del sistema experto se agrega a la memoria o aprendizaje almacenado, de la empresa.
La estrategia utilizada para realizar búsquedas a través de la base del conocimiento se llama motor de inferencia. Por lo común se utilizan dos estrategias:
a. Encadenamiento hacia adelante: el motor de inferencia inicia con la información introducida por el usuario y busca en la base del conocimiento para llegar a una conclusión. La estrategia es encender, la acción de la regla cuando una condición es verdadera.
b. Encadenamiento hacia atrás: la estrategia para buscar en la base del conocimiento inicia con una hipótesis y prosigue haciendo preguntas al usuario sobre hechos seleccionados hasta que se apruebe o desapruebe la hipótesis.
Los sistemas expertos proporcionan a las organizaciones diversos beneficios, como mejora en la toma de decisiones, errores reducidos, tiempo de capacitación reducido y altos niveles de calidad y servicio.
Redes neuronales
Las redes neuronales se utilizan para resolver problemas complejos, deficientemente comprendidos, de los cuales se ha recopilado una gran cantidad de datos. Estas redes encuentran patrones y relaciones en vastas concentraciones de datos. Las redes neuronales descubren este conocimiento por medio de hardware y software que imitan los patrones de procesamiento del cerebro humano. Las redes neuronales “aprenden” patrones a partir de grandes cantidades de datos, filtrando los datos en busca de relaciones, construyendo modelos y corrigiendo una y otra vez los errores del modelo.
Los diseñadores de redes neuronales buscan poner inteligencia dentro del hardware en forma de una capacidad generalizada para aprender.
Algoritmos genéticos
Los algoritmos genéticos son útiles para encontrar la mejor solución a un problema específico a través del análisis de una gran cantidad de soluciones posibles para ese problema.
Una cantidad de problemas de negocios requieren optimización. Si estas situaciones son muy dinámicas y complejas, e implican a cientos o miles de variables o fórmulas, los algoritmos genéticos pueden agilizar la solución porque pueden evaluar rápidamente grandes volúmenes y diferentes alternativas de solución para encontrar la mejor.
Sistemas híbridos
Los algoritmos genéticos, la lógica difusa, las redes neuronales y los sistemas expertos se pueden integrar en una única aplicación para aprovechar las mejores características de estas tecnologías. A dichos sistemas se les llama sistemas híbridos.
Agentes inteligentes
Los agentes inteligentes son programas de software que trabajan en segundo plano sin intervención directa de personas para realizar tareas específicas, repetitivas y predecibles, para un usuario individual, un proceso de negocios o una aplicación de software. El agente usa una base del conocimiento integrada o aprendida para cumplir tareas o tomar decisiones en beneficio del usuario, como para borrar correo electrónico basura, programar citas o viajar a través de redes interconectadas para encontrar la tarifa aérea más barata.
Por ejemplo, los asistentes incorporados en las herramientas de software de Office tienen capacidades integradas para mostrar al usuario la manera de realizar diversas tareas.
Se han desarrollado aplicaciones de modelado basado en agentes para modelar el comportamiento de consumidores, mercados accionarios y cadenas de suministro, así como para pronosticar la propagación de epidemias.
Dimensiones importantes del conocimiento
Los datos son un flujo de eventos o transacciones captados por los sistemas de una organización que, por sí mismos, tan sólo son útiles para realizar transacciones.
Para transformar la información en conocimiento se debe invertir recursos adicionales para descubrir patrones, reglas y contextos donde funcione el conocimiento. Por último, se considera que la sabiduría consiste en la experiencia colectiva e individual de aplicar el conocimiento a la solución de problemas. Ésta incluye el dónde, cuándo y cómo aplicar el conocimiento.
El conocimiento es un atributo tanto individual como colectivo de la empresa. El conocimiento que reside en la mente de los empleados y que no se ha documentado se denomina conocimiento tácito, en tanto que el conocimiento que ya ha sido documentado es el conocimiento explícito.
Con conocimiento las empresas llegan a ser más eficientes y eficaces en el uso de sus recursos escasos.
Aprendizaje organizacional
A través de la recopilación de datos, una cuidadosa medición de las actividades planeadas, métodos de prueba y error, y retroalimentación de los clientes y del entorno en general, las organizaciones obtienen experiencia. Las organizaciones que aprenden, ajustan su comportamiento por medio de la creación de nuevos procesos de negocios y cambiando sus patrones de toma de decisiones administrativas. A este proceso de cambio se le llama aprendizaje organizacional. Las organizaciones que pueden percibir y responder rápidamente a sus entornos sobrevivirán por más tiempo.
La cadena de valor de la administración del conocimiento
La administración del conocimiento se refiere al conjunto de procesos de negocios desarrollado en una organización para crear, almacenar, transferir y aplicar el conocimiento. Esto incrementa la capacidad de la organización para aprender de su entorno y para incorporar el conocimiento en sus procesos de negocios.
En el caso de la administración del conocimiento, se deben construir valores, estructuras y patrones de comportamiento que ofrezcan apoyo para maximizar el retorno de la inversión en los proyectos de administración del conocimiento.
Los cinco pasos para agregar valor en la cadena de valor de la administración del conocimiento son:
1. Adquisición del conocimiento: Los primeros sistemas de administración del conocimiento buscaban construir repositorios de documentos, informes, presentaciones y mejores prácticas. Esto se ha ampliado para incluir documentos no estructurados. En otros casos, las organizaciones adquieren conocimiento al desarrollar redes de expertos en línea con el propósito de que en la empresa los empleados “encuentre al experto” que posea el conocimiento.
2. Almacenamiento del conocimiento: implica la creación de una base de datos. Los sistemas expertos ayudan a las corporaciones a preservar el conocimiento adquirido incorporándolo en los procesos y la cultura de la organización.
3. Diseminación del conocimiento: La tecnología contemporánea ha creado una gran cantidad de información y conocimiento. Los programas de capacitación, las redes informales y la experiencia compartida en administración a través de la cultura de apoyo ayudan a los gerentes a enfocar su atención en el conocimiento y la información que son importantes.
4. Aplicación del conocimiento: El conocimiento que no se comparte ni se aplica a los problemas que en la práctica enfrentan las empresas y los gerentes no agrega valor de negocios.
El conocimiento organizacional debe convertirse en una parte sistemática de la toma de decisiones administrativas e integrarse en los sistemas de apoyo a la toma de decisiones.
Construcción del capital organizacional
Los gerentes pueden colaborar desarrollando nuevos roles y responsabilidades organizacionales para la adquisición de conocimiento.
El director del conocimiento es el ejecutivo responsable del programa de administración del conocimiento de la empresa. Éste ayuda a diseñar programas y sistemas para concentrar nuevas fuentes de conocimiento o para usar de mejor manera el conocimiento existente en los procesos organizacionales y administrativos.
Las comunidades de práctica son redes sociales informales de profesionales y empleados, tanto dentro como fuera de la empresa, que tienen actividades e intereses similares relacionados con el trabajo. Estas pueden facilitar la reutilización del conocimiento al orientar a los miembros de la comunidad hacia documentos útiles, crear repositorios de documentos y filtrar información para los recién ingresados. Los miembros de la comunidad fungen como facilitadores, promoviendo las contribuciones y la discusión. La comunidades pueden reducir la curva de aprendizaje de empleados nuevos al proporcionar contactos con expertos en la materia y acceso a los métodos y herramientas establecidos de una comunidad. Las comunidades pueden ser terreno fértil para la generación de nuevas ideas, técnicas y toma de decisiones.
Tipos de sistemas de administración del conocimiento
Son tres los principales tipos de sistemas de administración del conocimiento:
Sistemas de administración del conocimiento a nivel empresarial
Estos sistemas incluyen capacidades para almacenar datos estructurados y no estructurados; herramientas para localizar empleados expertos dentro de la empresa, y capacidades para obtener datos e información de sistemas de transacciones clave, como aplicaciones empresariales, y de sitio Web. Incluyen tecnologías de apoyo como portales, motores de búsqueda y herramientas de colaboración para ayudar a los empleados a buscar en la base del conocimiento corporativa, comunicarse y colaborar con otros tanto dentro como fuera de la empresa, y aplicar el conocimiento almacenado a nuevas situaciones.
Veamos cada uno de los tres subsistemas
• Sistema de conocimiento estructurado: el principal problema al manejar el conocimiento estructurado es crear un esquema de clasificación adecuado para organizar la información en categorías significativas, en una base de datos del conocimiento que sea más fácil el acceso para los empleados. Luego cada documento tiene que etiquetarse para que los motores de búsqueda lo puedan recuperar y se mejore la calidad de los resultados de búsqueda. Estos sistemas realizan la función de implementar el etiquetado, estableciendo una interfaz con las bases de datos corporativas donde se almacenan los documentos y creando un entorno de portal empresarial para que lo utilicen los empleados cuando busquen conocimiento corporativo.
• Sistema de conocimiento semiestructurado: la información semiestructurada consta de toda la información digital de una empresa que no se encuentra como documento formal o informe formal. Las empresas cada vez están más obligadas a administrar y dar seguimiento a este contenido para cumplir con la ley Sarbanes-Oxley y con otras legislaciones gubernamentales, y a administrar sus activos de información de una manera más eficiente.
• Sistemas de redes de conocimiento: solucionan el problema que se presenta cuando el conocimiento apropiado es conocimiento tácito que reside en la memoria de individuos expertos de la empresa. Los sistemas de redes de conocimiento ofrecen un directorio en línea de expertos corporativos en dominios del conocimiento bien definidos y utilizan tecnologías de comunicaciones para facilitar que los empleados encuentren el experto apropiado en una empresa. Algunos sistemas van más allá, sistematizando las soluciones desarrolladas por los expertos y las almacenan en una base de datos de conocimiento en forma de repositorios de mejores prácticas o de preguntas más frecuentes.
Sistemas de trabajo del conocimiento
Las empresas también cuentan con sistemas especializados para ayudar a los trabajadores del conocimiento a crear nuevo conocimiento y para garantizar que este conocimiento se integre apropiadamente en el negocio.
Los trabajadores del conocimiento abarcan a los investigadores, diseñadores, arquitectos, científicos e ingenieros que emplean principalmente conocimiento e información para la organización. Desempeñan tres roles que son críticos para la organización y para los gerentes de la misma:
♣ Mantienen actualizado el conocimiento de la organización a medida que éste se desarrolla en el mundo externo.
♣ Fungen como consultores internos en las áreas de su conocimiento, en los cambios que se susciten y en las oportunidades que se presenten.
♣ Actúan como agentes de cambio, evaluando, iniciando y promoviendo proyectos de cambio.
Técnicas inteligentes
Los sistemas expertos, el razonamiento basado en casos y la lógica difusa se utilizan para captar el conocimiento tácito. Las redes neuronales y la minería de datos se emplean para el descubrimiento del conocimiento. Estas técnicas pueden descubrir patrones, categorías y comportamientos subyacentes en grandes conjuntos de datos que los gerentes por sí solos no podrían descubrir ni a través de la simple experiencia. Los algoritmos genéticos se utilizan para generar soluciones a problemas demasiado grandes y complejos para que los individuos los analicen en forma personal. Los agentes inteligentes pueden automatizar tareas de rutina para ayudar a las empresas a buscar y filtrar información útil para el comercio electrónico, la administración de la cadena de suministro y otras actividades.
♣Sistemas expertos: son una técnica inteligente para captar el conocimiento tácito de un dominio muy específico y limitado del conocimiento práctico humano. Estos sistemas captan el conocimiento de empleados habilidosos en forma de un conjunto de reglas en un sistema de software que pueda ser utilizado por otros miembros de la organización. El conjunto de reglas del sistema experto se agrega a la memoria o aprendizaje almacenado, de la empresa.
La estrategia utilizada para realizar búsquedas a través de la base del conocimiento se llama motor de inferencia. Por lo común se utilizan dos estrategias:
a. Encadenamiento hacia adelante: el motor de inferencia inicia con la información introducida por el usuario y busca en la base del conocimiento para llegar a una conclusión. La estrategia es encender, la acción de la regla cuando una condición es verdadera.
b. Encadenamiento hacia atrás: la estrategia para buscar en la base del conocimiento inicia con una hipótesis y prosigue haciendo preguntas al usuario sobre hechos seleccionados hasta que se apruebe o desapruebe la hipótesis.
Los sistemas expertos proporcionan a las organizaciones diversos beneficios, como mejora en la toma de decisiones, errores reducidos, tiempo de capacitación reducido y altos niveles de calidad y servicio.
Redes neuronales
Las redes neuronales se utilizan para resolver problemas complejos, deficientemente comprendidos, de los cuales se ha recopilado una gran cantidad de datos. Estas redes encuentran patrones y relaciones en vastas concentraciones de datos. Las redes neuronales descubren este conocimiento por medio de hardware y software que imitan los patrones de procesamiento del cerebro humano. Las redes neuronales “aprenden” patrones a partir de grandes cantidades de datos, filtrando los datos en busca de relaciones, construyendo modelos y corrigiendo una y otra vez los errores del modelo.
Los diseñadores de redes neuronales buscan poner inteligencia dentro del hardware en forma de una capacidad generalizada para aprender.
Algoritmos genéticos
Los algoritmos genéticos son útiles para encontrar la mejor solución a un problema específico a través del análisis de una gran cantidad de soluciones posibles para ese problema.
Una cantidad de problemas de negocios requieren optimización. Si estas situaciones son muy dinámicas y complejas, e implican a cientos o miles de variables o fórmulas, los algoritmos genéticos pueden agilizar la solución porque pueden evaluar rápidamente grandes volúmenes y diferentes alternativas de solución para encontrar la mejor.
Sistemas híbridos
Los algoritmos genéticos, la lógica difusa, las redes neuronales y los sistemas expertos se pueden integrar en una única aplicación para aprovechar las mejores características de estas tecnologías. A dichos sistemas se les llama sistemas híbridos.
Agentes inteligentes
Los agentes inteligentes son programas de software que trabajan en segundo plano sin intervención directa de personas para realizar tareas específicas, repetitivas y predecibles, para un usuario individual, un proceso de negocios o una aplicación de software. El agente usa una base del conocimiento integrada o aprendida para cumplir tareas o tomar decisiones en beneficio del usuario, como para borrar correo electrónico basura, programar citas o viajar a través de redes interconectadas para encontrar la tarifa aérea más barata.
Por ejemplo, los asistentes incorporados en las herramientas de software de Office tienen capacidades integradas para mostrar al usuario la manera de realizar diversas tareas.
Se han desarrollado aplicaciones de modelado basado en agentes para modelar el comportamiento de consumidores, mercados accionarios y cadenas de suministro, así como para pronosticar la propagación de epidemias.