‏وقتی یه نفر تنها منبع دانش تیمه

جیسون کول، CTO شرکت Dart Health، از دوران مدیریتش در Reed Group (حالا Alight Absence Management) یه مشکل آشنا رو تعریف می‌کنه: فرمت خروجی پیچیده‌ای به اسم Action/Action Reason Code که برای ردیابی مرخصی‌های کارمندان استفاده می‌شد. تنها کسی که می‌تونست این فرمت رو درست تفسیر کنه، یه نفر بود: جن.

جن می‌دونست که بیشتر مرخصی‌ها با کد LOA می‌آن، ولی گاهی باید دنبال ترکیب PAY/SRT می‌گشتی. می‌دونست کدوم کارفرماها سه هفته دیر اطلاعات می‌دن و کدوم‌ها از یه کد برای چیزهای مختلف استفاده می‌کنن. این دانش فقط توی ذهن جن بود — نه توی سند، نه توی کد.

نتیجه؟ جن هرگز نمی‌تونست واقعاً تعطیلات بره. هر بار که مشکلی پیش می‌اومد، فقط اون می‌تونست حلش کنه. راه‌حل اون موقع هم این بود که یه نفر دیگه رو آموزش بدن — یعنی به جای حل مشکل، فقط یه «وارث» تعیین شد.

مستندسازی هم جواب کامل نیست. مشکل اینه که مستندات یه عکس فوری از چیزیه که یه روز خاص به خاطر سپرده شده. اما قضاوت — یعنی دونستن اینکه وقتی دو کد با هم تناقض دارن کدوم رو انتخاب کنی، یا وقتی داده‌های کارفرما با خودش جور نیست چطور تفسیرش کنی — این رو نمی‌شه نوشت. این دانش یا توی اپلیکیشن زندگی می‌کنه، یا توی ذهن جن.

راه‌حل واقعی اینه که یه سیستم یادگیرنده بسازی. سیستمی که وقتی اطمینانش از یه داده پایین میاد، به جای حدس زدن، موضوع رو با تمام کانتکست به یه انسان ارجاع می‌ده. انسان تصمیم می‌گیره، سیستم جواب رو به عنوان یه قانون ذخیره می‌کنه و دفعه بعد خودش حلش می‌کنه. هرچی موارد بیشتری حل بشه، تعداد موارد نیازمند کمک کمتر می‌شه.

با این رویکرد، جن دیگه یه نقطه شکست واحد نیست — بلکه یه ضریب‌دهنده می‌شه. مثل دکتر هاوس که فقط روی پرونده‌های واقعاً پیچیده مشورت می‌ده، در حالی که سیستم بقیه موارد رو خودش مدیریت می‌کنه.

نکات کلیدی:

• دانش عملیاتی پیچیده اغلب فقط توی ذهن یه نفر وجود داره و مستندسازی به تنهایی کافی نیست
• تعیین «وارث» فقط مشکل رو جابجا می‌کنه، حل نمی‌کنه
• سیستم‌های یادگیرنده با ارجاع موارد مبهم به انسان و یادگیری از جواب‌ها، به مرور زمان مستقل‌تر می‌شن
• این رویکرد متخصصان رو از کارهای تکراری آزاد می‌کنه و تمرکزشون رو روی موارد واقعاً چالشی می‌ذاره