The Human-Machine Knowledge Spiral
Aaron Chatterji, Daniel Rock, Eduard Talamas
econ.GN, cs.CY
2026-06-28
把 Nonaka 的知识螺旋扩到 AI:机器也有默会知识，新增五种转化，结论是企业仍要提供共享语境。
1991 年，野中郁次郎(Nonaka)提出一套影响持久的企业创新理论:个人的默会知识被表述成可分享的显性知识，显性知识再被人内化，循环往复，知识像螺旋一样在组织里逐层放大。这套理论有个没说出口的前提:知识的载体是人，而且只是人。
AI 把这个前提拆了。模型从数据里学习，不执行人写好的规则，学到的模式同样难以解释。Polanyi 那句「我们知道的多于我们能说的」，现在机器也适用。三位学者(Duke、宾夕法尼亚大学、IESE 商学院)把这种东西命名为默会机器知识(tacit machine knowledge),然后问:Nonaka 的知识创造理论还成立吗？知识创造型公司的角色变了吗？
这是一篇概念论文，做的是理论重构加案例分析：在 Nonaka 原有的四种知识转化(社会化、外化、组合、内化)之外，新增五种涉及机器的知识运动。
决定性差异在可移植性：人的默会知识靠师徒相处慢慢传，机器的默会知识在不透明的前提下以软件速度流动。
案例是食品公司 NotCo 和它的配方系统 Giuseppe。早期 Giuseppe 往植物奶配方里加了莳萝，奶出来是绿的：数据里没有任何东西说牛奶不该是绿的，但任何站在厨房里的人都知道。NotCo 的回应是把螺旋转起来，到 2021 年，20 多名厨师和食品科学家每月测试 100 多个配方，感官评价回灌给 Giuseppe。最终，菠萝加卷心菜这个人类团队不太会主动去试的组合做成了 NotMilk,2020 年进入全美 Whole Foods,2021 年 D 轮融资 2.35 亿美元、估值 15 亿。随后 NotCo 把 Giuseppe 本身做成 B2B 平台(2022 年融资 7000 万美元)，2025 年与巧克力厂商 Barry Callebaut 合作，把 Giuseppe 搬进巧克力配方开发。最后一步就是机器转移：积累的默会知识整体进入新领域，不需要先讲清楚。
结尾把 ChatGPT 的 RLHF 训练(Ouyang et al., 2022)读成同一个螺旋的放大版：海量文本被编码进模型，标注员的示范和排序嵌入人类判断，模型输出供人检视，构建者从意外的成败里吸收对模型能力边界的认知。
没有实验，没有 baseline,这是理论文章。支撑材料是一个案例的商业数字：
| 事实 | 数字 |
| 人机协作规模(2021) | 20+ 名厨师与食品科学家，每月测 100+ 配方 |
| NotMilk 上市 | 2020 年进入全美 Whole Foods |
| D 轮融资(2021) | 2.35 亿美元，估值 15 亿美元 |
| B2B 平台融资(2022) | 7000 万美元 |
| 跨组织机器转移 | 2025 年与 Barry Callebaut 合作 |
理论层面的结论:Nonaka 的核心论断不变，企业的中心任务仍是提供共享语境，让不同种类的知识在同一个对象上相遇、互相激发。变的是螺旋里多了机器这个参与者，而且知识可以不经过显性化就跨组织复制。
对在企业里落地 AI 的人，这篇先换了个角度：人机互动的价值不止于自动化任务，机器与人互相喂料、共同生产知识才是主线。然后给了一套组织层面的语言，能解释几件经常撞上的事：
它还点名一种商业形态：把内部积累的模型连同反馈回路卖给同行。NotCo 的 B2B 业务和 AI 实验室的 API 业务，结构上是同一件事。
论文自己承认的部分：脚注说明机器未必像独立 agent 那样以「得到辩护的真信念」追求知识，只是以类人的方式存储和使用信息；对松下面包机「默会知识被完整捕获」的强命题，也只退守弱版本，主张知识凝结在产品里、触发下一轮创造。
结构性的问题更大。全篇只有 NotCo 一个正面案例，素材来自新闻报道和专利，不是内部数据；五种运动是分类学，没有可检验的预测；NotCo 是幸存者，装了 AI 却没把螺旋转起来的公司没有出场；Barry Callebaut 合作刚宣布，论文写的是「如果流程按反馈逻辑走」，属于推测。第一作者 Chatterji 是 OpenAI 首席经济学家，论文声明这项工作不由 OpenAI 支持也不代表其立场，但「AI 实验室的螺旋喂给全世界的螺旋」这个叙事与雇主利益同向，读的时候可以自行打折。