Antes de entrar na discussão da estrutura da gestão do conhecimento propriamente dita, quero colocar algumas informações para contextualizar.
Primeiro: desde a revolução industrial no século XIX com o aparecimento dos pensadores econômicos e posteriormente com as teorias da administração (Taylor e Fayol), temos sido doutrinados a pensar e decidir de forma ordenada, hierárquica e segmentada. Somos “fissurados” em organogramas, fluxogramas, hierarquias funcionais, job descriptions e uma série de outras amarras que nos faz pensar de maneira modular.
Segundo: a tecnologia corroborou com esse tipo de raciocínio esquemático, pois desde a década de 60 houve um desenvolvimento muito grande nos sistemas de bancos de dados nos induzindo a pensar sob a forma de estruturas rígidas.
Terceiro e mais importante: não há dúvidas que somos (os humanos) a raça mais inteligente no planeta e estudos mostram que isso se deve à quantidade de neurônios que nosso cérebro tem a também da quantidade de sinapses ou conexões entre eles, comparativamente às outras espécies.
Vários estudos foram feitos (ver referências), mas gostaria de me ater a dois números:
Quantidade de neurônios no sistema nervoso: 8.6×1010 (86 bilhões).
Quantidade de neurônios no córtex cerebral:1,6 x 1010 (16 bilhões)
Quantidade de sinapses: ~1.5×1014 (150 trilhões).
Ou seja, cada um de nossos neurônios no córtex cerebral está conectado em média a aproximadamente outros 9.350 neurônios! Isso nos torna numa máquina inteligente poderosíssima.
A gestão do conhecimento surgiu na década de 80 atrelada ao conceito de capital intelectual e naquele momento era ainda muito voltada para a gestão de recurso intangíveis (conhecimento tácito).
No mundo jurídico, nestes últimos 40 anos (aproximadamente) a gestão do conhecimento no jurídico evoluiu muito, passando de uma simples ferramenta de colaboração e troca de experiências para uma ferramenta de aumento de eficiência, produtividade e competitividade.
Até há muito pouco tempo tínhamos que preencher formulários infindáveis e extenuantes (que praticamente ninguém tinha paciência ou tempo para fazer) e definir detalhadamente todas as taxonomias necessárias para a classificação correta dos documentos (sejam eles quais fossem). Após feito isso, os sistemas tinham (e ainda tem) que indexar todas essas informações para torna-las acessíveis e somente depois podíamos ter uma certeza relativa de encontrar a informação que necessitávamos.
O problema principal desse método é que as relações entre as informações não eram computadas, ou seja, só podíamos procurar pelos indexadores definidos (palavras chave dentro de campos específicos) limitando em muito a experiência do usuário. É como se cada um de nossos neurônios estivessem conectados a apenas 5 ou 6 outros (fazendo a correlação com a quantidade de campos de indexação dos sistemas).
Outra limitação é a quantidade de repertórios de informações que o sistema podia acessar (normalmente apenas aquelas existentes dentro do próprio sistema), limitando ainda mais o resultado obtido e obrigando o usuário a procurar em vários repertórios.
A evolução tecnológica dos últimos 15 anos aproximadamente (lembrando que o Google revolucionou a busca na Internet somente em 1998), associada a pressão econômica da última década (crise de 2008) fizeram que a gestão do conhecimento tivesse um salto enorme na sua evolução.
A nova estrutura da gestão de conhecimento tenta se aproximar do funcionamento de nosso cérebro, fazendo a maior quantidade de conexões possíveis entre todos os documentos armazenados (as sinapses). Desta forma cada vez menos seremos obrigados a saber previamente quais são as informações relevantes contidas num determinado documento, ter que preencher formulários intermináveis e ter que nos preocupar em atualizar bases de taxonomias.
O aumento exponencial da capacidade de processamento dos computadores associada aos novos sistemas que utilizam algoritmos estatísticos e de predição permite que vários repertórios (internos e externos) possam ser acessados e pesquisados.
Essas duas características permitem que possamos encontrar não só as informações exatas que estamos procurando, mas também receber as sugestões de outras que nem sequer havíamos pensado em encontrar.
Um bom sistema de gestão do conhecimento deve ser capaz de se conectar com todos os repertórios de informações estruturadas ou não, internas e/ou externas e por meio de algoritmos de AI, fazer o cruzamento (sinapses) entre o maior número possível de todas as informações relevantes existentes sem que os usuários tenham que se preocupar com isso.
A única ressalva existente é aquela que eu chamo da “teoria do ventilador”. Essa é a minha comparação metafórica que compara o ventilador, espalhando pela sala aroma ou fedor daquilo que for colocado atrás dele com o computador que gera relatórios baseados nas informações que tem disponível. A existência de algoritmos inteligentes não dispensa a organização e manutenção dos cadastros de todas as informações existentes internamente. Informações falhas levam a conclusões erradas!
__________
Azevedo, Frederico A.C.; Carvalho, Ludmila R.B.; Grinberg, Lea T.; Farfel, José Marcelo; Ferretti, Renata E.L.; Leite, Renata E.P.; Filho, Wilson Jacob; Lent, Roberto; Herculano-Houzel, Suzana (2009). "Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain". The Journal of Comparative Neurology. 513 (5): 532–541. doi:10.1002/cne.21974. PMID 19226510.
Herculano-Houzel, S. (20 June 2012). "The remarkable, yet not extraordinary, human brain as a scaled-up primate brain and its associated cost". Proceedings of the National Academy of Sciences. 109 (Supplement_1): 10661–10668. doi:10.1073/pnas.1201895109. PMC 3386878. PMID 22723358.
TOWER DB. (1954). "Structural and functional organization of mammalian cerebral cortex; the correlation of neurone density with brain size; cortical neurone density in the fin whale (Balaenoptera physalus L.) with a note on the cortical neurone density in the Indian elephant". The Journal of Comparative Neurology. 101 (1): 19–51. doi:10.1002/cne.901010103. PMID 13211853
__________