In generale i requisiti tecnologici per la gestione della conoscenza sono:
a. funzionalità di raccolta informazioni in grado di evocare conoscenza;
b. funzionalità di restituzione (mettere a disposizione la conoscenza dove serve);
c. armonia tra gli strumenti e il contesto specifico (chiedersi che comunità abbiamo di fronte, se è matura, se sta per sciogliersi, ecc);
d. capacità della tecnologia di evolversi con l’evoluzione degli individui e delle comunità, perché anche questa evolve nel tempo.
Se alla comunità esistente si danno gli strumenti per crearla, quegli strumenti non le serviranno perché è già più avanti.
Le tecnologie per la gestione della conoscenza si distinguono in tecnologie ad-hoc nate per esigenze specifiche, e tecnologie general-purpose. Le tecnologie a supporto del KM non hanno ancora raggiunto un grado di maturità. La riflessione su quali sono le tecnologie che servono nel KM è più recente, il contesto è più difficile, e le informazioni sono poco tangibili e visibili. Nella gestione della conoscenza si va ancora molto per casi, ci possono essere casi di successo o meno, non esiste una soluzione standard.
La difficoltà nasce anche dal fatto che la componente umana non può mai essere trascurata; qualunque soluzione tecnologica deve essere messa fortemente in relazione con gli utenti, e questi devono accettarla e riconoscerla come qualcosa di utile.
L’ingegneria della conoscenza si occupa del progetto, della realizzazione e del mantenimento di sistemi basati su conoscenze e in particolare di sistemi esperti.In generale, un sistema basato su conoscenze è un sistema informatico in grado di sfruttare le informazioni contenute in una base di conoscenze mediante procedure automatiche di ragionamento .
Non esistono tecnologie specifiche per la gestione della conoscenza a parte sistemi esperti.
Per sistema esperto si intende un software in grado, utilizzando conoscenze specialistiche, di risolvere problemi molto complessi simulando il ragionamento umano. Sistemi di questo tipo sono l’unica tecnologia nata appositamente per gestire conoscenza; nascono come idea di incorporare rappresentazione della conoscenza (una sorta di esplicitazione, conoscenza esplicita), e basare su queste rappresentazioni una capacità di ragionamento inferenziale (applicare regole che supportano il ragionamento) per risolvere problemi. Applicazioni tipiche sono, ad esempio, l’analisi di grandi volumi di dati, la diagnosi dei guasti di impianti industriali o la diagnosi medica.
I sistemi esperti si propongono di aiutare gli utenti che hanno dei problemi a trovare nuove soluzioni; guidano il ragionamento delle persone; oppure, nella loro evoluzione, ragionano sui casi (se in un certo dominio ci sono dei problemi e sono state trovate delle soluzioni, il sistema le memorizza caratterizzandole, e a fronte di un nuovo problema cerca per similitudine di recuperare soluzioni analoghe per far partire un processo di costruzione della nuova soluzione sulla base di esperienze passate). L’idea è che il sistema incorpori parte della conoscenza e la restituisca in termini di soluzioni più o meno complete o vicine al problema corrente.
Quello che caratterizza i sistemi esperti è la necessità di costruire un modello coerente di un problema; coerente perché se ci sono dubbi e contraddizioni non si riesce a fare un ragionamento. In genere i sistemi esperti sono fortemente tematici, sono orientati alla soluzione di problemi particolari e ben definiti. questi sistemi hanno applicabilità quando la conoscenza di dominio è abbastanza stabile. Nella maggior parte dei casi i problemi non sono cosi ben delineati e definiti, bisogna pertanto trovare altri tipi di soluzione.
Le tecnologie ad-hoc nascono per risolvere la situazione di un particolare contesto e vanno bene per una determinata comunità di pratica. La CoP quando funziona bene gestisce la propria conoscenza attraverso strumenti che sono molto legati alla comunità stessa, e che hanno un contenuto di conoscenza esplicita molto semplice. Questo perché la poca conoscenza contenuta nelle costruzioni o artefatti della comunità viene completata in modo naturale dal fatto che le persone della comunità sono abituate a ragionare insieme, e ad evocare la conoscenza necessaria anche se il contenuto informativo dell’oggetto condiviso è sintetico ed astratto. La conoscenza tacita viene messa in gioco pesantemente nell’uso di queste informazioni, perché la capacità evocativa di esse è molto alta, per via delle convenzioni interpretative che fanno sì che le persone si capiscono anche se fanno riferimento a una parte di conoscenza esplicita molto sintetica. Il contesto è il fattore che agevola tale processo in quanto chiave di lettura implicita delle informazioni. Ecco perché se un modello funziona per quella comunità, e non è trasportabile in altre.
Queste soluzioni sono semplici perché possono sfruttare un forte livello di convenzionalità, di conoscenza tacita già socializzata, che aiuta a completare quello che non è specificato nel supporto che è stato costruito in maniera collaborativa.
Questo tipo di casistica e di soluzione si applica quando la comunità esiste, è già matura, funziona bene e ha già sviluppato le proprie convenzioni (ci si capisce anche al di là di quello che è esplicitato nella documentazione); questa tecnologia è esattamente quello che serve, e la comunità rifiuterebbe cose diverse; vengono applicati meccanismi già esistenti e consolidati, amplificati. Se la comunità non è ben formata, un approccio di questo tipo non avrebbe senso.
È importante capire il livello di maturità di una comunità, e quello che succede in essa, per poter dare lo strumento che serve e che non intralcia il modo naturale con cui le persone collaborano e scambiano conoscenze.
Ci possono essere tecnologie (WEB 2.0, o DMS e CMS) che sono sostanzialmente funzionalità neutre rispetto alla caratteristica comunità (permettono comunicazione, scrittura collaborativa di documenti o blog, non sono pensate o concepite per una particolare situazione); queste nascono neutre rispetto al concetto specifico; sono tecnologie applicabili quando le comunità non sono ancora emerse, e possono aiutare anche ad identificare quelle che sono ancora nascoste nell’organizzazione.
