老師傅經驗如何傳承？把隱性知識變成可查詢的 AI 助理

某家有二十年歷史的金屬加工廠，車間主任老王在今年宣布要退休。他在這家工廠做了三十年，腦袋裡記著每台機台的「個性」——這台在氣溫低時要先暖機五分鐘、那台進料角度要微調兩度才不會有毛邊、客戶甲的料比較硬要換刀頻率要高一點……

這些知識，老王從來沒有寫下來過，因為他從來不覺得需要。

但對這家工廠來說，老王退休就意味著三十年的技術判斷能力就此消失，而培養下一個「老王」，至少需要再花十年。

這不是個案，這是台灣製造業、傳統產業共同面對的結構性風險。

日本哲學家野中郁次郎（Ikujiro Nonaka）在 1991 年提出了「顯性知識」與「隱性知識」的概念，至今仍是知識管理最重要的理論基礎。

顯性知識（Explicit Knowledge）：可以被文字化、圖表化、流程化的知識。SOP、操作手冊、產品規格，都是顯性知識。

隱性知識（Tacit Knowledge）：內化在個人身上、難以言傳的知識。老師傅的「手感」、業務的「客戶讀心術」、老闆的「市場直覺」，都是隱性知識。

隱性知識之所以難傳承，不是因為持有者不願意分享，而是因為：

1. 他們自己也說不清楚：這個判斷是怎麼來的？說不出來，它就是感覺
2. 情境依賴性高：同樣的問題，在不同情況下可能有不同做法
3. 需要「邊做邊學」：很多知識只能在實際操作中傳遞，很難用語言單獨說明

這就是為什麼「學一技之長要三年」，而不能只靠看手冊。

AI 不能直接「繼承」一個人的判斷能力。但透過系統性的訪談與知識萃取流程，我們可以把一個老師傅的判斷邏輯，轉換成 AI 能夠學習與應用的結構化知識。

這個過程，木塑創投稱之為「知識萃取訪談」。它不同於一般的培訓錄影或操作手冊撰寫，關鍵在於問問題的方式。

一般問法（效果有限）：「你做這個工序的步驟是什麼？」

知識萃取問法： - 「你怎麼判斷這批料是否需要換刀？」 - 「你遇過最難判斷的情況是什麼？那次你怎麼決定的？」 - 「如果要你訓練一個新人，你會希望他最先懂什麼？」 - 「什麼情況下，你會覺得這台機台狀態不對，要停下來檢查？」

這類問題的設計，是為了觸發老師傅說出「決策樹」——在什麼條件下，會做出什麼判斷。這些判斷邏輯，才是真正可以被轉化成 AI 知識的素材。

透過完整的知識萃取訪談，企業可以建立以下幾種形式的知識資產：

操作判斷知識庫：把老師傅的判斷條件整理成可以查詢的格式，讓新人遇到問題時可以問 AI「這種情況應該怎麼做」。

異常排除指引：把老師傅處理過的故障案例和解決方式結構化，讓 AI 可以協助新手快速判斷問題可能的原因與排除步驟。

品質判斷標準：把那些只有師傅「用眼睛看、用手摸」才能判斷的品質標準，轉換成可以量化、可以描述的判斷條件，讓 AI 協助初步篩選。

客戶偏好記憶：把資深業務對特定客戶的了解——這個客戶喜歡什麼、怕什麼、什麼情況會生氣——整理成 AI 可以在報價或接洽時查詢的客戶側寫。

雖然製造業的「老師傅」是最明顯的案例，但隱性知識傳承的挑戰，存在於每個行業：

• 餐飲業：主廚的調味判斷、食材選購眼光
• 醫療或診所：資深護理師或醫助對特定病患需求的理解
• 顧問或服務業：資深顧問對客戶情況的快速讀取能力
• 業務和銷售：頂尖業務的客戶關係維護策略與成交技巧
• 建築或設計：資深設計師對客戶品味的快速判讀

只要你的企業有「某些人離開了就很麻煩」的困境，就是隱性知識傳承的問題。

要把一個老師傅的知識轉成企業 AI 助理，需要三個條件同時具備：

1. 願意開口的知識持有者：老師傅要願意配合訪談，分享判斷邏輯。這需要良好的溝通和適當的動機設計——讓他們理解，這是讓自己的智慧被保存、被傳承，而不是被取代。

2. 有方法的知識萃取流程：不是錄個影片、寫個手冊就算。需要有系統性的訪談框架、問題設計和內容結構化方法。

3. 合適的 AI 知識庫架構：把萃取出來的知識，以正確的格式存入可以被 AI 查詢的知識庫中。知識的格式化，決定了 AI 查詢的準確度。

木塑創投的核心服務，就是完整陪伴企業走過這三個步驟——從訪談設計、知識萃取、到 AI 系統建立，讓老師傅的智慧不再只存在於一個人的大腦裡，而是變成整個企業都可以共用、查詢、持續更新的知識資產。

知識傳承最大的挑戰，不是技術，而是時間。

很多企業在老師傅宣布退休後才開始緊張，但這時候往往已經太晚——訪談需要時間，知識整理需要時間，AI 系統建立需要時間，而老師傅的最後幾個月，通常又是最忙的時候。

最好的行動時機，是現在。趁關鍵人物還在、還記得、還有意願，把這件事排進企業的優先清單。

如果你的企業已經有「老師傅風險」的意識，歡迎與木塑創投聯絡，我們可以協助你設計一套適合你企業規模的知識傳承計畫，從一個人的腦袋，到整個企業都能使用的 AI 知識助理。