Pengetahuan Tacit dalam Pengetahuan Organisasi

Ada ketimpangan menarik dalam setiap organisasi: pengetahuan yang paling penting sering kali paling sulit dituliskan. Laporan, paper, tiket, dan catatan rapat merekam kesimpulan tim. Namun, jarang tercatat mengapa tim sampai pada kesimpulan itu, petunjuk apa yang mengarahkan perhatian pada masalah, dalam kondisi apa jawaban berlaku, atau kegagalan dua tahun lalu mana yang diam-diam membentuk pilihan tersebut. Lapisan yang hilang itu adalah pengetahuan tacit. Bagi laboratorium riset, lapisan ini membedakan pendatang baru yang hanya memahami hasil dengan yang mampu menelusuri kembali penalaran di baliknya.

Tulisan ini adalah upaya saya menyusun peta kerja tentang topik tersebut. Pembahasan dimulai dari pengertian pengetahuan organisasi serta kaitannya dengan data dan informasi, lalu mengerucut ke pengetahuan tacit, model SECI tentang penciptaan pengetahuan, dan persoalan praktis yang paling saya perhatikan: jika pengetahuan tacit memang sulit diartikulasikan, bagaimana kita menggalinya secara terstruktur alih-alih menunggu pengetahuan itu muncul tanpa sengaja? Saya memakai laboratorium riset, khususnya rapat, sebagai contoh sepanjang tulisan karena lab merupakan lingkungan pengetahuan yang kecil tetapi padat, dengan kesenjangan junior–senior yang nyata.

Dari data menjadi pengetahuan

Sebelum membahas pengetahuan tacit, kita perlu memperjelas arti “pengetahuan”. Hierarki umum—data, informasi, pengetahuan, kebijaksanaan—biasanya digambar sebagai piramida. Data adalah simbol mentah tanpa konteks. Informasi adalah data yang memiliki konteks, makna, dan relevansi. Pengetahuan adalah informasi yang dipadukan dengan pengalaman, penafsiran, dan pertimbangan sehingga seseorang dapat bertindak. Kebijaksanaan adalah pertimbangan yang lebih mendalam dan sering sarat nilai mengenai kapan dan apakah suatu tindakan perlu dilakukan.

Gambar 1. Hierarki data–informasi–pengetahuan–kebijaksanaan. Gambar: Longlivetheux, Wikimedia Commons, CC BY-SA 4.0.

Dalam pembahasan ini, langkah terpenting adalah perpindahan dari informasi ke pengetahuan. Pada tahap ini, manusia, bukan hanya sistem, menjadi diperlukan. Informasi dapat disimpan, diindeks, dan dicari; pengetahuan diwujudkan dalam tindakan oleh orang yang mengetahuinya. Itulah sebabnya manajemen pengetahuan berbeda dari pencarian informasi, dan solusi teknis murni cenderung berhenti ketika penafsiran mulai dibutuhkan. Rumusan klasik Davenport dan Prusak (1998) menggambarkan pengetahuan sebagai perpaduan dinamis pengalaman yang diberi kerangka, nilai, informasi kontekstual, dan wawasan ahli yang menyediakan kerangka untuk mengevaluasi serta mengintegrasikan pengalaman dan informasi baru.¹

Apa yang membuat pengetahuan bersifat organisasional

Pengetahuan hadir pada lebih dari satu tingkat. Biasanya kita membaginya menjadi tiga cakupan yang saling bertingkat:

• Pengetahuan individu—apa yang diketahui dan dapat dilakukan seseorang, termasuk pengalaman pribadi dan intuisi.
• Pengetahuan kelompok—apa yang diketahui tim secara kolektif, sering tersebar antaranggota dan dikoordinasikan melalui praktik bersama.
• Pengetahuan organisasi—pengetahuan yang telah melembaga dalam rutinitas, dokumen, norma, dan struktur bersama, serta tetap bertahan melampaui individu tertentu.

Peralihan dari pengetahuan individu ke organisasi tidak terjadi otomatis. Banyak pengetahuan organisasi bersifat terdistribusi (tidak dikuasai satu orang), tertanam (hidup dalam rutinitas dan alat, bukan hanya pikiran), dan bergantung pada lintasan sejarah (dibentuk oleh sejarah khusus organisasi). Karena itu, pengetahuan sering disebut “lengket”: sulit dipindahkan dari tempat terciptanya ke tempat dibutuhkannya.²

Pembedaan yang melintasi ketiga tingkat tersebut adalah pengetahuan eksplisit dan tacit. Pengetahuan eksplisit dapat dinyatakan dalam bahasa formal dan sistematis—kata, angka, rumus, diagram—serta dibagikan sebagai data. Pengetahuan tacit bersifat personal, spesifik terhadap konteks, dan sulit diformalkan; ia berakar pada tindakan, pengalaman, dan keterlibatan dalam konteks tertentu.³ Dalam praktik, keduanya bukan dua kategori mutlak, melainkan spektrum kemudahan mengartikulasikan sesuatu.

Pengetahuan tacit: bagian yang tidak sepenuhnya bisa kita jelaskan

Gagasan ini berasal dari Michael Polanyi, yang ungkapan terkenalnya—“kita dapat mengetahui lebih banyak daripada yang dapat kita ceritakan”—merangkum masalahnya. Bayangkan mengenali wajah yang familier: kita bisa melakukannya secara andal, tetapi tidak dapat merinci seluruh aturan yang digunakan. Polanyi berpendapat bahwa dimensi tacit bukan sekadar sisa kecil, melainkan bagian penting dari seluruh aktivitas mengetahui: pengetahuan eksplisit selalu bergantung pada keterampilan dan pertimbangan tacit yang tidak sepenuhnya dapat dijelaskan.

Gambar 2. Pengetahuan eksplisit adalah puncak yang terlihat; pengetahuan tacit adalah massa di bawah permukaan yang menopangnya. Gambar: ウィキ太郎 (Wiki Taro), Wikimedia Commons, domain publik.

Dua dimensi: teknis dan kognitif

Pembahasan Nonaka berguna karena memisahkan pengetahuan tacit menjadi dua dimensi yang memerlukan penanganan berbeda.³

Dimensi teknis adalah yang biasanya disebut “keterampilan”. Ia sering dapat ditransfer melalui magang, demonstrasi, dan latihan terarah. Dimensi kognitif lebih sulit: ia berupa model internal yang diam-diam mengarahkan apa yang diperhatikan seseorang, cara menafsirkan petunjuk, dan keputusan berikutnya. Lapisan ini membentuk intuisi dan menjadi sasaran elisitasi terstruktur.

Taksonomi pengetahuan tacit

Tidak semua pengetahuan tacit sama. Frank Blackler menjelaskan pengetahuan melalui bentuk keberadaannya dalam organisasi: embrained, embodied, encultured, embedded, dan encoded.⁴ Pembedaan lain yang berpengaruh berasal dari Harry Collins: sebagian pengetahuan tacit bersifat somatik (dalam tubuh individu, seperti keterampilan fisik), sedangkan yang paling sulit dipindahkan bersifat kolektif—hanya ada dalam kelompok sosial, tidak bisa direduksi menjadi aturan individu, dan diperoleh dengan menjadi bagian komunitas untuk suatu waktu.⁵ Pengetahuan tacit kolektif inilah lapisan sosial, budaya, atau keyakinan implisit yang tumbuh sehari-hari di lab dan mungkin tidak terjangkau oleh wawancara individu saja.

Penciptaan pengetahuan organisasi: model SECI

Model SECI—kerangka terkenal dari Ikujiro Nonaka dan Hirotaka Takeuchi—menggambarkan penciptaan pengetahuan organisasi sebagai interaksi berkelanjutan antara pengetahuan tacit dan eksplisit melalui empat mode konversi: Socialization, Externalization, Combination, dan Internalization.³⁶

Gambar 3. Siklus konversi pengetahuan SECI. Gambar: タバコはマーダー, Wikimedia Commons, CC BY-SA 4.0.

Empat mode konversi

• Sosialisasi (tacit → tacit). Pengetahuan dibagikan melalui pengalaman langsung: pengamatan, peniruan, magang, dan percakapan informal. Kata-kata tidak selalu diperlukan. Peneliti junior belajar bagaimana senior membingkai masalah dengan bekerja bersamanya.
• Eksternalisasi (tacit → eksplisit). Pengetahuan tacit diartikulasikan menjadi konsep eksplisit—metafora, analogi, narasi, model, diagram. Konversi ini menghasilkan pengetahuan yang dapat dibagikan dan dipakai ulang, serta merupakan yang paling sulit.
• Kombinasi (eksplisit → eksplisit). Pengetahuan eksplisit disusun ulang, digabungkan, dan disistematisasi: menggabungkan dataset, membandingkan laporan, membangun taksonomi atau knowledge graph.
• Internalisasi (eksplisit → tacit). Pengetahuan eksplisit diserap ke dalam praktik melalui tindakan—belajar sambil melakukan—dan menjadi bagian basis tacit individu.

Siklus ini berbentuk spiral: pengetahuan bergerak antara individu, kelompok, dan organisasi, dan setiap putaran memperluas pengetahuan kolektif. Studi ini terutama berfokus pada eksternalisasi karena tahap tersebut menjadi hambatan utama. Sosialisasi terjadi secara alami di lab; kombinasi makin dapat diotomatisasi; internalisasi bersifat personal. Eksternalisasi adalah tahap rapuh tempat penalaran berharga dapat hilang.

Ba: konteks bersama

Konversi tidak terjadi tanpa konteks. Nonaka dan Konno memperkenalkan konsep ba: konteks bersama atau “tempat” penciptaan pengetahuan.⁷ Ba dapat bersifat fisik (meja lab), virtual (kanal percakapan atau dokumen bersama), mental (pengalaman bersama), atau gabungannya. Rapat merupakan ba yang kaya: ruang bersama yang terbatas tempat peserta membandingkan pengamatan, menguji penafsiran, menjelaskan kegagalan, dan merundingkan keputusan secara langsung. Di dalam ba pula pengetahuan tacit kognitif kelompok terlihat, melalui petunjuk yang mereka tanggapi dan asumsi yang tidak mereka ucapkan.

Kondisi pendukung

Nonaka, Toyama, dan Konno kemudian menjelaskan kondisi yang memungkinkan spiral pengetahuan bergerak:⁸ intensi (tujuan bersama), otonomi (kebebasan bertindak), fluktuasi dan kekacauan kreatif (gangguan produktif), redundansi (informasi yang tumpang tindih), serta keragaman yang memadai (keragaman internal yang sesuai kompleksitas lingkungan). Lab riset hampir secara alami memenuhi sebagian besar kondisi ini—itulah sebabnya lab menghasilkan begitu banyak pengetahuan tacit dan pengetahuan itu begitu mudah hilang.

Eksternalisasi: mengapa menuliskannya saja tidak cukup

Eksternalisasi lebih dari mendokumentasikan kesimpulan. Kesimpulan adalah satu titik; eksternalisasi mencakup struktur di sekelilingnya yang membuat titik itu dapat dipahami dan dipakai ulang. Dalam rapat lab, struktur ini meliputi pengamatan yang memulai diskusi, petunjuk kritis yang mengubah pembacaan masalah, alasan pilihan, pengalaman terdahulu yang dibagikan seseorang, kondisi berlakunya solusi, pengecualian ketika solusi tidak berlaku, dan risiko yang diterima tim. Jika semuanya hilang, kita mempertahankan “apa” tetapi kehilangan “mengapa” dan “kapan”.

Gambar 4. Siklus manajemen pengetahuan: penciptaan, penyimpanan, transfer, dan penerapan saling mendukung. Gambar: Abottineau, Wikimedia Commons, CC BY-SA 3.0.

Peran konteks dalam eksternalisasi mudah diremehkan. Pengamatan yang lebih luas—dibahas dalam catatan elisitasi lab dengan merujuk Hemmecke dkk.—adalah perlunya mempertimbangkan konteks individu, sosial, budaya, dan sejarah; hal yang tacit dalam satu komunitas mungkin jelas atau bahkan tidak relevan dalam komunitas lain. Dalam lab multibahasa dan multibudaya, sebagian hambatan “tacit” sebenarnya berasal dari kerangka acuan yang belum dimiliki bersama.

Eksternalisasi dapat gagal karena beberapa alasan yang berbeda:

• Kognitif. Seseorang mungkin tidak memiliki akses sadar ke penalarannya sendiri. Pertanyaan “mengapa?” bisa menghasilkan rekonstruksi yang masuk akal, bukan proses keputusan sebenarnya.
• Linguistik. Sebagian pengetahuan sulit dinyatakan sebagai proposisi. Metafora dan narasi dapat menyampaikannya lebih jauh daripada definisi.
• Sosial. Hierarki, kepercayaan, dan menjaga muka memengaruhi apa yang bersedia dikatakan seseorang dan kepada siapa.
• Motivasi. Mengartikulasikan pengetahuan memerlukan upaya dan sering tidak dihargai; dorongan untuk mendokumentasikan lebih lemah daripada dorongan untuk melanjutkan pekerjaan.

Metode eksternalisasi yang baik harus mengakui keempatnya. Karena itu, jawaban praktisnya sering berupa wawancara terstruktur, bukan formulir untuk diisi.

Laboratorium sebagai ba

Mengapa laboratorium riset? Karena masalahnya terkonsentrasi di sana. Lab terus menciptakan pengetahuan melalui eksperimen, diskusi teknis, debugging kolaboratif, dan refleksi pekerjaan sebelumnya. Sebagiannya menjadi eksplisit—paper, laporan, kode, log, notebook. Namun, banyak yang tetap tacit: pengalaman pribadi, pertimbangan profesional, intuisi, dan pemahaman bersama atas konteks lokal.

Rapat adalah lokasi terpadat proses ini. Ia menjadi ba lab: ruang bersama tempat keputusan tidak hanya dibuat, tetapi diberi alasan melalui percakapan. Pada saat yang sama, transkrip rapat sendiri belum menjadi eksternalisasi yang memadai. Ujaran tidak selalu lancar, saling menyela, penuh rujukan tidak lengkap ke giliran sebelumnya, dan tersebar antar-pembicara.⁹ Rangkaian penalaran bisa jelas bagi semua orang di ruangan, tetapi hampir mustahil direkonstruksi dari transkrip sebulan kemudian. Transkripsi otomatis menambah gangguan: nama, singkatan, dan ID model keliru secara tidak konsisten; satu kesalahan kata dapat memecah satu konsep menjadi dua entitas di tahap berikutnya.¹⁰

Itulah mengapa transkripsi saja bukan eksternalisasi. Transkrip mempertahankan kronologi percakapan, bukan struktur epistemiknya. Keputusan, alasan, kondisi, dan risiko berada dalam satu aliran teks tanpa urutan tertentu, sering terpisah oleh beberapa pembicara.

Menggali pengetahuan tacit

Jika pengetahuan tacit tersembunyi atau tidak dinyatakan, kita lebih tepat menggalinya daripada “menangkapnya”. Catatan lab menyatakannya dengan baik: orang biasanya tidak mengungkap keyakinan dan model mentalnya, sehingga diperlukan metode wawancara terstruktur untuk mengungkap detail kognitif yang tidak tampak. Tidak ada satu metode yang mencakup semuanya, tetapi sejumlah pendekatan terbukti bertahan digunakan.

Gambar 5. Segitiga dasar tindakan termediasi yang menjadi landasan teori aktivitas. Gambar: Pronacampo9, Wikimedia Commons, CC BY-SA 4.0.

Teori aktivitas sebagai kerangka

Sebelum mendalami tugas, petakan aktivitas di sekitarnya. Teori aktivitas (dikembangkan Vygotsky, Leontiev, dan Engeström) memandang pekerjaan sebagai sistem unsur: pelaku atau subjek, objek aktivitas, tujuan, motif, alat dan artefak perantara, aturan dan norma, komunitas, pembagian kerja, kondisi, serta hasil. Pemetaan ini mencegah kesalahan klasik: mengambil pengetahuan sambil diam-diam membuang konteks pemberi maknanya. Dalam praktik, ini menjadi lembar kerja singkat yang diisi pewawancara bersama peserta sebelum pendalaman.

Critical Incident Technique

Critical Incident Technique, diperkenalkan John Flanagan, memiliki gagasan sederhana: daripada meminta orang menjelaskan cara kerja biasanya, minta mereka mengingat kejadian spesifik yang tidak biasa—kegagalan, kejutan, perbedaan pendapat, atau titik keputusan.¹¹ Kejadian konkret memunculkan penalaran nyata karena memiliki konsekuensi, pemicu, penyimpangan dari rutinitas, dan momen pentingnya pertimbangan. Pertanyaan umum (“biasanya bagaimana?”) cenderung menghasilkan jawaban umum yang diperhalus secara sosial; kejadian memaksa detail muncul.

Applied Cognitive Task Analysis (ACTA)

ACTA, dikembangkan Militello dan Hutton, digunakan untuk menguraikan tuntutan kognitif seorang ahli.¹² Ada tiga tahap:

1. Diagram tugas. Pecah aktivitas menjadi sekitar tiga sampai enam langkah utama dan tandai langkah yang menuntut kerja kognitif—saat orang berpengalaman mengorganisasi pekerjaan secara mental, bukan sekadar mengeklik.
2. Audit pengetahuan. Gali setiap langkah kritis: petunjuk penting (“apa yang pertama kamu perhatikan?”), pertimbangan (“apa keputusanmu, dan mengapa pilihan itu lebih baik?”), strategi dan aturan praktis, kondisi, pengecualian, trade-off, ketidakpastian, dan jebakan bagi pemula.
3. Wawancara simulasi. Sajikan skenario dari kejadian tersebut, lalu ubah satu variabel konteks setiap kali (waktu lebih sedikit, bukti bertentangan, peran berbeda, konsekuensi kegagalan lebih tinggi) dan tanyakan bagaimana penalaran serta tindakannya berubah.

Pertanyaan pendalaman yang paling berguna cukup konsisten: “Bagaimana kamu mengetahuinya?” dan “Apa yang mungkin diperhatikan orang yang kurang berpengalaman?” ACTA juga menanyakan lapisan sosial: apakah norma lab, hierarki, kepercayaan, atau hubungan terdahulu mengubah apa yang bersedia dikatakan, serta apa yang diharapkan dapat disimpulkan orang lain tanpa penjelasan.

Repertory Grid Technique

ACTA mendalami satu kejadian, sedangkan Repertory Grid Technique (dari teori konstruk personal George Kelly) membandingkan beberapa kasus sejenis.¹³ Caranya melalui triading: tunjukkan tiga kasus, alat, atau pendekatan yang mirip; tanyakan dua mana yang serupa dan apa perbedaan yang ketiga; lalu catat konstruk atau dimensi tacit pembandingnya. Pengulangan proses ini mengungkap konstruk personal yang dipakai seseorang untuk membedakan pilihan—dimensi yang mungkin belum pernah diucapkan, tetapi mengarahkan keputusannya. RGT memerlukan sedikitnya tiga kasus yang cukup serupa dan dikenal peserta; konstruk dan penjelasannya jauh lebih penting daripada penilaian angka.

Konstruksi bersama dan konsensus

Elisitasi individu bukan akhir proses. Laporan seseorang mungkin berupa preferensi pribadi, bukan praktik seluruh lab, sudah kedaluwarsa, atau bertentangan dengan rekan. Konstruksi bersama membawa temuan individu kembali ke kelompok untuk mengonsolidasikan praktik bersama, mempertahankan variasi yang sah sesuai konteks, mencatat perbedaan yang belum selesai, dan menandai pengetahuan sensitif yang tidak perlu disimpan. Pengamannya bersifat prosedural: tampilkan temuan anonim, izinkan setiap orang menjelaskan penalarannya sebelum kelompok menilai, dan jangan menganggap persetujuan mayoritas sebagai bukti minoritas salah.

Metode mana untuk situasi apa?

Metode-metode ini saling melengkapi. Rekomendasi lab adalah memulai dengan analisis kejadian kritis ditambah ACTA sebagai prosedur utama, dan menambahkan RGT hanya ketika peserta dapat membandingkan sedikitnya tiga kasus yang cukup serupa dan familier.

Satu aturan desain mengikuti semuanya: lakukan elisitasi individu sebelum konstruksi bersama. Diskusi kelompok lebih dahulu cenderung menutupi detail kognitif yang justru membuat hasil elisitasi berharga.

Dari hasil elisitasi ke representasi

Elisitasi menghasilkan materi kaya tetapi belum rapi. Agar dapat dipakai ulang, materi itu perlu direpresentasikan. Representasi yang menjanjikan untuk percakapan kaya keputusan adalah knowledge graph, karena memodelkan pengetahuan sebagai entitas dan relasi dengan jenis eksplisit, bukan satu potongan teks tanpa pembedaan.[^hogan][^ji]

Gambar 6. Visualisasi knowledge graph: node merupakan entitas, edge merupakan relasi bertipe. Gambar: Krabina, Wikimedia Commons, CC BY 4.0.

Graph epistemik dalam pekerjaan ini memisahkan konstruk menjadi tiga peran, masing-masing menjawab pertanyaan berbeda tentang keputusan. Ontologi ini muncul dari desain lab.

Gambar 7. Ontologi epistemik yang memisahkan komitmen, dasar bukti, dan batas penerapan. Gambar dari laporan akhir TEEP@AsiaPlus penulis (2026).

Ontologi ini bukan taksonomi semata. Alasan, petunjuk, risiko, dan kondisi tidak saling menggantikan; masing-masing berkontribusi berbeda dalam memahami keputusan. Relasi inti menyatakan empat makna yang saling melengkapi: SUPPORTS (alasan atau pengalaman membenarkan keputusan), MOTIVATES (pengamatan atau petunjuk memicunya), GATES (kondisi atau pengecualian membatasi penerapannya), dan RESULTS_IN (keputusan menghasilkan tindak lanjut). Hasilnya adalah graph dengan edge yang membawa penalaran, bukan sekadar topik.

Secara formal, pengetahuan yang dieksternalisasi dapat dipandang sebagai graph $G=(E,R)$, dengan $E$ himpunan konstruk epistemik dan $R\subseteq E\times \mathcal{T}\times E$ himpunan relasi bertipe dari $\mathcal{T}=\{\text{SUPPORTS},\text{MOTIVATES},\text{GATES},\text{RESULTS\_IN}\}$. Kandidat kesenjangan untuk keputusan $d\in E$ adalah ketiadaan dasar bukti yang diterima—tidak ada $e\in E$ sehingga $(e,\text{SUPPORTS},d)\in R$ atau $(e,\text{MOTIVATES},d)\in R$. Pada tingkat individu, pengetahuan dapat diuraikan menjadi $K=K_{\text{explicit}}\cup K_{\text{tacit}}$, dan hanya bagian $K_{\text{explicit}}$ yang bisa disimpan langsung oleh sistem; sisanya harus digali dan dikonversi.

Gambar 8. Pipeline eksternalisasi: transkripsi, ekstraksi epistemik, resolusi entitas konservatif, proyeksi RDF, dan validasi. Gambar dari laporan akhir TEEP@AsiaPlus penulis (2026).

Dua komitmen desain menjaga graph tersebut tetap jujur:

• Asal-usul berbasis bukti. Setiap konstruk tetap terhubung dengan rapat, pembicara, timestamp, dan kutipan transkrip asalnya. Bentuk normalisasi atau penafsiran disimpan sebagai representasi turunan; segmen asli tetap menjadi sumber yang dapat ditelusuri. Dengan begitu, pengetahuan hasil retrieval dapat diperiksa, bukan otomatis dianggap otoritatif.
• Siklus dari kandidat ke tervalidasi. Pernyataan yang dihasilkan otomatis dari rapat tidak langsung menjadi fakta organisasi. Ia tetap kandidat hasil ekstraksi sampai ditinjau. Status yang terlihat membedakan “sistem menemukan ini” dari “organisasi menerima ini”.

Representasi ini juga membuat ketiadaan menjadi berguna. Dalam penafsiran dunia terbuka, keputusan tanpa alasan, petunjuk, atau pengalaman pendukung yang diterima tidak membuktikan penalarannya tidak ada—ia merupakan kandidat kesenjangan pengetahuan. Relasi yang hilang dapat memiliki tiga penyebab berbeda: pengetahuan tidak pernah diucapkan, transkrip tidak lengkap, atau ekstraksi gagal mengenali pernyataan yang sebenarnya tersedia. Karena itu, identifikasi kesenjangan harus konservatif dan memeriksa apakah tautan yang hilang benar-benar kesenjangan atau error pemrosesan sebelum menanyakannya kepada manusia.

Gambar 9. Artefak konseptual: materi rapat menjadi graph epistemik, yang dapat menampilkan kesenjangan dan memprioritaskan pertanyaan. Gambar dari laporan akhir TEEP@AsiaPlus penulis (2026).

Setelah kesenjangan ditemukan, pertanyaan berikutnya adalah kesenjangan mana yang ditanyakan lebih dahulu—satu rapat bisa menghasilkan puluhan pertanyaan. Question salience mengurutkan pertanyaan berdasarkan perkiraan kontribusinya terhadap pemahaman, sehingga waktu ahli yang terbatas dipakai untuk jawaban paling bernilai. Di sinilah sistem representasi memberi umpan balik ke elisitasi manusia: kesenjangan graph menjadi pertanyaan wawancara yang terarah dan diprioritaskan, lalu jawabannya memperkaya graph. Ini sebuah siklus, bukan pipeline satu arah.

Masalah terbuka dan keterbatasan

Peta ini belum dapat dianggap tuntas. Beberapa pertanyaan masih terbuka:

• Apakah kesenjangan yang terdeteksi bermakna? Penalaran dunia terbuka dapat menandai ketiadaan, tetapi hanya ahli domain yang bisa menilai apakah itu kekurangan pengetahuan nyata, artefak transkrip, atau hal yang memang tidak perlu diucapkan.
• Apakah salience membantu? Pemeringkatan pertanyaan adalah prinsip prioritas; apakah pertanyaan dengan salience tertinggi menghasilkan pengetahuan paling berguna masih memerlukan evaluasi berpusat pada manusia.
• Apakah metode bekerja sesuai klaimnya? ACTA dan RGT mapan, tetapi manfaatnya dalam lab multibahasa dan multibudaya tertentu—terutama untuk pengetahuan tacit kognitif—harus diuji, bukan diasumsikan.
• Pengetahuan siapa yang dieksternalisasi? Eksternalisasi tidak netral. Suara senior mendominasi, hierarki memengaruhi ujaran, dan satu versi “kanonis” dapat menghapus variasi sah yang bergantung pada konteks. Konstruksi bersama adalah mitigasi, bukan penyelesaian mutlak.
• Etika dan sensitivitas. Merekam dan merepresentasikan percakapan menimbulkan pertanyaan tentang persetujuan, anonimisasi, retensi, dan kemungkinan graph mengungkap lebih dari yang dimaksud peserta. Semuanya perlu ditangani sejak desain, bukan ditambahkan belakangan.

Hal yang perlu diingat

• Pengetahuan yang relevan bagi organisasi bersifat terdistribusi, tertanam, dan dibentuk sejarah—itulah sebabnya sulit dipindahkan dan ingatan individu bukan tempat penyimpanan yang tahan lama.
• Pengetahuan tacit memiliki dimensi teknis (keterampilan) dan kognitif (model mental, keyakinan, nilai). Dimensi kognitif paling sulit dijangkau sekaligus sangat membentuk keputusan.
• Model SECI menggambarkan penciptaan pengetahuan organisasi sebagai spiral; eksternalisasi (tacit ke eksplisit) adalah konversi rapuh yang bernilai tinggi.
• Menuliskan kesimpulan bukanlah eksternalisasi. Alasan, petunjuk, kondisi, pengecualian, dan risiko merupakan pengetahuannya.
• Pengetahuan tacit digali, bukan ditangkap. Teori aktivitas membingkai, analisis kejadian kritis memberi pijakan, ACTA menguraikan, RGT membandingkan, dan konstruksi bersama memvalidasi—secara individu dahulu, lalu bersama.
• Knowledge graph dapat memuat penalaran secara eksplisit, dengan informasi asal-usul dan siklus kandidat-ke-tervalidasi, serta mengubah ketiadaan menjadi pertanyaan yang dapat diperiksa.

Benang merahnya adalah bahwa eksternalisasi pengetahuan tacit pada dasarnya proses manusia yang dapat didukung, tetapi tidak digantikan, oleh representasi. Graph tidak menciptakan pengetahuan; ia memberi tempat bagi hasil percakapan yang jujur dan menunjukkan arah percakapan berikutnya.

Referensi

1. M. Polanyi, The Tacit Dimension. University of Chicago Press, 1966.
2. S. D. N. Cook and J. S. Brown, "Bridging epistemologies: The generative dance between organizational knowledge and organizational knowing," Organization Science, vol. 10, no. 4, pp. 381–400, 1999.
3. M. Alavi and D. E. Leidner, "Review: Knowledge management and knowledge management systems," MIS Quarterly, vol. 25, no. 1, pp. 107–136, 2001. DOI
4. V. Ambrosini and C. Bowman, "Tacit knowledge: Some suggestions for operationalization," Journal of Management Studies, vol. 38, no. 6, pp. 811–829, 2001.
5. R. L. Ackoff, "From data to wisdom," Journal of Applied Systems Analysis, vol. 16, pp. 3–9, 1989.
6. G. Klein, L. Calderwood, and D. MacGregor, "Critical decision method for eliciting knowledge," IEEE Transactions on Systems, Man, and Cybernetics, vol. 19, no. 3, pp. 462–472, 1989.
7. Y. Engeström, Learning by Expanding: An Activity-Theoretical Approach to Developmental Research. Orienta-Konsultit, 1987.
8. A. Hogan et al., "Knowledge graphs," ACM Computing Surveys, vol. 54, no. 4, 2021. arXiv
9. S. Ji, S. Pan, E. Cambria, P. Marttinen, and P. S. Yu, "A survey on knowledge graphs: Representation, acquisition, and applications," IEEE TNNLS, vol. 33, no. 2, pp. 494–514, 2022. arXiv
10. D. Yu, K. Sun, C. Cardie, and D. Yu, "Dialogue-based relation extraction," in Proceedings of ACL, pp. 4927–4940, 2020.
11. H. Knublauch and D. Kontokostas, eds., "Shapes Constraint Language (SHACL)," W3C Recommendation, 2017. W3C
12. K. Peffers, T. Tuunanen, M. A. Rothenberger, and S. Chatterjee, "A design science research methodology for information systems research," JMIS, vol. 24, no. 3, pp. 45–77, 2007.
13. M. R. Maruf, "Design of an organizational knowledge externalization system through epistemic meeting knowledge graph extraction and saliency-driven tacit knowledge elicitation," TEEP@AsiaPlus Final Report, NTUST, 2026.

Sitasi

Untuk merujuk tulisan ini:

Ma'ruf, Muhammad Rifqi. "Tacit Knowledge inside Organizational Knowledge." rifqimaruf.dev (2026). https://rifqimaruf.dev/writing/tacit-knowledge-inside-organizational-knowledge/

Footnotes

1. T. H. Davenport and L. Prusak, Working Knowledge: How Organizations Manage What They Know. Harvard Business School Press, 1998. ↩

2. G. Szulanski, "Exploring internal stickiness: Impediments to the transfer of best practice within the firm," Strategic Management Journal, vol. 17, pp. 27–43, 1996. ↩

3. I. Nonaka, "A dynamic theory of organizational knowledge creation," Organization Science, vol. 5, no. 1, pp. 14–37, 1994. ↩ ↩² ↩³

4. F. Blackler, "Knowledge, knowledge work and organizations: An overview and interpretation," Organization Studies, vol. 16, no. 6, pp. 1021–1046, 1995. ↩

5. H. Collins, Tacit and Explicit Knowledge. University of Chicago Press, 2010. ↩

6. I. Nonaka and H. Takeuchi, The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford University Press, 1995. ↩

7. I. Nonaka and N. Konno, "The concept of 'Ba': Building a foundation for knowledge creation," California Management Review, vol. 40, no. 3, pp. 40–54, 1998. ↩

8. I. Nonaka, R. Toyama, and N. Konno, "SECI, Ba and leadership: A unified model of dynamic knowledge creation," Long Range Planning, vol. 33, no. 1, pp. 5–34, 2000. ↩

9. J. Carletta et al., "The AMA meeting corpus: A pre-announcement," in Machine Learning for Multimodal Interaction, pp. 28–39, 2005. ↩

10. A. Radford et al., "Robust speech recognition via large-scale weak supervision," arXiv:2212.04356, 2022. ↩

11. J. C. Flanagan, "The critical incident technique," Psychological Bulletin, vol. 51, no. 4, pp. 327–358, 1954. ↩

12. L. G. Militello and R. J. B. Hutton, "Applied cognitive task analysis (ACTA): A practitioner's toolkit for understanding cognitive task demands," Ergonomics, vol. 41, no. 11, pp. 1618–1641, 1998. ↩

13. G. A. Kelly, The Psychology of Personal Constructs. W. W. Norton, 1955. ↩