Basis pengetahuan organisasi dibangun untuk menggunakan kembali penilaian, prosedur, keberhasilan, dan kegagalan masa lalu. Seiring bertambahnya akumulasi, organisasi tidak perlu mempertimbangkan kembali masalah yang sama dari awal setiap kali, sehingga meningkatkan kecepatan dan konsistensi pengambilan keputusan. Namun, semakin sering pengetahuan digunakan kembali, semakin besar kemungkinan pengetahuan itu bergeser dari catatan bahwa “hal ini dinilai seperti ini di masa lalu” menjadi norma bahwa “hal ini masih harus dinilai seperti ini sekarang”. Ada sebuah paradoks: semakin bernilai pengetahuan, semakin lemah motivasi untuk memeriksa kembali kondisi ketika pengetahuan itu ditetapkan.
Ketika AI menggunakan basis pengetahuan, pemantapan ini dapat menjadi lebih kuat. Jika dokumen masa lalu dan riwayat keputusan diambil kembali dan berulang kali disajikan sebagai dasar jawaban, informasi tersebut dapat memperoleh otoritas secara de facto melalui frekuensi penggunaannya. Bahkan ketika kasus yang berbeda kemudian muncul, jika kasus tersebut dipinggirkan karena kurang cocok dengan pengetahuan yang ada, basis pengetahuan hanya mereproduksi dunia yang sudah diketahuinya. Ini bukan kekurangan informasi, melainkan penutupan diri yang disebabkan oleh kurangnya jalur pembaruan.
Untuk menghindari masalah ini, pengetahuan harus mempertahankan bukan hanya isinya, tetapi juga kondisi ketika pengetahuan tersebut berlaku. Pada periode apa, untuk subjek dan tujuan apa, serta di bawah batasan apa pengetahuan itu berlaku? Bukti apa yang mendukungnya, dan pengecualian apa yang diketahui? Jika kondisi semacam itu tetap tersimpan, kondisi tersebut dapat dibandingkan dengan situasi saat ini. Ketika kondisi hilang dan hanya kesimpulan yang disimpan, penilaian lokal dari masa lalu mudah digunakan kembali sebagai aturan universal.
Penting pula untuk tidak menempatkan keberatan di luar pengetahuan. Ketika muncul kasus yang tidak sesuai dengan aturan yang ada, alih-alih membuangnya sebagai sekadar pengecualian, catatlah “kondisi apa yang berubah sehingga pengetahuan yang ada tidak lagi berlaku”. Keberatan bukanlah informasi yang menghancurkan pengetahuan; keberatan adalah informasi yang membuat cakupan penerapannya lebih tepat. Basis pengetahuan yang matang bukanlah basis yang memiliki lebih sedikit informasi yang bertentangan, melainkan basis yang dapat memperbarui batas-batasnya sendiri melalui informasi yang bertentangan.
Dalam struktur ini, riwayat pembaruan itu sendiri juga menjadi pengetahuan yang penting. Jika hanya kesimpulan saat ini yang dipertahankan, kita tidak dapat mengetahui mengapa penilaian sebelumnya berubah. Jika penilaian lama, bukti baru, alasan perubahan, dan kondisi penerapan saat ini dihubungkan, maka ketika situasi lain muncul kemudian kita dapat menggunakan kembali bukan hanya informasi terbaru, tetapi juga logika perubahan. Pengetahuan berkembang dari kumpulan jawaban menjadi sejarah yang mencakup bagaimana jawaban telah berubah.
Hasil keluaran AI sendiri juga perlu diperlakukan berdasarkan prinsip yang sama. Jika ringkasan dan penilaian yang dihasilkan AI di masa lalu dipercaya tanpa syarat dalam pemrosesan berikutnya, konten yang dihasilkan dapat memperoleh status seperti informasi primer seiring waktu. Karena itu, pengetahuan yang berasal dari AI perlu tetap terhubung dengan dasar-dasarnya, waktu pembuatannya, bagian yang belum diverifikasi, dan koreksi setelahnya. Tidak meningkatkan otoritas suatu konten hanya karena AI sendiri pernah menghasilkannya adalah bentuk jarak reflektif pada basis pengetahuan.
Dalam organisasi, pemantapan pengetahuan juga terkait dengan struktur tanggung jawab. Alasan “prosedurnya selalu seperti ini” mengurangi beban untuk menjelaskan penilaian saat ini. Namun, ketika lingkungan telah berubah, stabilitas tersebut dapat menunda ditemukannya masalah. Jika basis pengetahuan dirancang untuk menerima pengecualian dan keberatan saat ini, basis tersebut dapat memprioritaskan konsistensi dengan realitas saat ini daripada mempertahankan konsistensi dengan masa lalu.
Secara teknis, mengelola butir pengetahuan sebagai kalimat yang terisolasi kurang cocok untuk koreksi diri dibandingkan menghubungkan dasar, kondisi penerapan, keberatan terkait, riwayat pembaruan, dan keadaan saat ini. Hal yang penting bukanlah meningkatkan volume informasi, melainkan mampu melacak informasi mana yang mendukung klaim mana dan dalam kondisi apa klaim tersebut menjadi lebih lemah. Ketika hubungan antarbutir pengetahuan terlihat, cakupan yang terpengaruh oleh bukti baru lebih mudah diidentifikasi.
Metrik evaluasi juga perlu berubah. Akurasi pencarian dan kecepatan respons saja tidak dapat mengukur apakah basis pengetahuan bersifat kaku. Kita perlu memeriksa apakah pengetahuan terkait diperbarui ketika bukti baru yang menyangkal muncul, apakah kesimpulan lama diturunkan statusnya secara tepat, apakah pengecualian tercermin dalam kondisi penerapan, dan apakah alasan perubahan dapat dilacak. Kualitas pengetahuan tidak hanya terletak pada kepemilikan informasi yang benar, tetapi juga pada kemampuannya untuk dikoreksi sebagai tanggapan terhadap kesalahan dan perubahan kondisi.
Bagi Sai＊aus, menghimpun pengetahuan tidak dimaksudkan untuk memahami manusia sebagai entitas yang tetap. Yang penting adalah dapat menggunakan dialog dan pemahaman masa lalu sambil memungkinkan pernyataan saat ini mempertanyakan kembali pemahaman sebelumnya. Prinsip yang sama dapat diterapkan pada pengetahuan organisasi. Seiring bertambahnya akumulasi, kepastian tidak seharusnya sekadar menjadi semakin kuat; sebaliknya, sistem harus menjadi lebih presisi mengenai apa yang berubah dalam kondisi apa. Ini adalah desain yang memadukan kuantitas pengetahuan dengan pengendalian diri secara epistemik.
Agar basis pengetahuan terus mempertanyakan dirinya sendiri bukan berarti membuat semua pengetahuan menjadi tidak stabil. Artinya adalah menggunakan pengetahuan yang telah mapan secara stabil tanpa pernah kehilangan kondisi penerapan dan jalur pembaruannya. Ketika realitas baru bertentangan dengan pengetahuan yang ada, sistem harus dapat menguji pihak mana yang perlu direvisi alih-alih mengecualikan realitas sebagai pengecualian. Dengan kemampuan itu, basis pengetahuan berubah dari gudang yang melindungi jawaban benar masa lalu menjadi mekanisme yang terus memperbarui hubungannya dengan realitas.
Semakin banyak pengetahuan, semakin diperlukan kemampuan untuk mengambil jarak dari pengetahuan tersebut. Sistem tidak boleh memberikan otoritas tanpa syarat kepada akumulasinya sendiri, melainkan harus mempertahankan kondisi keberlakuan, keberatan, koreksi, dan perubahan dalam struktur pengetahuan yang sama. Koreksi diri kemudian bukan lagi penanganan pengecualian, melainkan fungsi normal yang diperlukan agar pengetahuan tetap menjadi pengetahuan. Pemahaman yang dituju Sai＊aus bukanlah melupakan masa lalu ataupun mematuhinya. Pemahaman itu adalah mempertahankan hubungan di mana masa lalu dapat digunakan sambil terus dipertanyakan berulang kali oleh realitas masa kini.
Bukan jawaban. Pemahaman.