TL;DR
A hallgatólagos tudásnak három szintje van: kimondatlan szabályok, közösségi tudás, testbe írt tudás. Az AI az elsőt kiváltja, a másodikat erodálja, a harmadikat nem éri el. De ha nem gyakorolunk, a harmadikat sem az AI öli meg — hanem a saját tétlenségünk. Ez a cikk mélyebbre ás: megvizsgálja, hogy a technológia nem csupán eszköze a változásnak, hanem olyan környezetet teremt, amely alapvetően átalakítja, hogyan szerzünk, őrzünk és adunk át olyan tudást, amit szavakba nem lehet önteni. A kérdés a túlélésről szól — nem az AI ellen, hanem a saját emberi képességeink mélyén rejlő értékek megőrzéséről.
A menedékház ablaka
A fa gerendák recsegnek a hidegtől. A kandalló parázsa már csak vörös izzó, a szobában a levegő éles és tiszta. Kinn, a hajnali sötétségben, a hegygerinc vonala rajzolódik ki, fehér a hótól. A kezembe fogom a bögrét, a forró tea pára gyűrűi emelkednek a levegőbe. Nézem, ahogy szétoszlanak. Van egy tudás a testemben, ahogy a bögrét tartom – a hőtől való óvatos távolság, az ujjaim pontos nyomása. Senki nem tanította meg, mégis ott van. A tűz mellett ülök, és azon gondolkodom, hogy mi minden lakik ebben a csendben, ebben a mozdulatban, amit soha nem fogalmaztam meg. Olyan, mint a hegy maga: kimondatlan, de jelenlévő.
A cukrász keze: Bevezetés a hallgatólagos tudás három dimenziójába
A hallgatólagos tudás (tacit knowledge) három szintre bontható: kimondatlan szabályok, közösségi tudás és testbe írt tudás. Az AI az első szintet explicití teszi, a másodikat atomizálja, a harmadikat nem éri el — de a gyakorlás hiánya igen. A kérdés nem az, mit tud az AI, hanem mit gyakorlunk még kézzel.
A Gerbeaud cukrászműhelyében egy mester csokoládét temperál. A hőmérő 31,2 fokot mutat, de a mester nem a hőmérőt nézi. A csokoládé felszínét figyeli. Az ujjával érinti. „Még nem” — mondja. Két perc múlva: „Most.”
Mi változott a két perc alatt? Semmi, amit egy szenzor mérhetne. Valami, amit negyven év tapasztalat érez. Ez a testbe írt, szomatikus hallgatólagos tudás csúcsa. Ahogy Collins (2010) bővítette Polányi (1966) alapvető munkáját, a hallgatólagos tudásnak három különálló típusa van:
- Relációs (kapcsolati) hallgatólagos tudás: Olyan tudás, amit el lehetne mondani, ha valaki kérné (pl. egy belső szabály). Ez a legkevésbé hallgatólagos.
- Szomatikus (testi) hallgatólagos tudás: Gyakran megtestesült tudásként ismert, mely a testünk része (pl. kerékpározás).
- Kollektív (közösségi) hallgatólagos tudás: A józan észre vagy a világ működésének ismeretére utal (pl. tudni, hogyan kell a forgalomban vezetni).
Nonaka és Takeuchi — a japán tudásmenedzsment úttörői — ezt a fajta tudást „ba”-nak nevezték: a közös jelenlét terében áramló, szavakba nem foglalható tudásátadás. A mester nem tanítja a tanítványt. A tanítvány a mester mellett van — és lassan átveszi azt, amit nem lehet elmondani. Ez a folyamat azonban egy fizikai és társadalmi közegben, egy közös gyakorlatban játszódik le. Mi történik, amikor ezt a közegét szétbontják, atomizálják?
Mi az az első szint, és hogyan váltja ki az AI?
A legtöbb szervezetben van egy réteg tudás, amit soha nem írtak le, de mindenki követ. Hogyan beszélj a főnökkel más stílusban, mint az ügyféllel. Milyen sorrendben mutasd be az ajánlat elemeit. Mikor ne válaszolj emailre azonnal.
Az LLM-ek ezeket a mintákat a milliárdnyi szövegből kinyerik. Ami korábban hallgatólagos volt, az mostantól explicit. Ez az első szint megtört — és ez nem feltétlenül rossz. A kimondatlan szabályok kimondása demokratizálja a tudást. Egy junior munkatárs azonnal hozzáférhet olyan viselkedési mintákhoz, amelyek korábban évekbe telt volna, míg a szervezeti kultúrában elsajátítja.
De itt rejlik egy mélyebb paradoxon. A korpusz idézetek egyike rámutat: “A mai sakkozóalgoritmusoknak csak a játék alapszabályait tanítják meg. Minden mást maguktól tanulnak meg… Az MI nem egy ostoba…” [CORPUS]. Az AI tehát nem csupán kiolvassa a kimondatlan szabályokat, hanem önállóan is képes új mintázatokat tanulni — sőt, új szabályokat generálni. A kérdés az, hogy miközben ezt a relációs hallgatólagos tudást explicité tesszük, vajon elveszítjük-e azt a finom kontextust, amelyben ez a tudás értelmet nyert? Az email-etikett szabályai mások egy startupban és egy multinacionális cégnél. Az AI kimondhatja a szabályt, de a szabály értelmét, a mögötte rejlő kulturális és társadalmi megértést nem feltétlenül tudja átadni. Ez a megértés már a következő szinthez, a közösségi tudáshoz tartozik.
Hogyan atomizálja az AI a közösségi tudást, és miért veszélyes ez?
A második szint az, amit egyetlen ember nem tud — csak a csoport. A tervezési meeting utáni kávézós beszélgetés, ahol az igazi ötletek születnek. A code review, ahol a senior nem a kódot javítja, hanem a gondolkodást. A betegágy melletti konzílium, ahol a hangszín többet mond a szavaknál.
Ezt a szintet az AI atomizálja. Amikor mindenki egyénileg kérdezi az AI-t a saját problémájára, a közösségi interakció — és a benne rejlő tudás — eltűnik. Nem szándékosan. Egyszerűen nem kell többé összejönni ahhoz, hogy választ kapj. A kollektív hallgatólagos tudás — Collins szerint a “közös értelem” vagy “a világ működésének ismerete” — felépülésének alapvető folyamata megszakad.
Képzelj el egy tervezőirodát, ahol korábban a fehértáblánál vitatkoztak, rajzolgattak, egymás ötleteire építettek. Ma mindenki a saját számítógépén dolgozik, saját AI-asszisztense segítségével optimalizálva a saját részfeladatát. A végeredmény talán hatékonyabb, de vajon hol marad az a kollektív „aha!”-élmény, amikor a csoport egésze rájön valamire, amire egyénileg senki sem jutott volna? A közösségi tudás nem csupán információátadás; az egy közös gyakorlaton, megosztott kihívásokon és koordinált cselekvéseken keresztül épül fel. Az AI ezt a folyamatot kiváltja, nem pedig gazdagítja. A korpusz egy másik részlete figyelmeztet: “Az MI már most képes önállóan műalkotásokat létrehozni és tudományos felfedezéseket tenni.” [CORPUS] Ha a tudományos felfedezés egyre inkább egyedülálló MI-ügynökök munkája lesz, eltűnik a laboratóriumi padok közötti vita, a szemkontaktus, a kétségbeesett lelkesedés — mindaz, ami a kollektív kreativitás tápláléka.
Mi marad megállíthatatlanul emberi: a testbe írt tudás harmadik szintje
A cukrász ujja. A sebész keze. A pilóta reflexe. Ez az a tudás, amit csak cselekvésen keresztül lehet megszerezni, és csak cselekvésen keresztül lehet megtartani. Collins ezt nevezi szomatikus hallgatólagos tudásnak: a testünkbe kódolt, kinezetikus emlék. Ez az, amikor a kezed „tudja”, hogyan korrigálja a kerékpár egyensúlyát, anélkül, hogy tudatosan számolnád a fizika törvényeit.
Az AI ezt nem éri el — mert nincs teste. Nincs tapintása, nincs kinesztetikus memóriája, nincs évtizedes mozgásmintázata. Bármennyire is fejlett egy robot, az emberi test érzékenysége, finommotorikája és a környezettel való összetett, analóg interakciója jelenleg elérhetetlen számára. Ez a szint biztonságban van. Legalábbis az AI-tól.
De nem a gyakorlás hiányától. A pilóta, aki évekig nem repül manuálisan, elveszíti a kézérzéket. A cukrász, aki csak gépre bízza a temperálást, elfelejti az ujjak tudását. A sebész, aki egyre több robotasszisztált műtétet végez, kockáztatja, hogy eltompulnak a saját kézügyességének legapróbb érzékei. Nem az AI veszi el — a nem-cselekvés veszi el. A kényelem, a hatékonyság, a rövidtávú megtakarítás csapdájába esünk. A korpusz egyik gondolata itt kapcsolódik: “A bébialgoritmusoknak meg kell tanulniuk kételkedni magukban, jelezni a bizonytalanságukat” [CORPUS]. De az emberi, testbe írt tudás egyik legnagyobb erőssége éppen a bizonytalanság kezelése a test intuitív reakciói révén. Ezt a képességet csak a folyamatos gyakorlás tartja életben.
Mit gyakorolsz még kézzel az AI korában? A gyakorlat filozófiája
Három szint. Az első megtört — és ez rendben van. A másodikat most veszítjük el — és ez fájni fog. A harmadikat az AI nem tudja megérinteni — de mi igen, a tétlenségünkkel.
A kérdés tehát átalakul. Nem az, hogy az AI mit tud. A kérdés: te mit gyakorolsz még kézzel? Ez nem nosztalgikus visszavágás a technológiának, hanem stratégiai önvédelem. A testbe írt tudás megőrzése olyan, mint egy nyelv gyakorlása: ha nem használod, elveszíted. De hogyan gyakoroljunk szándékosan egy olyan világban, amely mindent a lehető leggyorsabban, legautomatizáltabban akar?
- Szándékos lassítás: Válaszd ki a munkád egy olyan elemét, amit az AI megtehetne, de te kézzel csinálsz. Lehet ez egy összefoglaló kézi vázlata, egy komplex számítás fejben történő becslése, vagy akár egy fontos email piszkozata tollal és papírra.
- Fizikai mesterség keresése: Keress olyan tevékenységet, amely a testedet és kezedet használja: fazekasság, fa- vagy fémmunka, kertészkedés, egy hangszer tanulása. Ezek nem hobbik, hanem a kognitív-tapasztalati kapcsolatunk újrateremtésének gyakorlatai.
- Közösségi gyakorlatok védelme: Harcolj azért, hogy bizonyos döntések, kreatív folyamatok ne egyéni AI-konsultáción, hanem valódi, személyes együttműködésen alapuljanak. Hozd vissza a fehértáblát, a fizikai mérnöki modelleket, a közös problémamegoldó üléseket.
A korpusz utal arra, hogy “a számítógépek, algoritmusok és chatbotok céljairól és döntéseiről” beszélhetünk anélkül, hogy tudattal tulajdonítanánk nekik [CORPUS]. De az emberi cselekvés célja és értelme gyakran magában a cselekvésben, a test és a világ dialógusában rejlik. Ha ezt a dialógust feladjuk, nem csupán egy készséget veszítünk el. Azt a kapcsolatot veszítjük el, amely meghatározza, hogy mi is vagyunk. A kérdés végül is nem technológiai, hanem egzisztenciális.
Key Takeaways
- Háromféle hallgatólagos tudás létezik: relációs (kimondatlan szabályok), kollektív (közösségi tudás) és szomatikus (testbe írt tudás) – Collins (2010) felosztása szerint.
- Az AI a relációs tudást kiváltja és demokratizálja, a kollektívat atomizálja és gyengíti a közös gyakorlat hiányában, a szomatikusat pedig alapvetően nem képes megérinteni, mert nincs teste.
- A szomatikus (testbe írt) tudás legnagyobb veszélye nem az AI, hanem a gyakorlás hiánya, a kényelembe ringatott passzivitás.
- A legfontosabb kérdés a személyes és szervezeti stratégiák szempontjából: Mit gyakorolsz még szándékosan kézzel és testtel, hogy megőrizd azt a tudást, amely nem digitalizálható?
Gyakran Ismételt Kérdések
Mi az a háromféle hallgatólagos tudás?
A három típus: (1) Testi (szomatikus) tudás — amit a tested tud, de nem tudsz leírni (kerékpározás, hangszer játék, kézi mesterség), (2) Közösségi (kollektív) tudás — amit a társas helyzetekből és a csoportos gyakorlatból tudsz (a beszélgetés árnyalatai, közös problémamegoldás), (3) Szakértői/Relációs tudás — amit évek tapasztalatából tudsz, és elmondanád, ha kérnék (belső szabályok, mentális modellek). Az eredeti cikk „szakértői intuíciója” itt inkább a testi és közösségi tudás összefonódásából ered.
Az AI melyiket tudja és melyiket nem?
Az AI a relációs/szakértői tudás egy jelentős részét tudja szimulálni és explicité tenni mintázat-felismeréssel. A kollektív tudás összetevőit atomizálja, megbontva a közös gyakorlatot, amely az átadás feltétele. A testi (szomatikus) tudás teljesen elérhetetlen számára, mert nincs fizikai testtel való élménye. Ezért a legfontosabb emberi képességek azok maradnak, amelyek testi jelenlétet és közösségi gyakorlatot igényelnek.
Hogyan lehet megóvni a közösségi tudást az AI-korszakban?
Szándékos teret kell kreálni a nem-digitális, személyes együttműködésnek. Ilyen lehet: fizikai brainstorming, mentorkapcsolatok, amelyek nem csak információ-, hanem tapasztalatcserén alapulnak, olyan csapatgyakorlatok, ahol az AI eszköz, nem pedig a központi résztvevő. A cél az, hogy a „ba” – a közös jelenlét tere – megmaradjon.
A testbe írt tudás elvesztése csak szakmunkásokra veszélyes?
Egyáltalán nem. Mindannyiunkban létezik testbe írt tudás: az írás kézírás formájában (ami kognitív előnyökkel jár), az olvasás papíron (a térbeli emlékezetet erősíti), akár a komplex gondolatok testbeszéddel történő kommunikációja is. Ezek finom, de alapvető kapcsolatok a gondolkodásunk és testünk között. Ha mindent digitális és passzív interfészen keresztül csinálunk, ezek a kapcsolatok gyengülnek.
Kapcsolódó gondolatok
- A Polányi-paradoxon: hallgatólagos tudás
- A kódolás hallgatólagos tudása (SECI)
- A súrlódás értelme: tanulás az AI korában
Varga Zoltán - LinkedIn Neural • Knowledge Systems Architect | Enterprise RAG architect PKM • AI Ecosystems | Neural Awareness • Consciousness & Leadership Not all latent space is conscious space.