本文探讨隐性知识萃取难题，并提出“金字塔式”访谈策略。该策略整合响应式、激发式、共创式三种访谈法，以全类型知识为目标，通过全方位提问手段，运用AI工具赋能企业管理者高效萃取隐性知识，克服受访者分享难、访谈者专业不足、内容价值判断难等困境，提升知识萃取质量。
知识萃取（Knowledge Extraction）是对数据和信息的精炼，对于不同的知识，可以采取不同的萃取思路和模式。一般而言，知识可以分为显性知识和隐性知识。显性知识存在于文字、语言和图表等形式里，往往通过系统来实现萃取；隐性知识隐藏于人的头脑和日常行为之中，通常需要深度访谈才能实现显性化（见表1）。也就是说，显性知识的萃取相对比较标准化，基本可以通过计算机来完成，而隐性知识并没有表征成文字，需要借助专家的访谈来实现显性化。因此，使用什么样的访谈策略和提问方式，决定了隐性知识萃取的质量。
隐性知识萃取困难重重
采取深度访谈方式进行隐性知识萃取，属于一种质性研究，涉及受访者、访谈者和访谈内容等各类要素，研究结论有时还有较强的不确定性。调研过程充满各种阻力和困难。
让受访者分享“绝活儿”有难度
一次成功的访谈，首先取决于受访者分享的内容。受访者即使有隐性知识，也不一定愿意分享，这涉及知识共享意愿问题。知识共享愿意受到内外部许多因素的影响，有组织氛围、激励机制、团队协作等组织层面的因素，也有个性、动机等个体因素，让受访者心甘情愿地分享隐性知识，具有一定的挑战性。即使受访者愿意分享知识，如何挖掘到“绝活儿”，也是一道难题。辨别受访者行为与其他普通行为的差异，是寻找“绝活儿”的基础，这就要求访谈者预先了解受访者从事的工作，了解越深，判断个体行为独特性才能越准。这其实是“一杯水”和“一盆水”的关系，如果访谈者只有一杯水，很难理解到一盆水的广度和深度；如果访谈者有一盆水，就有可能发现受访者的过人之处。这对访谈者提出了较高的专业知识要求。
让访谈者成为“内行人”有难度
隐性知识的拥有者往往是成功经验的创造者，是其业务领域里的精英和专家，而访谈者，不一定具备与之相当的业务水平，因此，常常会提出一些“外行问题”，从而对知识萃取产生一些负面作用。比如，受访者会认为访谈者不太懂专业内容，从而减少专业性陈述，一些隐性知识就会被错过。同时，这些外行问题也会影响受访者的陈述方向，从而导致萃取失败。一些访谈者为了回避上述情况，采用团队访谈的方式，邀请懂业务的专家参与访谈，以弥补自身专业知识的不足。然而，这一补救措施实则起不到理想的作用。因为一次访谈需要有一个主导提问，多元化的发问和多角度的提问会影响受访者的正常思路，“开岔”式的提问必然导致混乱式的陈述，从而影响知识萃取的效果。
判断内容的“含金量”有难度
在访谈过程中，访谈者需要不断挖掘有价值的内容，但对于内容才是有价值的，衡量标准很难把握。出于对受访者的尊重，频繁打断对方，也不太现实。此时，访谈者需要快速判断访谈内容的有效价值，这是提升访谈效率的关键所在。一般情况下，受访者陈述时会对行为和事件进行回顾，交代事件的来龙去脉，在这个过程中，引导陈述者讲述关键情节和有效行为具有一定难度：一方面，要肯定受访者的陈述；一方面，又要及时打断对方，改变讲述的方向和内容，为访谈带来不确定性。
常用访谈方法的局限性
常见的知识萃取访谈方法是响应式访谈法（Responsive Interviewing Model），是由鲁宾等人提出的一种响应受访者回答内容的访谈策略，该访谈模式主要是围绕主要问题、追踪问题和探测问题等内容展开发问。将此方法引入隐性知识萃取实践中，我们发现，该方法有着一定的局限性（见图1）。
首先，没有考虑到访谈者的业务熟悉度。在知识萃取访谈中，响应式访谈强调访谈者的客观性和中立性，要求访谈者具有“空杯心态”。但在企业实践场景下，许多访谈者并不是业务“小白”，他们对业务也很精熟，有些还是业务专家。在这种情况下，“空杯心态”不能充分发挥专家的专业作用，反而影响了知识萃取的效果。
响应式访谈方法并没有考虑到知识共创的情景，从知识储备角度看，如果访谈者有丰富的业务经验，通过双主体交流完成知识创造是有可能的，而且能够加快隐性知识显性化的进程。
其次，忽略了受访者的知识输出能力。受访者是隐性知识萃取的来源，知识萃取的质量某种程度上受制于受访者的提炼和表达能力。虽然访谈者可以用提问的方式加以引导，但如何说、说什么，都是由受访者决定的。如果受访者具有较强的提炼能力，可以深入理解访谈者的发问，知识萃取工作的进展就会比较顺利；如果受访者缺乏提炼能力，大量输出描述性内容，就很难获取有价值的知识。
从质性研究的视角看，响应式访谈法依赖于受访者的自我表述，其假设是受访者能够将自己的隐性知识清晰地用语言表达出来。实际上，许多受访者很难找到准确的语言来表征隐性知识，受访者缺乏总结能力反而是一种常态。也就是说，当受访者缺乏知识输出的能力时，响应式访谈方法有可能会失效。
第三，缺乏不同知识类型的区分度。从实践经验中萃取的隐性知识，一般可分为四种类型：描述性知识、解释性知识、理解性知识和规范性知识。其中，描述性知识和解释性知识比较适合用响应式访谈法进行萃取。描述性知识可以说明事件的关键流程和核心动作，将业务的复杂过程转化为简单步骤。对于这类知识的萃取，可以通过响应式访谈，以聚焦主要问题的方式，不断追问事件的经过，最终得到关键行为。解释性知识是对行为缘起的追溯，访谈者需要寻找做法背后的想法。针对此类知识，可以运用响应式访谈的问题探测与问题追踪策略，挖掘关键行动的指向，实现知识萃取。
另外两类属于更深层次的知识。理解性知识刻画了行为的本质特征与意义。使用响应式访谈可以帮助受访者提出一些核心概念，但当受访者不具备理解性知识时，完全依赖受访者的响应式访谈就无法奏效了。因为理解性知识与实践的距离较远，多数受访者无法讲出核心概念，此时只用响应式访谈方法就会收效甚微。另一类是规范性知识，它是组织层面的行动原则，通常是上级提出的战略落地要求。此类信息往往也是受访者表达不准确的内容，需要访谈者掌握组织层面的制度规范，以及相应的履职要求，才得以了解。
可见，从受访者、访谈者和知识类型三个侧面看，响应式访谈方法应用于隐性知识萃取时，会存在一定的局限性，需要增加更多的激发、引导和共创策略。
“金字塔式”访谈策略与实施要点
以“全类型”知识为目标
在知识萃取工作中，大家通常会把关键动作当成萃取目标。这样做很难实现复用，因为动作本身是很难复制的。根据赫尔的驱力理论，行为是由动机因素和习得因素驱动的。习得因素是行为习惯，较难复制动机因素是内外部交互作用的结果，不同的外部条件和促成因素对动机的影响有显著差异，因此，这部分也很难复制。可见，对成功行为的简单模仿，很难带来同样的成功，这就是我们常说的“邯郸学步”，问题出在学的方向不对，只是为了学“步”，而不是学“走步的要领”，从而导致学习效果不佳。这种行为背后的要领属于解释性知识，即有关行为起因或推动力的知识。在知识萃取时，需要将解释性知识作为萃取目标之一，挖掘行为背后的动因，才能为后面的知识迁移做足准备。
第二类萃取目标是理解性知识，即行为深层次的特征、内涵与意义。知识萃取是为了在新环境下应用已有的成功经验，这就需要对行为进行适配性调整，而不是简单机械的模仿，为此，只有把握了行为的核心特征，才能在实践中灵活改变。比如，“负荆请罪”这个成语，就是从经验中萃取出来的关键动作，但几乎没有人真正去复制这个行为，而是倾向于复制这个行为背后的动念——面对过错要勇于承认。这类知识属于解释性知识，它是人们改变行为而不改变方向的保障。
第三类萃取目标是规范性知识，即有望转变成行为规范或制度原则的知识。比如，笔者为一家大型国有银行萃取数字营销经验时，一位受访者提到他们在开发平台时，践行了总行“理念流程化、流程工具化”的工作要求，开发效果十分理想。如果以“事实与观点分离”的萃取逻辑，这类知识属于观点，很有可能不在萃取的范围内。但如果将规范性知识作为萃取目标，这类知识就十分宝贵。它属于组织层面的行为指南，对于规范员工行为具有重要意义，是员工履职必不可少的规范性知识，因此，在知识萃取时应给予高度关注。
只有把上述三类知识作为知识萃取的目标，才能保证知识萃取具有正确的方向。否则，只针对描述性知识进行萃取，总结出一些关键动作，复用价值十分有限，对于优质经验来说，也是一种巨大的浪费。
以“金字塔式”访谈为策略
总结深度访谈的理论和实践经验不难发现，萃取隐性知识的访谈，不仅需要响应式的访谈方法，还需要激发式的引导和共创式的构建，只有将三种策略有效整合在一起，形成“金字塔式”的访谈策略，才能全面高效地完成隐性知识萃取任务，成功实现四类知识的同步萃取（见图2）。
第一层为响应式访谈法。它是深度访谈中使用最多的方法，主要是根据萃取内容，提出半结构和部分无结构问题，在充分理解受访者回答的前提下，对其所说的概念、主题、观点等内容提出问题，获取更为具体的信息，收集到富有价值的关键动作。响应式访谈的主要作用在于发现描述性知识、解释性知识。
第二层是激发式引导法。它是在响应式访谈法的基础上，不断对受访者核心内容进行追问或质疑来促进受访者陈述关键环节，讲全经验，以获取高质量和多维度的知识。激发式引导法的主要作用在于深入挖掘理解性知识和规范性知识。
第三层是共创式建构法。它是通过访谈者和受访者的交流共创，对相关知识回答进行凝练与总结。使用共创式构建法时，访谈者可以就工作背景、行为态度、知识表征词汇等内容，展开充分讨论和交流，此时的访谈者与受访者的角色边界被打破，大家发挥各自的全部智慧，充分交流和论证关键知识点，给出知识显性化的概念表征和具体方案。共创式建构法的主要作用在于创造知识的概念表征，以及校验理解性知识和规范性知识的有效性。目前，腾讯会议、讯飞语录等软件都具备了实时转写功能，访谈者可以结合DeepSeek、豆包、Kimi等AI大模型应用，实时优化访谈提纲，为共创式建构法提供更多科技的助力。
相对于传统的响应式访谈，激发式引导法和共创式建构法的提问方式更加灵活，挖掘知识的类型也更加丰富，降低了对受访者表达能力的依赖度（见表2）。同时，对于访谈者的业务熟悉度和主控能力，也提出了更高的要求。
以“全方位”提问为手段
响应式访谈法的提问方式
响应式访谈法的提问围绕主要问题、探测问题和追踪问题展开，包括针对主要问题的导游式提问、分级引导、细化条目和主线总结等方式；针对探测问题的表达关注、返回正题、要求细化等方式；针对追踪问题的概念追问、主题追问、缺失追问等方式。例如，导游式提问方式，就是要求受访者针对主要问题展开全面的介绍。
访谈者：今天您就给我们讲讲看，围绕着您的这些核心业绩，一个战略级的客户，到底是怎么样一步一步营销成功的，具体有哪些困难，让大家也能够从您身上学到一些好的做法。
受访者：我先简单介绍一下，原来的话，这个集团整体经营效率也比较差，然后经营的这个业绩整体也比较少，不太突出。接上以后呢，我们第一件事情就是着手给这个企业上报一个总行重客级的这样一个事情。
不难看出，响应式访谈主要运用漏斗式的提问方式，不断深入受访者的真实经历，从而找到影响结果的关键行为和有效举措。
激发式引导法的提问方式
激发式引导法的提问方式以激发和引导为主，包括反向质疑、对比挖掘、情感激励、辅助纠偏、澄清需求等方式。以反向模拟质疑法为例，访谈者通过反向假设的方式，探究出更深层的信息，以下是一段访谈记录：
访谈者：刚才您说帮他渡过了难关，但同时这样也有风险吧？比如说他经营不好，或者猪瘟了，这个风险您怎么掌控呢？为什么您敢给他放贷呢？他万一还不上怎么办呢？
受访者：我们银行是有一个评价体系的，因为这个人他本来也是村干，还拿着工资，他家还有桃种植，也有其他的还款来源。因为我们也多年合作了嘛，他的口碑，他的为人，包括他在村里的所作所为，我们是完全可以放心给他贷款的。
可见，运用激发式引导法来提问，可以揭示出受访者底层思维逻辑和行为准则，就是我们常说的“不辩不明”。
共创式建构法的提问方式
采用共创式建构法访谈是一个共同创造知识的过程，提问方式包括概念明确和表征命名，主要服务于微课知识模板中表征概念的开发。以表征命名为例，访谈者通过与受访者的交流讨论，创造出一些显性知识。
访谈者：您刚刚一直在强调您的这种坚持的精神，因为您这个工作真是一个漫长的征程，那这里我们可不可以提炼一个“持续化”的概念呢？您觉得用这个词准确吗？
受访者：可以，我觉得准确。
如果访谈者与受访者具有类似的专业背景和工作经验，采用共创式建构法来提问，有利于发挥访谈者的智慧，尤其是在关键知识点显性化的过程中，可以起到“锦上添花”的作用。
当然，这三类访谈提问方式，可以根据需要来组合使用。比如，将激发式引导法与响应式访谈法结合，在受访者回答问题时，直接对其回答内容提出建议，或者进一步实施追问，可以起到深入挖掘关键行动的作用。再比如，将共创式建构法与激发式引导法相结合，对于激发式引导挖掘得出的核心概念展开探讨交流，构建出准确的显性知识表征。
同时，伴随着人工智能技术的快速发展，在访谈过程中也可以借助AI工具来赋能，尤其在访谈结构设计与方向调整方面，AI工具能够起到一定的支撑和提示作用。比如，在访谈前借助AI工具对访谈主题和特定业务进行分析，生成结构化的访谈提纲和背景材料，会使访谈者更加了解行业动态和专业知识。在访谈中，针对受访者陈述的实时转写，AI工具能够同步分析相关的理论框架，实时查找同类管理经验，帮助访谈者发现访谈内容的不足，以及时调整提问方向，进一步提升访谈的全面性和系统性。
易云达配资提示：文章来自网络，不代表本站观点。
