Transferul cunoștințelor tacite prin mentoring: cum poate AI-ul să facă vizibil ceea ce organizația ta știe dar nu a scris niciodată

Problema pe care mentoring-ul clasic o rezolvă parțial

Când un angajat senior pleacă sau se pensionează, organizația pierde adesea mult mai mult decât apare în orice fișă de post: cunoștințe tacite – acel „știu cum” acumulat prin experiență, greu de articulat explicit chiar și de persoana care îl deține. Filozoful Michael Polanyi a rezumat fenomenul într-o formulă des citată: „putem ști mai mult decât putem spune.”

Mentoring-ul rămâne mecanismul clasic prin care organizațiile încearcă să transfere acest tip de cunoaștere – dar procesul are o problemă structurală: identificarea corectă a persoanelor care dețin cunoștințe critice, în special atunci când acestea sunt distribuite informal, prin rețele care nu apar în organigrama oficială.

Un instrument nou: agenți AI pentru „descoperirea” cunoștințelor tacite

Un studiu recent de cercetare (Zuin, Mastelini, Loures & Veloso, 2025, publicat pe arXiv, cercetători din Brazilia) propune un cadru bazat pe modele de limbaj mari (LLM), în care un agent AI reconstruiește iterativ descrieri de cunoștințe organizaționale printr-un proces de conversație cu angajați succesivi – modelând răspândirea cunoașterii ca pe un proces epidemiologic (susceptibil-infecțios, cu scădere a „infectivității” în timp).

Rezultatul, testat în 864 de simulări pe structuri organizaționale sintetice diferite: agentul a reușit să recupereze 94,9% din cunoștințele complete căutate și, remarcabil, fără să aibă nevoie de acces direct la singurul specialist real al domeniului respectiv, doar prin conversații succesive cu alți angajați care dețineau fragmente ale cunoașterii.

Ce înseamnă asta practic pentru organizația ta

Această cercetare sugerează un rol pentru AI care nu înlocuiește mentoring-ul uman, ci îl completează într-o etapă anterioară: cartografierea cine știe ce, înainte ca relația de mentoring propriu-zisă (umană) să înceapă. Aplicații concrete:

• Înainte de plecarea unui angajat senior, un proces structurat de interviuri (asistat sau nu de AI) poate identifica rapid unde e distribuită cunoașterea critică în echipă, nu doar ce știe persoana care pleacă.
• Un asemenea proces poate reduce riscul de a rata cunoștințe importante deținute de persoane care nu sunt evidente ca „experți oficiali”.
• Rezultatul acestui proces de cartografiere poate deveni input direct pentru proiectarea unui program de mentoring de succesiune – cine ar trebui să mentoreze pe cine, pe ce teme specifice.

O avertizare importantă de reținut

Cercetarea citată e un studiu tehnic, bazat pe simulări, nu pe implementări reale în companii — rezultatele sunt promițătoare, dar rămân la stadiul de cercetare aplicată, nu de soluție validată la scară largă. Tratează instrumentele AI de acest tip ca pe un ajutor pentru identificarea rapidă a surselor de cunoaștere, nu ca pe un substitut al procesului uman de transfer real al acelei cunoașteri — pentru distincția aceasta, vezi și ghidul „AI & Mentoring: poate un LLM să fie mentor?”.

Sursă citată

Zuin, G., Mastelini, S., Loures, T., & Veloso, A. (2025). Leveraging Large Language Models for Tacit Knowledge Discovery in Organizational Contexts. arXiv:2507.03811.