제 11장 지식경영

기업과 정부에서 지식관리와 협업 시스템은 가장 빠르게 성장하는 SW 투자 분야이다.

 

지난 10년간 지식과 지식경영에 대한 연구는 경제, 경영, 정보시스템 분야에서 활발하게 이루어졌다.

 

데이터, 지식, 정보, 지혜 사이에는 유의미한 차이가 존재한다.

 

데이터를 조직 시스템에 의해 획득된 사건이나 거래처리의 흐름을 정의하였으며, 일정한 범주로 체계화하여 정보로 변환하고, 이를 사용하는 일정한 맥락, 규칙을 발견함으로써 지식으로 변환한다. 그리고 지혜는 지식을 문제 해결에 적용한 집합적이고 개인적인 경험이다.

즉, 가공 순서에 따라 데이터 -> 정보 -> 지식 -> 지혜 순으로 나타난다.

 

그리고 지식의 종류로 암묵지와 형식지로 구분할 수 있는데 암묵지(Tacit Knowledge)는 직원 마음속에 존재하는 문서화되지 않은 지식이며 형식지(Explicit Knowledge)는 문서화된 지식이라고 할 수 있다.

 

한편 조직은 인간과 같이 학습 매커니즘을 통해 지식을 생성하고 수집한다. 다양한 시행착오와 피드백을 통해 직원들의 행동을 조정하고 이러한 변화의 과정을 조직학습(Organizational Learning)이라고 정의한다.

 

지식경영(Knowledge Management)은 지식의 생성, 저장, 전달, 적용을 위해 조직에서 개발된 일련의 비즈니스 프로세스를 말한다. 환경으로부터 학습하고 지식을 비즈니스 프로세스에 통합하는 조직의 능력을 향상시킨다.

 

전사적 지식관리시스템(Enterprise-Wied Knowledge Management System)은 기업 차원에서 디지털 콘텐츠와 지식을 수집, 저장, 배포, 적용할 수 있도록 지원하는 시스템이다. 정보검색, 구조적, 비구조적 데이터의 저장, 회사 내 전문가의 위치 제공 등의 기능들을 가지고 있다.

 

지식작업시스템(Knowledge Work System, KWS)은 새로운 지식의 발견과 생성 임무가 있는 기수라, 과학자, 기타 지식 근로자들을 위해 만들어진 전문화된 시스템이다.

 

오늘날 기업들은 구조적, 반구조적 지식 자산 모두를 조직, 관리할 필요가 있다. 구조적 지식(Structured Knowledge)은 전문가와 그들의 의사결정 행위를 관찰하여 얻은 규칙이나 정형화된 문서에 존재하는 형식지이다. 전사적 콘텐츠관리시스템은 조직들이 두 가지 종류의 정보를 관리할 수 있도록 지식의 획득, 저장, 검색, 배포, 보존 등의 기능을 지원한다. 나아가 이렇게 수집, 저장한 지식들을 스키마 또는 분류체계(Taxonomy)를 만듦으로써 범주화하여 찾기 쉽도록 만들고 있다.

 

학습관리시스템(Learning Management System, LMS)은 다양한 유형의 교육 훈련을 관리, 실행, 평가하기 위한 도구들을 제공한다. 예를들면 공개적으로 이용가능한 온라인 대중 공개강좌(MOOC)나 현재 코로나19로 인해 활성화된 대학가의 Learning X나 블랙보드 등이 이에 해당한다.

 

앞서 이야기한 전사적 지식시스템은 조직 내 많은 사람들이 이용할 수 있는 다양한 기능들을 제공한다. 특히나 지식 근로자는 조직에 필요한 지식과 정보를 생성하는 연구자, 설계자, 건축가, 과학자, 기술자 등이 있다. 이들은 높은 교육수준과 업무능력, 판단능력이 중요시된다. 대부분의 지식근로자들은 오피스 시스템을 필요로 하지만 고도로 전문화된 지식작업 시스템도 필요하다. 이에따라 컴퓨팅 능력이 요구되며 이를 통해 신속하게 외부 데이터를 다룰 수 있어야 할 것이다.

 

CAD를 통해 설계를 한다던지, 3D 프린팅을 통해 물체를 만드는 적층가공을 실행한다던지, VR 시스템을 통해 CAD의 기능을 넘어 시각화, 렌더링 등을 구현하는 것을 예시로 들 수 있다.

 

그렇다면 이렇게 지식경영을 위한 지능형 기술 이용의 비즈니스 이점은 무엇이 있을까?

 

가장 대표적인 이점은 전문가시스템을 통한 지식의 획득을 들 수 있다. 전문가시스템은 매우 구체적이고 한정된 전문 영역에서 암묵지를 획득하기 위한 지능형 기술이다. 숙련된 직원으로부터 획득한 지식을 SW 시스템에 일련의 규칙 형태로 표현함으로써 다른 사람들이 사용할 수 있도록 한다. 

 

이외에도 사례로 표현된 전문가들의 경험을 DB에 저장하여 사용자가 이와 유사한 변수를 가진 사례에 직면했을 때 검색하여 사용할 수 있도록 하는 사례기반추론(Case-Based Reasoning, CBR), 근사치나 주관적 값을 사용하는 규칙들을 생성함으로써 부정확성을 표현할 수 있는 퍼지논리(Fuzzy Logic) 등이 있다. 

 

그리고 기계 스스로 학습을 유도하는 머신러닝(Machine Learning)까지 지능형 기술 이용을 통한 비즈니스 이점이라 할 수 있다. 

 

이외에도 지능형 에이전트, 하이브리드 인공지능 시스템 등이 있다.