每个企业都有这样的人：他能在十秒内判断这个报价合不合理，他知道哪台设备快到保养期了，他记得三年前那个客户为什么换了供应商。
这些东西没有写在任何文档里。它们被称为隐性知识，也是企业最容易流失的资产。
隐性知识为什么难沉淀
| 原因 | 说明 |
|---|---|
| 持有者说不清 | "就是感觉""经验吧" |
| 没有记录习惯 | 从没想过要写下来 |
| 场景依赖 | 脱离具体场景很难描述 |
| 缺乏动力 | 写下来对自己没好处 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
第一条最关键：很多经验是"做得出说不出"的。直接问"你怎么判断的"，往往得不到有用的答案。
方法一：场景化访谈，而不是抽象提问
不要这样问
"你觉得报价要注意什么？"
回答通常是："要看情况。"
要这样问
"上个月那个 XX 客户的单子，你当时是怎么定价的？为什么定这个价？"
具体问题会引出具体的过程，而过程里就藏着规则。
访谈的结构
| 步骤 | 问什么 |
|---|---|
| 回忆一个具体案例 | "最近一次遇到 X 情况是什么时候？" |
| 还原当时的判断 | "你当时看到了什么？" |
| 追问决策依据 | "为什么选 A 不选 B？" |
| 问反例 | "什么情况下你会做不同的选择？" |
| 问例外 | "有没有这个规则不适用的情况？" |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
最后两问（反例与例外）最有价值。规则容易说，例外才是真经验——因为例外往往来自踩过的坑。
方法二：从错误和异常中采集
正常情况大家都会处理，异常才体现经验。
| 异常 | 背后的经验 |
|---|---|
| 那次交期延误 | 哪个环节最容易卡住，怎么提前发现 |
| 那次报价失误 | 哪类配置容易被漏算 |
| 那次客户投诉 | 什么信号说明客户不满意 |
| 那次质量事故 | 哪个参数需要重点监控 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
采集方式：每次发生异常，做一次简短复盘，记录：
- 发生了什么
- 当时怎么处理的
- 为什么这样处理
- 下次遇到类似情况怎么做
第四项就是可复用的经验。
一个心态前提：复盘是为了学习，不是为了追责。如果复盘会变成批斗会，所有人都会隐瞒异常，经验也就无从采集。
方法三：让经验在使用中被记录
与其事后访谈，不如在使用流程中嵌入记录。
| 嵌入点 | 记录什么 |
|---|---|
| 报价时 | 为什么给这个折扣（选择项 + 备注） |
| 异常处理时 | 处理依据 |
| 质检时 | 判定理由 |
| 客户沟通时 | 客户的关键关注点 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
这些记录积累起来，就是经验库。
关键设计：记录要轻量。如果需要写一段话，没人会写；如果是选一个原因 + 可选的一句话备注，就能坚持下来。
三个步骤：从经验到资产
| 步骤 | 做法 |
|---|---|
| 采集 | 通过访谈、复盘、嵌入式记录获得原始素材 |
| 结构化 | 把素材整理成"在什么情况下 → 怎么做 → 为什么"的格式 |
| 验证与迭代 | 让其他人在实际场景中使用，发现不适用的地方并修正 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
第三步最容易被忽略，但也最重要——未经验证的经验可能只是个人习惯，而不是可复用的方法。
一个判断标准：这条经验可复用吗？
采集到的经验需要过一遍筛选：
| 判断 | 例子 |
|---|---|
| 可复用 | "这类客户的询价，通常要在 24 小时内响应" |
| 可复用 | "这个工艺在厚度超过 3mm 时容易变形，需要调整参数" |
| 不可复用（个人习惯） | "我一般先打电话再发邮件"（这只是习惯，不是方法） |
| 不可复用（过时） | "以前 XX 供应商便宜"（供应商情况已变） |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
一个原则：记录"为什么"而不只是"怎么做"。只记做法，后人不知道什么时候该用；记了原因，后人能自己判断适用性。
常见障碍与应对
| 障碍 | 应对 |
|---|---|
| 老员工不愿意分享 | 说明用途（减轻重复劳动、传承）而非考核；让他参与并署名 |
| 说不清楚 | 用具体案例引导，而不是抽象提问 |
| 没时间 | 每次只采集一小块（20 分钟访谈），积少成多 |
| 记录了没人看 | 把知识嵌入实际工作流程，使用时自然被调用 |
表：本表为作者依据行业公开资料整理，具体数值随企业情况而异。
第一条值得多说：很多老员工不愿分享，是担心"教会徒弟饿死师傅"。应对方式不是强制，而是让他成为知识的署名者和受益者——比如以他命名某个方法，或者让他从重复劳动中解放出来去做更有价值的事。
一个额外的收获
当企业开始沉淀隐性知识时，往往会发现：
- 某些"经验"其实是过时的做法，早就该改
- 不同老员工的方法互相矛盾，需要统一
- 有些环节的优化空间比想象中大
这个过程本身就是一次组织能力的梳理。
“老员工的价值不在于他脑子里有多少东西，而在于这些东西能不能留下来。”— 初元AI 团队
沉淀老员工经验，需要什么工具？+
从访谈开始，不要一开始就上系统。用两到三周时间，每周访谈一到两位资深员工（每次 30–60 分钟），把内容整理成结构化的经验条目。这不需要任何工具，一个文档就够了。等积累了 30–50 条、验证了确实有用之后，再考虑放进知识库系统。过早引入系统会导致"为了填满系统而凑内容"，质量反而下降。
经验写下来了，但没人看怎么办？+
问题通常在于知识没有嵌入工作流。如果经验放在一个独立的文档里，需要人主动去查，使用频率必然低。有效的做法是把知识嵌入到实际操作的环节：报价时系统自动提示相关经验、异常发生时推送类似案例的处理方法。让知识在需要的时候主动出现，而不是等人来找。
AI 能不能自动提取老员工的经验？+
能做辅助，不能完全自动化。AI 可以帮着整理访谈记录、归纳共性、发现矛盾，但无法替代"还原场景"这一过程——因为经验的关键信息（为什么这么做、什么情况不适用）往往在追问中才浮现。比较现实的分工是：人做访谈和追问，AI 做整理和结构化。此外，AI 也无法判断某条经验是否过时，这仍需资深人员确认。
本文隐性知识沉淀方法为通用性建议，具体采集方式因企业与岗位而异。