know-how 很重要，但没那么难
目录
这两年聊 AI 落地，“行业 know-how”几乎成了标准答案：AI 谁都会用，真正值钱的是懂行业，不懂行业你什么也做不了。
我的看法是：行业 know-how 重要，也确实有难度，但没有大家想的那么难，更不是动手之前就必须先跨过去的门槛。这篇想聊清楚几件事：know-how 到底指什么；不懂行业的人，怎么靠 AI 和客户把它补上；以及现在很火的”隐性知识”，为什么也不该把外行挡在门外。
know-how 为什么突然这么重要
最近这一两年有个很明显的变化：AI 把信息化的门槛拉低了。以前做一个系统，要懂编码、要有研发团队；现在很多代码 AI 能写，能做信息化的人一下子多了很多。
门槛一低，大家就开始找新的护城河，找来找去，落到了”行业 know-how”上。
我觉得这是把 know-how 的优先级抬得太高了。有当然好，没有也能做。它是加分项，不是入场券。
know-how 这个词太大了
先说这个词本身。“know-how”听起来像一整座山：一个行业几十年的经验、规矩、门道，外行摸不到边。一听就容易觉得”我不是这行的，算了”。这个词本身就给人很大的阻力。
但拆开看，所谓行业 know-how 至少有三层：
- 行业常识：这个行业是干嘛的，有哪些单据、哪些流程、哪些常见风险。这一层 AI 基本都有，问就行。
- 客户自己的规矩：他们公司怎么审批、最在意哪些字段、哪个环节最容易出错。这一层 AI 没有，但客户有，而且客户愿意讲——你是来帮他解决问题的。
- 说不清的经验：老员工凭感觉判断”这单有问题”。这一层就是现在很火的”隐性知识”，客户自己都讲不清楚。
拆完会发现：第一层问 AI，第二层问客户，第三层谁都没有现成答案，得一起摸。没有哪一层是”必须你自己先懂才能开始”的。
例子一：合同审批，不懂法律有问题吗
我刚做完一个 AI 合同审批的项目。我不是学法律的，有问题吗？完全没问题。
- 法律知识 AI 懂。合同里哪些条款有风险、违约责任怎么写算对等，模型比我懂得多。
- 客户的要求本身也不会拉得特别高。AI 审完，后面还是专门的法务（他们是外包律师团队）再看一遍。AI 是第一道筛子，不是最后一道关。
- 真正需要的”行业知识”是客户给的：律师提了几个他们关心的审核维度，我加进 AI 分析里就行。还有脱敏，一开始我把金额也脱了，结果 AI 分析出来没有金额风险；和客户一聊，金额根本不算敏感信息。这种东西书上查不到，聊一次就知道了。
整个项目里，我缺的那部分 know-how，一部分 AI 补了，一部分客户补了。
那这个项目到底算不算用到了 know-how？我自己琢磨了一下：法律专业这一层，基本没用上我自己的；但审核维度、脱敏规则、审批流程这些，确实也算 know-how，只不过是客户业务流程层面的，而且都是聊出来的，不是我事先就懂的。这恰恰说明，项目里真正用得上的 know-how，大多是能在现场拿到的那一部分。
例子二：航运货运单，几分钟就能入门
再举个更”外行”的。航运货运单，不在航运业里的人基本不会接触这个东西，我第一次碰到也是一脸懵。
但实际上，跟客户聊个几分钟，就大概知道这张单子是怎么回事了：无非是他们关注哪几个数、哪几项内容。对做信息化的人来说，再往下翻译一层，就是哪些字段之间有什么逻辑关系。聊之前先问一下 AI，单据有哪些要素、行业里的常用叫法，进去聊的时候就不会太生。
客户也很愿意讲。对他来说，你愿意搞懂他的业务，本身就是加分。
当然，现在也有一种说法：客户没有义务跟你讲他的业务逻辑。我不太赞成。客户找你是要解决问题的，如果他一点都不讲，你就很难帮到他。这本来就是双向的事。
反倒是特别细的地方，客户自己有时候也讲不太清楚。他天天在做，但从来没想过要把它说成规则。这就引出了下一个话题。
隐性知识：知道，和能提取出来，是两回事
和 know-how 关系很近的一个词，叫隐性知识，最近网上很火。说法大概是：显性的知识 AI 都学走了，写在书里、文档里的东西不值钱了，剩下的护城河就是那些只存在于老师傅脑子里、说不出来的经验。
这个词来自哲学家波兰尼的一句话：“我们知道的，比我们能说出来的多。“会骑自行车的人，讲不清自己是怎么保持平衡的；干了十年审单的人，一眼看出单子不对劲，但你问他为什么，他只能说”感觉”。
我同意隐性知识存在，也同意它值钱。但我不同意由此推出”外行做不了”。理由恰恰藏在定义里：隐性知识，是连拥有它的人自己都说不出来的。
这意味着在这一层上，行业里的人并不比外行占多大便宜。他”知道”，但他没法直接把它交给 AI。要做 AI 化，需要的是把这套东西”提取”出来，变成 AI 能执行的规则、判断维度、提示词和流程。知道和提取，是两种能力。
很多行业里的人有前者，没有后者。而做 AI 化的人，真正的工作恰恰是后者：
- 问对问题。 不问”你怎么判断的”，而是问”上次出问题的那一单，你是看到哪一栏觉得不对的”。抽象的经验说不出来，具体的案例说得出来。
- 用例子代替规则。 说不清的东西，就别逼客户说清。让他挑几份”有问题”和”没问题”的单子，交给 AI 去对比、归纳，很多时候比写规则管用。
- 边做边补。 先上一版，让业务的人挑错。挑错比描述容易得多，每挑一次，就有一点隐性知识变成了显性的。
另外说句实话，很多被叫作”隐性知识”的东西，其实只是没人整理过的显性知识。问一问、理一理，就写下来了，没那么玄。
所以真正必要的不是 know-how，而是把 know-how，尤其是隐性的那部分，提取出来的能力。
AI 有时候比”行业里的人”还懂
还有一个可能有点得罪人的观察：有些人看起来在这个行业里，但其实对业务没有很深的了解，只是在岗位上重复做事。这种情况下，AI 对行业的理解可能比他还全面。
所以不懂行业的时候，第一步不是发怵，是先问 AI。问完至少能到”和客户对得上话”的程度，在销售和售前阶段，这就够用了。
当然，也有它确实重要的时候
说 know-how 不是门槛，不是说它没用：
- 交付越往深做越需要。 售前阶段懂个场景就够，真上线跑起来，边界情况要一个个磨。不过到那时你已经在客户现场，是边做边学。
- 容错很低的场景要谨慎。 比如 AI 的输出会直接产生后果、没有人兜底的环节，最好有懂行的人把关。合同审批能放心做，很大原因就是后面有律师兜底。
- 客户需要信任感。 客户会希望你”懂”，但懂到能听明白他在说什么、能问出好问题，就够了。
收尾
各行各业都有自己的 know-how，这个没错。但它不该是挡在门口的那堵墙。
不懂，先问 AI；还不懂，问客户；客户也说不清的隐性知识，一起把它挖出来。
别怕，先做起来。