„Know-how (anglicky „vědět jak“) je anglické sousloví, popisující technologické a informační předpoklady a znalosti pro určitou činnost – nejčastěji výrobu, případně pro provoz a jejich technické uskutečnění. Jde o souhrn poznatků, výrobních a obchodních znalostí a postupů, návodů či receptur pro výrobu, získaných dlouholetou zkušeností.“ Wikipedia
Typy znalostí
Dobrá znalost různých typů znalostí vám pomůže pochopit silné stránky a schopnosti vašeho týmu a lépe identifikovat nejlepší způsoby sdílení a přenosu znalostí mezi nimi. To zase podnítí inovace a spolupráci, které jsou nezbytné pro dlouhodobý úspěch každé společnosti. Zde si projdeme a prozkoumáme nejdůležitější typy znalostí spolu s několika příklady, které vám pomohou lépe jim porozumět.
#1. Explicitní znalosti
Explicitní znalosti, nazývané také expresivní znalosti, jsou považovány za nejzákladnější typ znalostí. Zahrnuje témata, která se snadno zapisují, ukládají a sdílejí ve velkém měřítku, a obvykle jsou zaznamenána v různých formátech, jako jsou příručky, bílé knihy nebo knihy. Některé dobré příklady explicitních znalostí zahrnují kodex chování vaší organizace, mentální modely, finanční výkazy a zprávy o marketingové analýze, protože je lze snadno organizovat, interpretovat a uchovávat.
Explicitní znalosti jsou znalosti týkající se témat, která lze snadno systematicky dokumentovat (písemně) a sdílet je v měřítku: to, co považujeme za strukturované informace. Pokud jsou explicitní znalosti dobře spravovány, mohou společnosti pomoci činit lepší rozhodnutí, ušetřit čas a udržet zvýšení výkonu.
Příklady explicitních znalostí:
- OSVĆ: Ceník služeb, Profesní certifikáty,Smlouvy s klienty
- Firma: Byznys manuály a SOP, Organizační struktura, Škálovatelné systémy
#2. Implicitní znalosti
Implicitní znalosti získáte, když se naučíte nejlepší způsob, jak něco udělat. Tuto zkušenost pak můžete vzít a syntetizovat s dalšími naučenými informacemi, abyste vyřešili zcela nový problém.
Tento typ znalostí byl tradičně vyloučen z formálních znalostních bází, protože může být obtížné je dokumentovat a zachytit škálovatelným způsobem. Chcete-li to přidat do znalostní báze, přemýšlejte o tom takto: „Co nového jsem se naučil, bylo by to užitečné pro ostatní, a jak to mohu vysvětlit?“
- OSVČ: Jak získat a udržet klienty, Efektivní time management, Vyjednávání ceny za služby
- Firma: Jak budovat a řídit tým, Umění delegování, Rozpoznání správných lidí
#3. Tacitní znalosti (Tiché znalosti)
Tacitní znalosti (někdy nazývané také „Tiché znalosti“) jsou nehmotné informace, které může být obtížné vysvětlit přímočarým způsobem, jako jsou věci, které jsou často „pochopeny“, aniž by byly nutně řečeno, a jsou často osobní nebo kulturní. Tento typ znalostí je neformální, naučený se zkušenostmi v průběhu času a obvykle se vztahuje na konkrétní situaci.
Když to lze zachytit (pokud to není například pocit), mělo by být přidáno do znalostní báze. Díky tomu je snadné sdílet odborné znalosti získané v průběhu času s ostatními, kteří je mohou potřebovat.
Příklady implicitních znalostí:
- OSVČ: Instinkt kdy odmítnout špatného klienta, Pocit správné ceny, Nepsaná pravidla odvětví
- Firma: Intuice pro business příležitosti, Schopnost vycítit sílu značky, Vnímání firemní kultury
#4. Deklarativní znalosti
Deklarativní znalosti, které lze chápat také jako výrokové znalosti, se týkají statických informací a faktů, které jsou specifické pro dané téma a lze je snadno získat a získat. Je to typ znalostí, kdy si jednotlivec vědomě uvědomuje, jak rozumí předmětu.
Tento typ znalostí je obvykle uložen v dokumentaci nebo databázích a zaměřuje se více na „kdo“, „co“, „kde“ a „kdy“ za informacemi a méně na „jak“ nebo „proč“. Když je zdokumentován, vytváří základ pro pochopení předmětu a může společnostem pomoci zlepšit způsob sdílení procedurálních a explicitních znalostí.
Příklady deklarativních znalostí:
- OSVČ: Seznam dodavatelů a kontakty, Katalog vlastních služeb, Databáze klientů
- Firma: Fakta o tržním podílu konkurence, Statistiky odvětví a trendy, Legislativní rámec
#5. Procesní znalosti
Procesní znalost je know-how typu znalostí, nebo lépe řečeno znalost postupů něčeho. Osoba, která má tyto konkrétní procedurální znalosti, má v zásadě schopnost provádět nebo provádět konkrétní akce k vyřešení problému nebo provedení úkolu. K zvládnutí tohoto typu znalostí je obvykle potřeba čas a zkušenosti. Přemýšlejte o jízdě na kole. Jak stát a balancovat na kole se naučíte až po neustálém tréninku. A čím více se budete snažit na něm jezdit, tím lépe tyto dovednosti získáte.
Procesní znalosti se zaměřují na to, „jak“, za kterými věci fungují, a jsou demonstrovány prostřednictvím schopnosti člověka něco udělat. Tam, kde se deklarativní znalosti soustředí více na „kdo, co, kde nebo kdy“, jsou procesní znalosti méně artikulovány a ukázány prostřednictvím akce nebo dokumentovány prostřednictvím manuálů.
Příklady procesních znalostí:
- OSVČ: Jak vytvořit nabídku pro klienta, Proces fakturace, Realizace zakázky od A do Z
- Firma: Jak nastavit hiring proces, Systém onboardingu, Procesní mapa od leadů po prodej
#6. Posteriori znalosti
Posteriori znalost je teorie poznání, která se běžně používá ve filozofii a konkrétněji v epistemologii. Pochází z latinského výrazu posteriori („z toho, co je po“), což znamená typ poznání odvozeného ze smyslové zkušenosti. Někdy se označuje jako epistemologické, empirické nebo vědecké poznatky a poukazuje na určité koncepty, které nelze ospravedlnit nebo pochopit nezávisle, pokud nejsou podloženy důkazy. Například tvrdíte, že venku právě prší. Abyste mohli být považováni za aposteriorní znalosti, musíte mít pádný důvod toto tvrzení podpořit a zdůvodnit. V tomto případě se můžete buď podívat na zprávy o počasí, nebo jít ven a podívat se, jestli skutečně prší.
A posteriori znalost je subjektivní typ znalostí, které se získávají z individuální zkušenosti. I když tento typ znalostí nelze dokumentovat ve znalostní bázi společnosti, stále hraje zásadní roli v úspěchu týmů. Tento druh znalostí dává jednotlivcům schopnost poznat své silné a slabé stránky, které pramení z jejich zkušeností, a může společnostem pomoci diverzifikovat soubor dovedností jejich týmů.
Příklady posteriori znalostí:
- OSVČ: Zjištění že levní klienti jsou nejnáročnější, Krach při nemoci, Limitovaná kapacita vlastní práce
- Firma: Systémy jsou důležitější než hvězdy, Růst vyžaduje puštění kontroly, Síla pasivního příjmu
#7. Prioritní znalosti (Apriori znalosti)
Na rozdíl od posteriori znalostí, apriorní znalosti ukazují na určité věci nebo scénáře, které jsou považovány za fakta, aniž by obsahovaly jakýkoli důkaz ze zkušenosti. Zdůvodnění tohoto poznání jednoduše pochází z racionálního myšlení. Význam tohoto typu znalostí je z velké části způsoben vlivem Kritiky čistého rozumu Immanuela Kanta (1965), která uvádí, že prioritní znalosti jsou „nezávislé na zkušenosti“. Matematické znalosti jsou dobrou ukázkou tohoto typu znalostí. Například závěr 5+7=12 je prokázán jako faktický, i když neexistuje žádný hmatatelný důkaz, který by mohl být použit k prokázání tohoto tvrzení.
A priori znalosti jsou opakem posteriori znalostí a jsou získávány nezávisle na zkušenostech nebo důkazech. Tento typ znalostí je často sdílen prostřednictvím logického uvažování nebo schopnosti myslet abstraktně. Ačkoli apriorní znalosti nejsou nutně zdokumentovány, často se projevují ve formě schopnosti týmu porozumět a uvažovat, když čelí situacím.
Příklady prioritních znalostí:
- OSVČ: Kapacita má limit 24 hodin, Bez práce není příjem, Lineární růst výdělku
- Firma: Systémy vytváří svobodu, Leverage efekt lidí, Exponenciální růst byznysu
#8. Organizační znalosti
Organizační znalosti, jsou masivní sbírkou dat, projektů, předpisů, perspektiv, zásad a postupů organizace a lidí, kteří spadají do její působnosti. Jinými slovy, jde o to, co společnost ví a jak její lidé fungují. Informace mohou být zdokumentovány (explicitní) nebo uchovány ve vašich týmech nebo dokonce u jednotlivých členů týmu (implicitně). Tento typ znalostí lze získat intuitivně, ale v některých případech je lze získat v práci nebo prostřednictvím školení.
Příklady organizačních znalostí:
- OSVČ: Vlastní workflow a nástroje, Síť kontaktů v oboru, Osobní brand a reputace
- Firma: Firemní DNA a vize, Kolektivní znalosti týmu, Systémy celé organizace
#9. Rozptýlené znalosti (Distribuované znalosti)
Rozptýlené znalosti jsou typem znalostí, které jsou distribuovány mezi různé zdroje. S ohledem na to nemůže žádná jednotlivá osoba mít tento typ znalostí a dokonce být svědkem jejich celistvosti. Fragmentovaná povaha těchto znalostí obvykle vytváří nejistotu, ale pokud jsou dobře řízeny, může přinést kreativitu a lepší inovace. Přemýšlejte o produkci filmu. Pokud chcete dosáhnout velkých věcí, musíte vytvořit tým lidí, kteří jsou odborníky v různých oblastech – budete potřebovat někoho zkušeného v oblasti videografie, scenáristiky a režie scény a mnoha dalších. Nahromadění takto rozptýlených znalostí vám umožní vytvořit filmové mistrovské dílo, na které můžete být hrdí.
Příklady rozptýlených znalostí:
- OSVČ: Kombinace dovedností z různých zakázek, Znalosti od různých mentorů, Rozptýlené zkušenosti z projektů
- Firma: Expertíza distribuovaná napříč týmem, Znalosti od poradců, Collective intelligence organizace
#10. Odborné znalosti
Odborné znalosti, nazývané také expertní znalosti, jsou definovány jako hluboká znalost určité domény nebo odbornost v určité disciplíně. Člověk s odbornými znalostmi je nepochybně zručný a znalý ve svém oboru, ale o všem ostatním může mít jen obecné znalosti. Například v chirurgii může být lékař odborníkem na fixaci srdce, ale ne na odstraňování mozkových nádorů. V podnikání může být zaměstnanec vybaven odbornými znalostmi v marketingu, ale ne ve financování nebo vývoji softwaru.
Příklady odborných znalostí:
- OSVČ: Odbornost v úzké specializaci, Expertní znalosti v disciplíně, Mistrovství v řemesle
- Firma: Znalost budování scalable byznysů, Expertíza ve franšízingu, Systemizace procesů
#11. Zakódované znalosti (Uložené znalosti)
Zakódované znalosti jsou znalosti, které byly zaznamenány v symbolických kódech. Díky tomu jsou znalosti snadno dostupné pro lidi, kteří vědí, jak (nebo mají nástroje, které jim pomáhají) tyto znalosti později dekódovat. Můžeme to také nazvat „uložené“ znalosti.
Příklady zakódovaných znalostí:
- OSVČ: Šablony pro opakující se práce, Osobní návody a checklist, Archiv projektů jako reference
- Firma: Franchise manuály a playbooks, Systemizované procesy v CRM, Školicí programy
#12. Meta-znalosti
Metaznalost je znalost vědění. Cokoli, co víme o znalostech (například jak to funguje, jak je klasifikovat, jak je ztrácíme, jak je získáváme), je považováno za metaznalosti.
Příklady meta-znalostí:
- OSVČ: Uvědomění co nevím a co outsourcovat, Jak získat nové kompetence, Vlastní učící styl
- Firma: Jak učit ostatní a předávat know-how, Knowledge management ve firmě, Kolektivní inteligence týmu
#13 Popisné znalosti
Popisné znalosti, známé také jako výrokové znalosti, jsou „vědět, že“ je něco pravdivé (na rozdíl od „vědět, jak“ by se něco mělo dělat). Popisné znalosti se lze naučit memorováním a nevyžadují výrazné praktické zkušenosti v oboru. Naproti tomu nezbytně nutné („vědět jak“) znalosti obvykle vyžadují praktickou dovednost v úkolu.
Příklady popisných znalostí:
- OSVČ: Má 20 aktivních klientů, Hodinová sazba je 1500 Kč, Kapacita je 160 hodin měsíčně
- Firma: Byznys má 30% profit marži, Systém generuje X prodejů denně, Firma roste 50% ročně
1. Explicitní znalosti: Oficiální dokumentace k OpenAI API, uživatelský manuál pro Midjourney nebo sepsaný seznam povolených promptů pro firemní komunikaci.
2. Implicitní znalosti: Schopnost vzít teoretické znalosti o velkých jazykových modelech a aplikovat je při tvorbě komplexního promptu, který skutečně vygeneruje prodejní text v tónu vaší značky.
3. Tacitní znalosti: Profesionální cit pro to, kdy je AI vygenerovaný vizuál „přestylizovaný“ a působí na zákazníky neuvěřitelně, což je dovednost získaná stovkami hodin experimentování, kterou lze jen těžko popsat slovy.
4. Deklarativní znalosti: Znalost faktů, že GPT-4o má určité omezení kontextového okna nebo že model Claude 3.5 Sonnet vykazuje v testech lepší výsledky v kreativním psaní než starší verze.
5. Procesní znalosti: Ovládnutí přesného postupu (workflow), jak propojit Make.com, ChatGPT a LinkedIn API za účelem plné automatizace publikování obsahu bez manuálního zásahu.
6. Posteriori znalosti: Zjištění, že AI generované reklamy na Facebooku měly o 20 % vyšší proklik než ty psané lidmi, a to na základě analýzy dat z reálné kampaně, která právě skončila.
7. Prioritní (Apriori) znalosti: Logický úsudek, že pokud AI modelu neposkytneme žádná data o cílové skupině, nemůže vygenerovat relevantní marketingovou personu, aniž bychom to museli testovat v praxi.
8. Organizační znalosti: Interní směrnice vaší agentury, které definují, jaká klientská data se smí a nesmí vkládat do veřejných AI modelů z důvodu GDPR a ochrany tajemství.
9. Rozptýlené znalosti: Úspěšná AI kampaň, kde grafik umí ovládat generátory obrazu, copywriter umí ladit texty a datový analytik umí interpretovat výsledky – nikdo z nich nerozumí všemu, ale dohromady tvoří celek.
10. Odborné znalosti: Hluboká specializace na trénování vlastních Lora modelů pro Stable Diffusion, aby generované postavy v marketingu měly vždy konzistentní obličej a styl konkrétní značky.
11. Zakódované znalosti: Uložený systémový prompt (System Instructions) v aplikaci Custom GPT nebo Python kód, který automaticky analyzuje sentiment komentářů na sociálních sítích.
12. Meta-znalosti: Schopnost posoudit, který AI nástroj je pro danou marketingovou strategii nejvhodnější a kdy je naopak efektivnější použít klasickou lidskou práci.
13. Popisné znalosti: Vědomost o tom, že „Temperature“ v nastavení LLM ovlivňuje míru náhodnosti a kreativity textu, i když daný člověk nemusí umět sám napsat kód pro jeho změnu.
