На производстве есть знания, которые сложно найти в должностных инструкциях или технологических регламентах.
Опытный инженер знает, почему конкретный станок нельзя настраивать строго по инструкции. Начальник участка помнит, как несколько лет назад удалось решить похожую проблему. Технолог знает, какой из двух формально подходящих вариантов действительно работает на конкретном оборудовании.
Эти знания формируются годами и становятся частью практического опыта предприятия.
Проблема возникает, когда сотрудник, который является носителем такой экспертизы, уходит.
Почему документы не решают проблему полностью
Передача знаний от опытных сотрудников новым специалистам давно является отдельной задачей для бизнеса.
SHRM отмечает, что при уходе сотрудников компании рискуют потерять не только человека, но и накопленные институциональные знания. Организация рекомендует заранее выстраивать процессы их передачи.
APQC также рассматривает потерю критически важных знаний как одну из задач, которую компании решают с помощью систем управления знаниями.
При этом невозможно просто попросить специалиста перед увольнением написать всё, что он знает.
Значительная часть производственной экспертизы контекстна.
Она проявляется в конкретных ситуациях:
— почему в определённом случае выбрали именно этот способ ремонта;
— какие варианты уже пробовали и почему они не сработали;
— какой симптом обычно предшествует определённой неисправности;
— какие особенности есть у конкретного оборудования;
— что делать, если стандартная инструкция не помогает.
Именно поэтому задача сохранения экспертизы заключается не только в создании новых инструкций.
Необходимо сделать накопленные знания доступными другим специалистам в момент возникновения рабочей задачи.
Как здесь используется искусственный интеллект
Один из подходов — создать корпоративный контур знаний, который объединяет существующие материалы предприятия.
В таком контуре могут использоваться документы и инструкции, схемы, чертежи, фотографии, журналы ремонтов и подтверждённый опыт специалистов.
На этой основе сотрудник может задавать вопрос обычным языком, а система искать необходимую информацию в корпоративных источниках, сопоставлять связанные сведения и формировать ответ с указанием источников.
Именно такой подход реализован в системе «Знание-М», разработанной компанией «Синаптик».
В архитектуре решения используются семантический и графовый поиск, мультимодальная обработка документов, ролевая настройка и корпоративная память. Подтверждённые специалистами решения могут после модерации становиться частью накопленного знания предприятия.
Таким образом, система работает не только с готовыми инструкциями, но и помогает связывать разрозненные источники информации с конкретными производственными ситуациями.
Что это даёт предприятию
В таком подходе знания перестают быть привязаны исключительно к отдельному сотруднику.
Новый специалист может получить доступ к накопленному опыту непосредственно в процессе работы.
Опытный специалист может передавать знания не только через формальное обучение, но и через подтверждение конкретных решений.
А результаты решения производственных задач могут становиться частью корпоративной памяти.
В презентации «Знание-М» такой сценарий отдельно рассматривается для обучения персонала: система должна помогать новым сотрудникам получать подсказки непосредственно в рабочем контексте.
Что показал промышленный кейс
«Знание-М» внедрена в производственном контуре на предприятии в Кировской области.
На момент промышленной эксплуатации система использовалась более чем 20 пользователями, на 7 производственных участках и в 5 подразделениях. Среди сценариев — диагностика неисправностей, подбор запасных частей, поиск по истории ремонтов и схемам, обучение новых сотрудников и управление корпоративными знаниями.
По внутренним замерам за август–сентябрь 2026 года:
поиск технической информации — с 35 до 1 минуты;
диагностика неисправности — с 55 до 9 минут;
среднее время восстановления оборудования (MTTR) — с 240 до 160 минут. 
Важно, что речь идёт не о замене специалистов искусственным интеллектом.
Речь о другом: ИИ становится инструментом, который помогает предприятию сохранять, находить и передавать накопленную экспертизу.
Для промышленности это особенно важно там, где значительная часть знаний формируется годами работы с конкретным оборудованием, технологическими процессами и производственными ситуациями.
Главный вопрос
Смена сотрудников — естественная часть жизни любого предприятия.
Но вместе с человеком компания не должна каждый раз начинать накопление определённого вида экспертизы заново.
Поэтому управление знаниями постепенно становится не только HR-задачей, но и частью производственной устойчивости.
Если опыт специалистов остаётся только в их памяти, предприятие рискует потерять его вместе с ними. Если опыт превращается в доступное и постоянно пополняемое корпоративное знание — он продолжает работать на производство.