В маленькой типографии единственный наладчик знал, как заставить работать станок, выпущенный двадцать лет назад. Инструкция к станку давно утеряна, сервисный центр закрылся, а все настройки хранились в голове одного человека. Когда он ушёл, производство остановилось на несколько дней – пока не нашли бывшего сотрудника того самого сервисного центра и не уговорили его помочь.

В этой статье разберём методики, которые помогают оценить критичность знаний и принять решение: что обязательно сохранять в базе знаний, что можно описать в общих чертах, а на что не стоит тратить ресурсы.

Например, в той же типографии год вели журнал обращений клиентов – кто, когда и по какому вопросу звонил. Когда журнал перестали вести, никто ничего не заметил. Информация была полезна в моменте, но не содержала опыта, который стоило сохранять.

Это и есть разница между критичным знанием и тем, что можно не фиксировать. Хотя в реальности грань не так очевидна. Документ могут не открывать, хотя он описывает действия на случай редкой, но дорогостоящей аварии. И наоборот – популярная инструкция может быть важной, но легко восстанавливаемой из открытых источников. Ценность знания не равна его частоте использования.

Оценка риска потери знаний

Прежде чем решать, что сохранять, нужно оценить риск потери. Это не вопрос интуиции – существует вполне рабочая методология, которая пришла из управления рисками и адаптирована для работы со знаниями. Её суть сводится к формуле, знакомой любому риск-менеджеру: R=P×C×Q

Где:

• P – вероятность утраты источника знания (человек уходит на пенсию, меняет работу, переходит на другой проект);

• C – последствия утраты, если бы источник был идеальным носителем всей полноты знаний;

• Q – качество источника знания, то есть насколько реально эти знания извлечь и передать.

Методику KLRA изначально создали в атомной отрасли: МАГАТЭ делало её для АЭС, где уход ключевого сотрудника – это серьёзный риск. Позже исследователь Мюррей Дженнекс адаптировал её для бизнеса и ввёл показатель качества источника – он помогает понять, получится ли вообще собрать знания у человека. В нашем варианте шкалы и границы уровней риска подобраны специально для коммерческих компаний, чтобы быстро определять приоритеты: какие знания фиксировать прямо сейчас, а с какими можно не торопиться.

Шаг 1. Оценка вероятности утраты (P)

Вероятность оценивается по шкале от 1 до 10 и зависит от конкретной ситуации с человеком или командой:

• 10 баллов  – уход неизбежен. Заявление подписано, пенсия наступает в этом месяце, либо по состоянию здоровья сотрудник больше не может выполнять свои обязанности.

• 9 баллов – сотрудник молод, востребован на рынке, легко может сменить работу. Профессионалы с дефицитными компетенциями в группе риска.

• 6–7 баллов – сотрудник работает давно, но есть признаки нестабильности: разговоры об уходе, предложения от других работодателей, изменения в мотивации.

• 3–5 баллов – сотрудник стабилен, но в долгосрочной перспективе ротация неизбежна. Чем дольше человек в компании, тем больше уникального опыта он накапливает – и тем выше риск при его уходе.

• 1–2 балла – сотрудник недавно пришёл, знания пока не накоплены, риск потери минимален.

Важно: высокий балл по вероятности не означает, что нужно паниковать. Он означает, что пора задать следующий вопрос – а что именно мы теряем?

Шаг 2. Оценка последствий (C)

Дальше оцениваем последствия – тоже по шкале от 1 до 10. Вопрос простой: что будет с процессами, если эти знания вдруг исчезнут?

• 9–10 баллов – остановка критичного процесса. Никто в компании не знает, как запустить производственную линию, настроить ключевую интеграцию, провести обязательную процедуру. Без этого человека работа парализуется на дни или недели.

• 7–8 баллов – серьёзные сбои, но с возможностью восстановления через внешних консультантов, поставщиков или долгое обучение. Процесс продолжится, но с большими потерями времени и денег.

• 4–6 баллов – заметное замедление работы, ошибки, повторение пройденных путей. Команда справится, но потратит ресурс на то, что раньше делалось быстро.

• 1–3 балла – минимальные последствия. Знание полезно, но легко восстанавливается из документации, инструкций производителей или общеизвестной информации.

Шаг 3. Оценка качества источника (Q)

Третий фактор – качество источника знаний. Изначально Q равен 10, но корректируется в меньшую сторону в зависимости от того, насколько реально извлечь знания: 

• Минус 1 балл, если знания получены более двух лет назад и могли устареть.

• Минус 1 балл, если сотрудник уходит по состоянию здоровья – полноценное интервью и передача опыта затруднены.

• Минус 2 балла, если сотрудник не склонен делиться знаниями, объяснять или документировать.

• Минус 2 балла, если знание не зафиксировано нигде, кроме головы сотрудника.

Если качество источника падает до 3–4 баллов, брать интервью у сотрудника – скорее потеря времени. Он неохотно делится, путается в деталях или просто не может объяснить то, что делает на автомате. Здесь лучше не пытаться вытащить знания через разговор, а собрать то, что уже есть: рабочие письма, файлы, черновики, записи встреч, код – всё, что он оставил после себя. Это не заменит интервью, но даёт материал, с которым можно работать.

Расчёт и интерпретация

Перемножаем три фактора:

R=P×C×Q

Максимальное значение – 1000 (10 × 10 × 10). Результат делится на три зоны:

Зона риска – это не приговор, а приоритет. Знания с низким уровнем риска не нужно «выбрасывать» – их можно спокойно описать в обычном порядке, без спешки и выделенных ресурсов. Знания из критической зоны требуют действий, пока источник ещё доступен. 

Матрица компетенций

Формула KLRA работает на уровне отдельных сотрудников, но компании нужно видеть картину целиком. Для этого удобен другой инструмент – матрица компетенций, которая показывает, кто в команде какими знаниями владеет. Матрица представляет собой таблицу: в строках – критические компетенции проекта или подразделения, в столбцах – люди. На пересечении – оценка от 0 до 3:

• 0 – знаний нет, опыт отсутствует.

• 1 – фрагментарные знания, выполнял несложные задачи под присмотром.

• 2 – уверенные знания, может работать самостоятельно.

• 3 – эксперт, может обучать других и решать нестандартные задачи.

Ключевая метрика, которую даёт матрица – Bus Factor: количество людей в команде с оценкой 2 и выше по конкретной компетенции. Если Bus Factor = 1, знание живёт в одной голове, и уход этого человека означает потерю. Целевой минимум для критичных компетенций – Bus Factor больше или равен 2, в идеале 3.

Чтобы матрица работала, нужно ограничить список компетенций критичными – теми, без которых процесс встанет или серьёзно замедлится. Формулировать их стоит конкретно: не «SQL» или «коммуникации», а «настраивает репликацию базы данных» или «ведёт переговоры с логистическими партнёрами». Абстрактные компетенции не дают практических выводов. 

Что сохранять, а что нет: критерии для принятия решений

Когда оценка риска проведена, возникает следующий вопрос: в каком виде сохранять знания и стоит ли вообще переносить их в базу? Здесь помогает простое правило – решение зависит от типа знания и его критичности.

Сохранять обязательно:

• Процедурные знания для редких, но критичных ситуаций. Аварийные регламенты, инструкции по восстановлению систем, действия при потере поставщика. Эти материалы могут не открываться месяцами, но когда понадобятся – их отсутствие обойдётся дорого.

• Уникальные технические решения, не описанные в документации производителя. Если инженер придумал обходной путь для нестандартной проблемы и это нигде не зафиксировано, такая доработка исчезает вместе с ним.

• Контекст принятия ключевых решений. Почему выбрали именно эту архитектуру, почему отказались от альтернативы, какие ограничения учитывались. Не сама инструкция, а ход рассуждений – он передаёт опыт принятия решений лучше формального документа.

• Знания носителей с высоким уровнем риска потери (R ≥ 700). Всё, что находится в критической зоне по KLRA, должно быть сохранено приоритетно, причём в нескольких форматах: текст, видео, схема, артефакты.

Сохранять по усмотрению:

• Регулярно используемые процедуры. Если процесс стабилен и хорошо отлажен, достаточно базовой инструкции. Детали передаются через наставничество и ежедневную практику.

• Знания, которые легко восстановить. Информацию из открытых источников, документации производителей, стандартных курсов нет смысла дублировать в корпоративной базе – достаточно ссылки.

• Рабочие материалы текущих проектов. Промежуточные расчёты, черновики, переписки имеют ценность только в контексте конкретной задачи. Переносить их в базу знаний стоит, только если в процессе появился обобщаемый опыт.

Не сохранять:

• Динамические данные. Текущие цены, статусы заказов, остатки на складе, списки контактов. Им место в учётных системах, CRM и таблицах, а не в статьях базы знаний.

• Персональные данные и коммерческую тайну без соответствующего уровня защиты. Общая база знаний – не место для такой информации.

• Знания с низким риском потери и низкими последствиями. Если знание легко восстановить и его утрата не приведёт к серьёзным последствиям, ресурсы на сохранение потрачены впустую.

Как аналитика помогает понять, что востребовано

Оценка риска по формуле – это проактивный подход: мы предсказываем, какие знания будут важны при уходе сотрудника. Но есть и другой, не менее ценный источник данных – статистика использования уже существующей базы знаний. Сколько статей реально читают? Какие запросы вводят в поиск и находят ли ответ? Какие материалы открывают, но быстро закрывают, потому что не нашли полезного?

Аналитика платформ по управлению знаниями (например, Teamly) помогает ответить на эти вопросы. Модуль аналитики показывает просмотры статей, уникальных посетителей, популярные и непопулярные материалы, поисковые запросы – в том числе те, по которым в базе ничего не нашли. Эти данные позволяют увидеть, что реально востребовано, а что существует «для галочки».

Например, если статья по аварийному регламенту имеет мало просмотров, это не значит, что она не нужна – её ценность в том, что она понадобится в критический момент. А вот если популярная статья каждый раз открывается и перечитывается, это может означать, что она плохо написана и люди не находят ответ с первого прочтения. Анализ поисковых запросов с нулевым результатом показывает пробелы: что люди ищут, но не находят. 

Сочетание проактивной оценки (KLRA-формула и матрица компетенций) и статистики использования базы даёт наиболее полную картину. Первая отвечает на вопрос «что мы потеряем», вторая – «что людям реально нужно». На пересечении этих двух данных и лежит зона осмысленного сохранения знаний.

Сохранить все знания невозможно и не нужно. Ресурсы компании ограничены, и база знаний – не архив, а рабочий инструмент. Попытка зафиксировать всё приводит к обратному эффекту: сотрудник теряется в массе материалов, поиск усложняется, поддержание становится неуправляемым.

Рабочий подход – оценить риск потери для каждого критичного знания, построить матрицу компетенций, отслеживать Bus Factor по ключевым областям и проверять свои гипотезы через аналитику использования базы. Знания из критической зоны риска требуют немедленных действий: интервью, видеозаписи, передачу преемнику. Знания с низким уровнем риска и незначительными последствиями можно не фиксировать – их восстановление обойдётся дешевле, чем поддержание. Знания с низкой вероятностью потери, но серьёзными последствиями стоит описать в базовом порядке без спешки.

Итог простой: приоритизация по риску и разделение каналов передачи (база + наставничество) делают систему управляемой. Это позволяет не распыляться на всё подряд и вовремя спасать то, что действительно критично для бизнеса.