5秒钟就能做的事，你还在花3小时

5秒钟就能做的事，你还在花3小时

文 / 一只阿木木

SECI模型系列 · 第4篇

01

今年年初，我做了一件蠢事。

我花了三个下午的时间，把过去两年读过的所有关于"知识管理"的书和文章，做了一次系统整理。

我按主题分类，按作者归档，做了交叉对比表，画了概念关系图，还写了一份6000字的综述笔记。

三个下午。差不多15个小时。

做完之后我非常满意。觉得自己干了一件了不起的事。打开那份笔记，满满当当，结构清晰。我甚至截了个图发了朋友圈，配文："这才叫学习。"

一个朋友在下面评论了一句话。

他说："这些东西我刚才用AI 试了一下，大概5分钟就出来了。质量差不多。"

我当时有点恼火。点开他发给我的截图——

说实话，AI 整理出来的东西，确实跟我花15个小时做的差不多。分类逻辑甚至比我还清楚一些。

那天晚上我躺在床上，脑子里反复转着一个问题：

我花15个小时做的那件事，到底有没有价值？

如果一个AI用5分钟就能做出同样的结果——那我的15个小时，算什么？

我想了很久。

答案是：那15个小时，大部分确实浪费了。

但不是全部。

有一小部分——也许只有15个小时中的1个小时——产生了AI无法替代的价值。

问题是，我没有意识到那1个小时才是重点，反而把14个小时花在了AI能做的事情上。

这就是今天要聊的主题。

SECI模型的第三个象限——组合化（Combination）：显性知识到显性知识的整合。

在过去三十年里，这个象限是知识管理的"主战场"。建数据库，做文档管理，搞知识图谱，写综述报告——本质上都是在做组合化。

但2023年之后，这个象限的地基被抽掉了。

02

先说清楚什么是"组合化"。

用最简单的话讲：

组合化，就是把已经存在的显性知识素材，重新分类、对比、整合、连接，形成新的显性知识产出。

注意每一个关键词——

"已经存在的"：原材料不是新的。
"显性知识"：它们已经被写成了文字、数据、图表、公式。
"重新分类、对比、整合、连接"：你做的事情是"重新组织"，而不是"从零创造"。
"新的显性知识产出"：产出也是显性的——一篇综述、一张对比表、一个知识框架、一份报告。

举几个例子，你一定做过这样的事——

• 读了5本关于时间管理的书，把它们的核心观点整理成一张表。
• 搜集了10个竞品的产品功能，做了一份竞品分析报告。
• 把公司过去三年的销售数据汇总，做了趋势分析图。
• 刷了50篇关于某个话题的文章，写了一篇"全网最全盘点"。

这些全是组合化。

在SECI模型被提出的1995年，组合化是企业知识管理的核心工作。因为那时候信息是稀缺的，能找到信息、整理信息、让信息流动起来，本身就是巨大的价值。

但今天——

信息不再稀缺。信息在泛滥。

而且出现了一个东西，它做组合化的速度和质量，碾压了99%的人类。

那个东西叫大语言模型。

03

我不想把这篇文章变成"AI会取代人类"的焦虑贩卖。

我想做的是一件更实际的事：把组合化这个象限拆开，看清楚哪些部分正在被AI接管，哪些部分依然属于人类。

组合化不是一个单一动作。它至少包含三个层次。

第一层：信息整理。

把散落的信息收集起来，按照某种标准分类归档。

比如：把100篇论文按主题分成5类。把市场调研数据录入表格。把会议纪要整理成要点清单。

这一层的本质是搬运和归类。

AI替代程度：95%。

这是AI最擅长的事。速度快，不犯错，不嫌烦。你让GPT帮你整理100篇论文的核心观点，它5分钟给你一张结构清晰的表格。让你自己做，至少两天。

如果你的"学习"或"工作"的主要内容是这一层——说句不好听的——你的价值正在以肉眼可见的速度贬值。

第二层：知识对比与连接。

把不同来源的知识放在一起，找出它们的共同点、差异点、互补点、矛盾点。

比如：德鲁克的管理理论和稻盛和夫的经营哲学有什么异同？认知行为疗法和精神分析在"焦虑"这个议题上的假设有什么根本分歧？

这一层的本质是跨领域比较和关系发现。

AI替代程度：70%。

AI在这一层已经表现得相当好了。它读过的书比任何人都多，做交叉比较的速度极快。但它有一个局限——

AI的比较是基于文本相似度的，不是基于"理解"的。

什么意思？

AI能告诉你"德鲁克和稻盛和夫都强调了'使命'的重要性"——因为它在两人的文本中都找到了"使命"这个词和相关表述。

但一个真正深入研究过两人的学者会告诉你："他们说的'使命'根本不是一个东西。德鲁克的'使命'是组织层面的战略选择，稻盛和夫的'使命'是个人层面的修行功课。用法一样，根基完全不同。"

这种基于深度理解的比较，AI目前还做不好。

但说实话，大多数人类也做不好。能做好这件事的人，本身已经是某个领域的专家了。

第三层：意义编织。

这是组合化的最高层次。

不是把信息整理好，不是把知识对比清楚，而是——

从一堆看似无关的信息中，看到一个别人没看到的"意义"。

然后把这个意义组织成一个新的叙事、一个新的框架、一个新的理论。

我举一个例子。

查理·芒格读了物理学、心理学、生物学、经济学、历史学——这些学科各自有各自的理论。

如果你让AI把这些学科的核心理论做一个汇总表，AI做得比任何人都快、都全。

但芒格做了一件AI至今做不到的事——

他从这些完全不同的学科中，看到了一个共通的底层结构，然后把它变成了自己的投资决策框架。

他把心理学的"误判心理学"和经济学的"激励机制"和生物学的"进化论"和物理学的"临界点"放在一起——不是因为它们文本上有相似性，而是因为他感觉到它们在某个更深的层面上描述的是同一回事。

这种"感觉"从何而来？

从他几十年的投资实践。从他踩过的坑。从他身体里的隐性知识。

意义编织的原材料是显性知识，但驱动它的引擎是隐性知识。

这就是为什么意义编织不属于纯粹的"组合化"——它是组合化和社会化、外化、内化交织在一起的产物。

AI替代程度：10%。

不是说AI永远做不到，而是在现阶段，AI没有实践经验、没有身体感知、没有审美直觉、没有价值观偏好——而这些恰恰是"看到意义"的前提。

AI能帮你把拼图的碎片按颜色分好堆。

但看到"这些碎片拼起来是一张什么图"——这个瞬间，目前只发生在人类大脑里。

04

说到这里，我想讲一个人的故事。

这个人不是什么商业大佬或者学术权威。他是我认识的一个做独立咨询的朋友，我叫他老周。

老周做企业培训咨询，做了大概十五年。

2023年ChatGPT刚火的时候，他的反应跟很多人一样——焦虑。

因为他发现，他过去给客户交付的很多东西，ChatGPT都能做了。

行业研究报告？AI 做得更快。
培训课程的知识点梳理？AI 做得更全。
案例汇编？AI 读过的案例比他多一万倍。

他跟我说了一句话："我突然觉得，我过去十五年做的很多事，本质上都是在做'人肉搜索引擎'。"

他慌了大概三个月。

然后他想通了一件事。他跟我说：

"我想明白了。过去十五年，我给客户的价值分两种。一种是'帮你整理'——把行业信息、最佳实践、案例库整理好交给你。这部分AI 确实能做，而且做得比我好。"

"但还有另一种价值，是AI 做不了的。"

"什么？"

"我能在跟客户老板聊了两个小时之后，告诉他：'你的问题不是你以为的那个问题。你以为你的问题是销售团队能力不行，但实际上你的问题是你自己不信任这个团队，而他们感受到了你的不信任，所以不愿意主动承担责任。'"

"这个判断不是来自任何数据或报告。它来自我跟他聊天时观察到的他说话的方式、他描述下属时的用词、他在某个问题上的犹豫和回避。"

"这些东西AI 看不到。因为AI 没有坐在他对面。"

然后老周做了一个决定。

他把自己的业务做了一次彻底的重组——

所有"整理类"的工作，全部交给AI。行业报告、案例搜集、课程素材整理、数据分析——全部用AI  + 各种工具完成。效率提升了大概5倍。

省出来的时间，他全部用来做两件事：

一、更多地跟客户"待在一起"。 不是开会，是泡。去客户公司待一天，看他们怎么开会，怎么吵架，怎么做决策。（这是社会化。）

二、把自己的判断"掏出来"。 每次给客户做完诊断，他都逼自己写一份"诊断手记"——不是给客户看的那种正式报告，而是他自己的思考过程。"我为什么觉得问题出在这里？我看到了什么信号？我的直觉是怎么判断的？"（这是外化。）

一年之后，他的客单价翻了一倍。

因为他终于想清楚了：他的价值不在于"知道很多"，而在于"能在一堆信息里看到别人看不到的东西"。

前者是组合化的第一层和第二层。AI能做。

后者是组合化的第三层——意义编织。目前只有人能做。

05

老周的故事让我开始重新思考一个问题：

在AI时代，"组合化"这个象限对于我们普通人来说，到底应该怎么做？

我想了很久，想出了三条。

不是方法论，不是工具清单。是三个我认为在底层逻辑上需要做出的转变。

第一个转变：从"收集者"变成"提问者"。

过去的组合化，核心动作是"收集"——你找到信息，整理信息，把信息结构化。

但在AI时代，收集和整理这件事已经被解决了。你告诉AI"帮我整理关于XX主题的十个核心观点"，它5秒钟给你。

那你的价值在哪里？

在于你问了什么问题。

同样的AI工具，不同的人用，出来的东西天差地别。

一个普通人会问："帮我整理知识管理的核心理论。"
一个高手会问："野中郁次郎的SECI模型和波兰尼的隐性知识理论，在'知识能否被完全显性化'这个问题上，有没有根本性的分歧？如果有，这种分歧对企业知识管理实践意味着什么？"

同样是让AI做组合化。第一个问题产出的是百科全书式的信息汇总。第二个问题产出的是有洞察力的分析。

区别在哪里？

在于提问者的隐性知识——他对这个领域的理解深度、他的实践经验、他的问题意识。

AI是一台发动机。但方向盘在你手里。发动机决定了速度，方向盘决定了去哪里。

过去，大多数人既要当发动机又要当方向盘，所以大部分精力都花在了"发动"上（收集、整理），没有精力思考"方向"（提什么问题）。

现在，发动机的事交给AI了。

你唯一要做的事，就是握好方向盘。

而握好方向盘的前提是——你得在那条路上走过很多遍，才知道方向盘往哪个方向打。

这又回到了社会化和内化——你的实践经验、你的身体感知。

第二个转变：从"体系建设者"变成"连接发现者"。

过去，建立一个"知识体系"是很多学习者和知识IP的核心追求。

把知识分成几个大类，每个大类下面分几个小类，每个小类下面有几个知识点。一棵漂亮的知识树。

我自己也干过这事。我的Notion里有一个庞大的知识库，分了七八个层级，看起来非常壮观。

但后来我发现一个问题：

我很少回去看它。

不是因为我懒。而是因为当我真正遇到一个实际问题的时候，我需要的不是"按类别查找"某个知识点——这事GPT帮我做就行了。

我真正需要的，是看到两个看似无关的知识之间的隐秘连接。

比如：

我在研究"为什么有些公众号文章让人读着很舒服"的时候，突然想到了一个音乐上的概念——"节奏的张弛"。好的音乐不是一直快或一直慢，而是在快和慢之间切换，制造张力。

好的文章也是——长句和短句交替，密集的信息和留白交替，严肃的论述和轻松的故事交替。

"文章的节奏感"和"音乐的张弛理论"——这两个知识分别属于"写作"和"音乐"两个完全不同的类别。在我的知识树里，它们隔了好几个层级。

但在我的脑子里，它们在某个瞬间连上了。

这个"连上"的瞬间，就是意义编织。

它不是靠"分类"产生的。它是靠"碰撞"产生的。

你的知识分得越整齐，碰撞的概率反而越低。因为你在潜意识里已经认定"这两个东西不是一类的"。

怎么增加碰撞？

说一个我自己在用的笨办法：

我不再按"主题"记笔记了。我按"日期"记。每天的所有想法——不管是关于写作的、关于商业的、关于做菜的、关于一部电影的——全部写在同一页里。

这样做的好处是：当我翻回去看某一天的笔记时，我会在同一页上看到完全不相关的几个想法。

而它们偶尔会在我的脑子里撞出火花。

这种火花，AI帮不了你。因为AI的连接是基于语义相似性的——它会把"写作"和"写作"放在一起。

但真正的洞察，恰恰来自"把写作和音乐放在一起"这种反直觉的连接。

第三个转变：从"知道得多"变成"理解得深"。

这可能是最重要的一条。

在信息稀缺的年代，"知道得多"本身就是竞争力。谁掌握的信息越多，谁的决策就越有优势。

但今天，每个人都可以在5秒钟内通过AI获取几乎所有的显性知识。

"知道"这件事，已经变得廉价了。

那什么变得昂贵了？

理解。

知道和理解的区别是什么？

我打一个比方。

你"知道"了SECI模型有四个象限——社会化、外化、组合化、内化。你能说出它们的定义，能画出那个四格图。

但你"理解"了SECI模型，意味着什么？

意味着你在生活中遇到一个具体的问题时——比如"为什么我的团队明明培训很多但能力提升很慢"——你能自动联想到"他们可能只做了组合化，缺了社会化和内化"。

意味着你在读一本跟知识管理完全无关的书——比如一本讲烹饪的书——的时候，你能突然看到"学做菜的过程其实也是一个SECI循环"。

意味着你能感受到这个模型的边界——知道它在什么情况下好用，什么情况下不好用，它的底层假设是什么，那些假设在什么条件下会不成立。

"知道"是平面的。"理解"是立体的。

"知道"可以被AI瞬间给你。"理解"需要你自己用时间和经历去"长"出来。

所以，当你下一次坐在电脑前想要"整理知识"的时候，问自己一个问题：

"我现在要做的这件事，是在增加我'知道'的东西，还是在加深我'理解'的东西？"

如果是前者——交给AI。

如果是后者——那这个时间花得值。

06

写到这里，我想坦诚地说一件事。

这篇文章本身，就是一次组合化。

我把野中郁次郎的SECI模型、波兰尼的隐性知识理论、芒格的多元思维模型、我自己的实践经验、老周的故事——这些来自不同来源的"显性知识"，重新组织成了你正在读的这篇文章。

如果我只是把这些信息汇总、分类、罗列出来——AI做得比我好。

那我这篇文章的价值在哪里？

我想了很久。

我觉得价值在于：

我从这些不同来源的知识中，看到了一个我自己的理解——"组合化的三个层次"——这个框架不是从任何一本书里抄来的。它是我在思考"AI到底在替代什么"这个问题的过程中，自己长出来的。

它可能不完美。它可能在学术上不够严谨。但它是我"理解"这件事之后产出的东西，不是我"知道"这件事之后搬运的东西。

这就是人类做组合化和AI做组合化的根本区别——

AI从信息中生成信息。

人从信息中生成理解。

信息是可以复制的。理解是不可复制的。

因为理解的背后，站着一个具体的人——他的经历、他的困惑、他的实践、他的审美、他的价值观。

所有这些加在一起，构成了他看世界的方式。

而他从那个独特的角度看到的东西，就是他的理解。

这种理解，是组合化在AI时代最后的、也是最重要的阵地。

07

最后，回到那个让我崩溃的下午。

我花了15个小时整理知识管理领域的读书笔记。朋友说GPT 5分钟就能做出同样的东西。

后来我重新审视了那份笔记。

15个小时里，有14个小时在做第一层和第二层的组合化——搜集、分类、对比、归档。这些确实可以交给AI。

但有一个小时——散落在那15个小时的各个角落里——我在做第三层的事。

比如，当我在对比两本书的观点时，突然在笔记本边缘写了一行小字："这两个人说的其实是一回事，只是一个从组织的角度看，一个从个人的角度看。"

比如，当我在整理案例的时候，在一个案例旁边画了个箭头，指向另一页的另一个案例，旁边写了三个字："一样的。"

比如，当我在做完全部整理、关上电脑之前，在一张便签纸上写了一句话——那句话后来成了我这个系列文章的核心立意——

"知识不是你'存'了多少，而是你'转'了几圈。"

那些涂在边缘的小字、那些画的箭头、那句便签纸上的话——那才是15个小时里真正有价值的产出。

它们不是"整理"出来的。

它们是我在整理的过程中"冒"出来的。

如果我一开始就把整理工作交给AI，我会省掉14个小时。但我也可能失去那些"冒出来"的瞬间。

所以这件事的正确做法也许不是"完全交给AI"或者"完全自己做"——

而是先让AI帮你做完第一层和第二层，然后你拿着AI的产出，自己慢慢看，慢慢想，等待第三层的东西"冒"出来。

AI负责效率。

你负责意义。

这大概就是组合化在今天的正确打开方式。

我是一只阿木木。

这是"SECI模型"系列的第4篇。

下一篇，我们聊最后一个象限——内化。

学了、整理了、也能说出来了。但为什么你的行为还是没有改变？

因为知识从"你的笔记本"到"你的身体"之间，还隔着一道最难的关卡。

那道关卡叫什么？叫"用出来"。

听起来简单。做到的人极少。

获取资源包完整文件，请点击了解详情 →