Digitalizzazione del Know-How: Strategie di Knowledge Management Aziendale

Il manutentore che riconosce un guasto dal rumore, il capoturno che sa come correggere la pressa quando cambia il materiale: è il sapere che tiene in piedi la produzione, ma non compare in nessun inventario. In questo articolo vediamo come trasformarlo in un patrimonio dell’azienda, distinguendo ciò che si può codificare da ciò che si trasmette solo lavorando insieme. 

Quando l'esperto va in pensione, cosa resta in azienda

In quasi ogni fabbrica c'è una persona a cui ci si rivolge quando la linea si ferma e il manuale non basta. Di solito ha trent'anni di reparto alle spalle e una data di pensionamento che l'ufficio del personale conosce al giorno. Quello che nessuno ha messo a calendario è il passaggio di ciò che sa.

Il rischio è noto a tutti, ma viene trattato come un fatto anagrafico anziché come una questione di governo dell'impresa. Si organizza un affiancamento negli ultimi mesi, si chiede all'esperto di mettere per iscritto qualche procedura, e si scopre a cose fatte che il sapere che contava non abitava nelle procedure.

Questo articolo guarda al problema dal lato strategico e organizzativo: quali saperi proteggere, chi coinvolgere, con quali leve. Il lato operativo, cioè come si costruisce e si alimenta una knowledge base aziendale, è trattato nell'articolo Knowledge Management in Fabbrica, che ne è il complemento naturale.

Cos'è il knowledge management aziendale

Il knowledge management è l'insieme delle scelte organizzative, dei processi e degli strumenti con cui un'impresa individua, conserva, fa circolare e rinnova la conoscenza da cui dipende la sua capacità di operare. Gli obiettivi sono tre, e conviene dirli senza enfasi: ridurre la dipendenza del sapere dalla presenza fisica di chi lo detiene, accorciare il tempo che serve a una persona per diventare autonoma, evitare che l'organizzazione debba reimparare a proprie spese ciò che sapeva già.

L'ordine dei termini nella definizione non è casuale. Gli strumenti arrivano per ultimi, e molti progetti naufragano proprio perché li mettono per primi: si acquista una piattaforma, la si inaugura, e dopo un anno contiene documenti che nessuno aggiorna e nessuno consulta. Prima del software vengono domande più scomode. Quali conoscenze sono davvero critiche, chi le possiede, che interesse ha a condividerle, chi risponde della loro manutenzione nel tempo. Sono domande di organizzazione e di persone, e lo stesso vale per il coinvolgimento delle persone nei progetti di IA, che del knowledge management è oggi il prolungamento più visibile.

Conoscenza tacita ed esplicita: cosa si perde quando un esperto lascia l'azienda

La conoscenza esplicita è quella che si lascia scrivere: disegni, distinte, cicli di lavoro, istruzioni operative, parametri di ricetta. Si archivia, si copia, sopravvive a chi l'ha prodotta. La conoscenza tacita è quella che una persona esercita senza saperla enunciare per intero. Michael Polanyi lo aveva sintetizzato nel 1966 osservando che sappiamo più di quanto riusciamo a dire; Nonaka e Takeuchi, trent'anni dopo, ne hanno fatto il perno di una teoria dell'impresa.

In fabbrica gli esempi sono quotidiani. Il manutentore che riconosce un cuscinetto prossimo al cedimento dal rumore, prima che qualsiasi soglia di vibrazione scatti. Il capoturno che sa di quanto correggere la temperatura di una pressa quando cambia il lotto di materia prima o quando in reparto fa più umido. L'attrezzista che dopo un cambio formato fa sempre un controllo che nessuna check-list prevede, perché una volta, anni fa, quel controllo ha evitato uno scarto di giornata.

Questo è il sapere più esposto, per una ragione semplice: non compare in nessun inventario. Quando l'esperto se ne va l'azienda conserva tutti i suoi documenti e perde il criterio con cui lui li interpretava.

Va detta però una cosa che la retorica della digitalizzazione tende a tacere. Non tutta la conoscenza tacita è codificabile. Una parte si lascia esplicitare bene: la correzione del capoturno diventa una regola con le sue condizioni, il controllo dell'attrezzista una riga in più nella check-list, accompagnata dal motivo per cui esiste. Un'altra si trasmette soltanto con la pratica condivisa: del manutentore si può registrare che quel rumore precede il guasto, ma l'orecchio che lo distingue si forma in reparto. Una strategia seria distingue le due e non pretende di ridurre a testo ciò che richiede mesi di lavoro fianco a fianco. Per la stessa ragione l'obiettivo realistico è ridurre la dipendenza dai singoli, non azzerarla. Ciò che si lascia codificare smette di dipendere da una persona; il resto va distribuito su più persone finché chi lo possiede è ancora in azienda, così che nessun sapere critico abbia un solo depositario.

Perché digitalizzare il know-how di fabbrica

Il primo vantaggio è la continuità operativa. Se la soluzione a un fermo ricorrente esiste solo nella memoria di una persona, il tempo di ripristino dipende dal turno in cui quella persona lavora. Resa consultabile, la stessa soluzione vale di notte, ad agosto e nello stabilimento estero.

Il secondo è la formazione. Un neoassunto che può interrogare lo storico degli interventi e le note di chi lo ha preceduto smette prima di dipendere dal collega anziano, e il collega anziano smette di essere interrotto dieci volte al giorno per domande che hanno già una risposta.

Il terzo è la minore dipendenza dai singoli, che non equivale a una loro svalutazione: liberato dal ruolo di archivio vivente, l'esperto può dedicarsi ai problemi che nessuno ha ancora risolto. C'è poi un effetto meno evidente sulla pianificazione della produzione. Tempi di attrezzaggio reali, vincoli di sequenza, incompatibilità tra prodotti sono spesso sapere informale del reparto, e un piano costruito ignorandoli è corretto solo sulla carta.

Digitalizzare, però, non significa scansionare. Un archivio di PDF che nessuno riesce a interrogare è conservazione, non disponibilità: il sapere è al sicuro e resta inutilizzabile nel momento in cui serve.

Strategie di knowledge management

Una strategia di knowledge management si regge su tre leve, che hanno senso solo insieme: sapere che cosa si possiede, farlo passare da chi lo ha a chi ne avrà bisogno, mantenerlo vivo.

Censire e mappare i saperi

La mappatura dei saperi serve a decidere, prima ancora che a descrivere. Incrociando le conoscenze critiche per il processo con le persone che le detengono emergono i punti in cui l'azienda è appesa a un solo nome, e quindi le priorità. La mappa per persone ha però un limite: non vede il sapere che appartiene a una squadra o a un turno e che nessuno, preso da solo, possiede per intero. Va quindi completata chiedendo ai gruppi, oltre che ai singoli, che cosa sanno fare insieme; è il terreno delle comunità di pratica, di cui si parla più avanti. Il censimento non può essere delegato alle risorse umane né all'IT: lo guidano i responsabili di produzione, manutenzione e qualità, con il mandato esplicito della direzione, perché stabilire che cosa è critico è una scelta di business.

Trasferire il know-how degli esperti

Il trasferimento fallisce quando viene chiesto all'esperto come favore di fine carriera. Scrivere non è il suo mestiere, e spesso non sa nemmeno di sapere. Funziona meglio affiancargli qualcuno che osserva, domanda e formalizza, partendo dai casi concreti (l'ultimo fermo anomalo, l'ultimo avviamento difficile) anziché da un indice astratto. E funziona se il tempo dedicato è riconosciuto come lavoro, con obiettivi e visibilità, non sottratto di nascosto alla produzione.

Gestire le competenze nel tempo

La gestione delle competenze è ciò che impedisce alla mappa di invecchiare. Nuove macchine, nuovi materiali e nuovi prodotti spostano di continuo il confine tra ciò che è critico e ciò che non lo è più. Servono un responsabile, una cadenza di revisione e un legame con i piani di formazione e di successione. Senza questi tre elementi il knowledge management resta un progetto con una data di fine, cioè l'esatto contrario di quello che dovrebbe essere.

Social knowledge: comunità di pratica e condivisione tra operatori

Una quota rilevante del sapere di fabbrica non scende dall'esperto all'apprendista, ma circola tra pari. Lave e Wenger, all'inizio degli anni Novanta, hanno chiamato comunità di pratica i gruppi di persone che condividono un mestiere e lo affinano confrontandosi sui problemi reali: i manutentori di stabilimenti diversi, gli attrezzisti di turni diversi, i tecnici del service che si passano le soluzioni trovate dal cliente.

Le comunità di pratica non si istituiscono per ordine di servizio. Si possono però rendere possibili: tempo protetto al cambio turno, un canale in cui segnalare un'anomalia risolta richiede meno di un minuto, il riconoscimento pubblico di chi contribuisce. Altrettanto utile è abbattere i confini tra reparti, dove il sapere si incaglia più spesso: ciò che la manutenzione ha capito di una macchina raramente raggiunge chi la programma o chi ne progetta la versione successiva.

Il tema pesa ancora di più per i costruttori che vendono servizi sul proprio installato. In quel modello il know-how dei tecnici diventa parte di ciò che il cliente paga, e le competenze per la servitizzazione non possono restare patrimonio individuale di chi viaggia.

Knowledge management e intelligenza artificiale

Il limite storico delle knowledge base è sempre stato il costo di accesso. Chi ha una macchina ferma non sfoglia un manuale di quattrocento pagine né ricorda in quale cartella sia finito il rapporto di tre anni fa. Gli assistenti basati su modelli linguistici cambiano questo punto: l'operatore pone la domanda con le proprie parole e riceve una risposta costruita su manuali, procedure e storico degli interventi, in una forma già utilizzabile. È il principio dell'assistente virtuale per operatori e manutentori.

I limiti vanno dichiarati con la stessa chiarezza. L'IA rende accessibile ciò che è stato documentato, non ciò che non è mai stato detto: il sapere tacito va comunque fatto emergere, e resta un lavoro organizzativo. La qualità della risposta, inoltre, non supera quella delle fonti. Una procedura obsoleta viene restituita con la stessa sicurezza di una aggiornata, e per questo servono il rimando al documento d'origine e qualcuno che risponda dei contenuti.

Robin per il know-how di fabbrica

Robin è l'assistente di IA generativa con cui Miraitek traduce questo approccio in uno strumento di reparto. Attinge a una base di conoscenza condivisa (manuali macchina, manuali di manutenzione, database dei ricambi, ma anche rapporti di intervento e note degli esperti prodotti dall'azienda) e la combina con gli stati macchina acquisiti in tempo reale dal sistema di monitoraggio Mirai4Machine.

Gli impieghi rivolti a chi lavora in reparto sono quattro: assistenza tecnica agli operatori, con istruzioni su uso e manutenzione; diagnostica a partire dai dati di impianto; inserimento di nuovi operatori e personale temporaneo, anche con immagini e video; consultazione rapida della knowledge base. Le risposte rimandano al documento da cui provengono. Lavora in più lingue, per cui la documentazione può essere scritta in una lingua e interrogata in un'altra. La knowledge base è chiusa e risiede in un ambiente controllato, a tutela della proprietà intellettuale. A questi si aggiunge l'integrazione con i sistemi esistenti: tramite API dialoga con ERP, MES e altri sistemi già presenti, ed è consultabile da smartphone, tablet o dall'HMI della macchina.

Robin rende disponibile il sapere che l'azienda ha già raccolto. La raccolta resta il compito della strategia descritta sopra.

Conclusioni: il sapere come patrimonio dell'azienda

Il know-how è un bene che l'impresa usa ogni giorno senza averlo mai iscritto a bilancio, e di cui si accorge quando esce dal cancello insieme a chi lo portava. Una strategia di knowledge management lo protegge mappando ciò che è critico, organizzandone il passaggio e affidandone la cura a qualcuno. Fa anche crescere più in fretta le persone, che trovano risposte invece di doverle ricostruire. La tecnologia entra a questo punto, e a questo punto fa la differenza.

Per vedere come il know-how del vostro stabilimento può diventare interrogabile in reparto, richiedete una demo di Robin.

FAQ

Da dove si parte con il knowledge management?

Da un perimetro ristretto: una linea o una famiglia di macchine in cui la dipendenza da poche persone è evidente. Lì si mappano i saperi critici, si individua chi li detiene e si decide chi ne risponde. La scelta dello strumento viene dopo.

Come si convincono gli esperti a condividere quello che sanno?

Togliendo le ragioni per cui non lo fanno. Chi teme di rendersi sostituibile va rassicurato con i fatti: un ruolo riconosciuto di formatore o referente tecnico, tempo dedicato, la paternità visibile dei contributi. E non gli va chiesto di scrivere; va affiancato da qualcuno che lo faccia con lui.

Che ruolo ha l'IA nel knowledge management?

Riduce il costo di accesso al sapere documentato, permettendo di interrogarlo in linguaggio naturale nel momento del bisogno. Non sostituisce il lavoro di far emergere la conoscenza tacita né la responsabilità di tenere aggiornate le fonti.