什么是经验萃取？定义、目的与完整链路

经验萃取，是把资深从业者头脑中那些说不清、道不明的判断，通过结构化访谈与追问，转化为他人可以学习、可以复用的知识资产的过程。它的难点不在记录专家说了什么，而在挖出专家没说、也说不出来的那部分——他为什么这样选、当时看到了什么信号、什么情况下这个做法会失灵。JoyeLearn 嗨森教育采用 FIRE 模型开展经验萃取，把一段经验拆解为核心职能（Function）、关键事件（Incident）、判断逻辑（Reasoning）、经验本质（Essence）四层，其中判断逻辑层最难获取，也最有价值。

经验萃取要解决的到底是什么问题

几乎每家公司都有这么一个人：他在的时候一切顺畅，他一走，事情就开始出岔子。问他是怎么做到的，他会说「这个得靠经验」「我一看就知道」——然后就说不下去了。

这不是他藏私。人在长期实践中形成的判断，会逐渐沉入自动化状态，不再经过可以被语言描述的思考过程。他确实不知道自己是怎么做到的。

经验萃取要解决的就是这件事：把一个人的本事，从他身上取出来，变成组织可以持有的东西。

经验萃取不是把访谈整理成文档

这是最常见的误解，也是大多数「经验沉淀」项目最后变成一堆没人看的 SOP 的原因。

把专家说的话记下来、分个类、排个版——得到的是他能说出口的那部分，而那部分通常是所有同行都会说的常识。真正让他比别人做得好的东西，恰恰在他没说的地方。

一个可用的判断标准：如果萃取出来的内容，换一个同岗位的普通员工也能写出来，那这次萃取就没有产生价值。

完整链路：从盘点到产品化

FIRE 是核心分析引擎，不是完整流程。一个完整的经验萃取项目通常包含六个环节：

1. 经验盘点——确定萃谁的、萃什么，以及这次要带走什么成果
2. FIRE 拆解——对单个专家、单个事件做四层分析
3. 跨案例归纳——多个事件比对，找出真正稳定的规律
4. 专家验证——把整理结果摊回给专家确认，这一步不能省
5. 知识资产化——形成技能卡、原则清单、检查表
6. 内容与课程产品化——转为培训材料、岗位标准或内部知识库

很多项目失败在第 4 步被跳过。没有经过专家确认的萃取结果，本质上是加工者的推测，不能作为已验证经验对外使用。

什么样的岗位适合做经验萃取

不是所有岗位都值得。判断标准主要看三条：

• 这个岗位的产出差异是否主要来自判断，而不是熟练度。差异来自熟练度的，练就行，不用萃
• 是否存在复制需求。多门店、多团队、多区域，萃取的投入产出才成立
• 新人培养周期是否够长。周期越长，说明隐性成分越重，萃取的收益越明显

AI 在其中扮演什么角色

大模型显著降低了访谈整理的成本，但也带来一个隐蔽的风险：模型能生成一段读起来完全合理、却在访谈中从未出现过的「专家经验」。

因此，用于经验萃取的 AI 系统，关键能力不是总结，而是追问，以及在输出层面保证每条结论都能追溯到访谈原文。

常见问题

本文方法部分为 JoyeLearn 嗨森教育在企业经验萃取实践中形成的做法。 　← 返回洞察分享