1. Co napisał Gemini
**Wiedza Organizacyjna Kluczem do Sukcesu AI, a Nie Sama Technologia – Analiza z **
**SAN JOSÉ, KOSTARYKA** – Sztuczna inteligencja (AI) nie przekształca organizacji, lecz wzmacnia to, czym już są, szczególnie w kontekście zarządzania wiedzą. Taką tezę stawia Robert Garita w swoim artykule opublikowanym 10 sierpnia 2026 roku na łamach kostarykańskiego dziennika. Według Garity, kluczem do efektywnego wykorzystania AI jest zrozumienie i uporządkowanie wiedzy organizacyjnej, której większość firm nie potrafi nawet zlokalizować.
Artykuł rozróżnia dwa rodzaje wiedzy, nawiązując do słów Michaela Polanyi z 1966 roku: „wiemy więcej niż jesteśmy w stanie powiedzieć”. Wiedza jawna jest łatwa do skodyfikowania i przechowywania – to podręczniki, polityki, bazy danych czy umowy. Natomiast wiedza ukryta (tacit knowledge) rezyduje w ludziach: w ich osądzie, nagromadzonym doświadczeniu, intuicji rzemieślniczej i relacjach. To właśnie ona często bywa decydująca, jak w przypadku szefa operacyjnego, który potrafi dostrzec problem ukryty za pozornie korzystnym wskaźnikiem KPI. IDC wskazuje, że brak możliwości rzetelnego zmierzenia udziału wiedzy ukrytej stanowi istotne ryzyko strategiczne.
Ujawnienie i przekazanie wiedzy ukrytej to skomplikowany proces, daleki od dwudniowych warsztatów. Jako przykład przytacza historię Matsushity z lat 80., opisaną przez Nonakę i Takeuchiego w ich koncepcji "firmy tworzącej wiedzę". Firma nie była w stanie zmechanizować zagniatania chleba, dopóki inżynierka oprogramowania Ikuko Tanaka nie spędziła roku jako praktykantka u mistrza piekarstwa w Osaka International Hotel, przekładając jeden konkretny ruch ręki na specyfikację inżynieryjną. Pominięcie tego etapu sprawia, że wdrożenia technologiczne opierają się na niekompletnej mapie rzeczywistości.
Konsekwencje polegania wyłącznie na wiedzy jawnej bywają kosztowne. W artykule wspomniano o firmie Zillow, która dysponowała doskonałymi danymi dotyczącymi rynku nieruchomości i zbudowała algorytm do kupowania i odsprzedawania domów. Brak lokalnego osądu agentów doprowadził do tego, że w listopadzie 2021 roku firma zamknęła tę jednostkę po stracie 422 milionów dolarów w ciągu jednego kwartału i redukcji około 25% personelu.
Problem braku pełnego zrozumienia i zarządzania wiedzą jest powszechny. Projekt NANDA MIT z 2025 roku, analizujący ponad 300 inicjatyw generatywnej AI w przedsiębiorstwach, wykazał, że 95% z nich nie przyniosło żadnych zwrotów. Główne bariery miały charakter organizacyjny, a nie wynikały z jakości modeli AI. Dodatkowo IDC raportuje, że 89% organizacji zgłasza problemy z jakością danych, a ponad połowa inicjatyw AI zatrzymuje się po fazie pilotażowej.
Robert Garita podkreśla, że prawidłowa kolejność działań polega na zidentyfikowaniu krytycznej wiedzy, wskazaniu osób, które ją posiadają, oraz zrozumieniu, w jaki sposób jest używana i transferowana. To są kwestie strategiczne, kulturowe, procesowe i zarządcze, a nie proste zgłoszenie problemu do działu IT. Chociaż Kostaryka dysponuje talentami i krajową strategią w zakresie AI, wewnątrz każdej firmy kluczowe jest pytanie: "co tak naprawdę wiemy?".
W podsumowaniu, analiza z jasno wskazuje, że prawdziwa wartość i efektywność sztucznej inteligencji w organizacjach zależą nie tyle od samej technologii, ile od zdolności firm do rozpoznawania, gromadzenia i wykorzystywania całej dostępnej wiedzy, w tym tej najtrudniejszej do uchwycenia – wiedzy ukrytej, której AI nie jest w stanie samodzielnie "przeczytać".
2. Opinia Groka
1) Co się zgadza ze źródłem Artykuł wiernie oddaje tezę Roberta Garity: AI nie transformuje organizacji, lecz wzmacnia istniejący stan wiedzy. Zgadzają się wszystkie kluczowe elementy: rozróżnienie wiedzy jawnej i ukrytej (Polanyi), przykład Ikuko Tanaki z Matsushity, przypadek Zillow z kwotą 422 mln USD straty, dane z projektu NANDA (95% inicjatyw bez zwrotu) oraz statystyki IDC (89% problemów z jakością danych i ponad połowa projektów zatrzymujących się po fazie pilotażowej).
2) Co jest uproszczone albo niepewne Artykuł upraszcza proces ujawniania wiedzy ukrytej, przedstawiając go jako długotrwały i trudny, bez wskazania, jak duże organizacje mogą to robić efektywnie przy setkach ekspertów. Dane z NANDA i IDC podane są bez kontekstu metodologii – nie wiadomo, jak dokładnie mierzono „brak zwrotu” ani czy próba była reprezentatywna. Niepewny jest też stopień, w jakim wiedza ukryta rzeczywiście decyduje o porażce AI w porównaniu z innymi czynnikami (jak jakość integracji systemów czy opór kulturowy).
3) Czego brakuje Brakuje informacji o kosztach i czasie potrzebnym na mapowanie wiedzy ukrytej w praktyce. Nie ma niezależnych badań ani kontrprzykładów firm, które skutecznie wdrożyły AI mimo słabego zarządzania wiedzą ukrytą. Artykuł nie pokazuje też narzędzi ani metod (np. shadowing, communities of practice, AI wspomagające elicitation), które obecnie stosuje się do ekstrakcji tej wiedzy.
4) Moja opinia Tekst trafnie zwraca uwagę na fundamentalny problem, który wielu pomija – technologia nie zastąpi nieuporządkowanej organizacji. Jednocześnie nieco demonizuje wiedzę ukrytą, sugerując, że bez jej pełnego uchwycenia AI jest bezwartościowa. W rzeczywistości wiele wdrożeń AI odnosi sukcesy przy częściowej wiedzy, a nadmierne skupienie na mapowaniu tacit knowledge może stać się kosztowną wymówką dla braku działania.
3. Opinia Claude
Weryfikacja newsa: "Wiedza, której model nigdy nie przeczyta"
1) Zgodność ze źródłem
- Teza o AI jako wzmacniaczu, nie transformatorze organizacji
- Cytat Polanyi'ego z 1966 roku o tym, że "wiemy więcej niż możemy powiedzieć"
- Podział na wiedzę jawną i ukrytą z konkretnymi przykładami
- Historia Ikuko Tanaki z Matsushity (lata 80., Osaka International Hotel, rok praktyki)
- Case Zillow z precyzyjnymi danymi: 422 mln USD straty, listopad 2021, ~25% redukcji personelu
- Projekt NANDA MIT (2025): ponad 300 inicjatyw, 95% bez zwrotu
- Statystyki IDC: 89% problemów z jakością danych, ponad połowa projektów nie wychodzi poza pilot
- Odniesienie do Nonaki i Takeuchiego oraz koncepcji "firmy tworzącej wiedzę"
2) Nieścisłości i uproszczenia
- Gemini przedstawia wiedze ukrytą jako główną przyczynę porażek AI, podczas gdy źródło mówi o barierach "organizacyjnych" – to szersze pojęcie
- Nie zaznaczono, że tekst to op-ed (artykuł publicystyczny), nie raport analityczny – ton Gemini sugeruje większą obiektywność niż ma oryginał
- Statystyki IDC cytowane bez zastrzeżenia, że sam Garita używa ich argumentacyjnie, nie jako neutralnych danych
3) Czego brakuje
- **Kontekst kostarykański**: oryginalny tekst kończy się odniesieniem do sytuacji w Kostaryce i krajowej strategii AI – Gemini to uwzględnia, ale bez wyjaśnienia, dlaczego akurat kostarykański dziennik porusza ten temat
- **Pytanie o skalę problemu**: źródło wprost mówi, że IDC twierdzi, iż nie ma wiarygodnego sposobu zmierzenia udziału wiedzy ukrytej – ta fundamentalna niepewność mogłaby być mocniej wyeksponowana
- **Praktyczne rozwiązania**: Garita skupia się na diagnozie, nie na tym, *jak* firmy mają sobie radzić – brak tej luki w podsumowaniu
- **Chronologia**: nie wspomina się, że to tekst *kontynuujący* wcześniejszy artykuł autora
4) Mój werdykt
**Gemini wykonał solidną robotę** – to rzetelne, dokładne streszczenie z zachowaniem wszystkich istotnych faktów i liczb. Problem w tym, że **brzmi jak obiektywna analiza**, gdy tymczasem to publicystyka z wyraźną tezą do obrony.
Garita ma rację co do problemu, ale jego narracja jest jednostronna: sugeruje, że *główną* barierą dla AI jest wiedza ukryta, podczas gdy może to być jeden z wielu czynników. Case Zillow dobrze ilustruje problem, ale czy to dowód systemowy, czy anegdota? Projekt NANDA brzmi imponująco (300+ inicjatyw!), ale bez dostępu do metodologii to argument z autorytetu.
**Największa wartość tekstu**: przywrócenie perspektywy w dyskusji o AI. W czasach, gdy każdy vendor sprzedaje "transformację cyfrową", przypomnienie, że technologia nie zastąpi porządku w firmie, jest cenne.
**Największa słabość**: brak praktycznych wskazówek. OK, musimy mapować wiedzę ukrytą – ale jak? Z jakim kosztem? W jakiej skali to realistyczne? Tekst diagnozuje, ale nie leczy.