麦肯锡2025年AI现状报告调查了全球近两千家企业。结果是：88%的组织在至少一个业务职能里使用AI，但只有39%真正实现了企业级的盈利影响。
超过一半的企业在用，没用出来。
报告里有一句话说得很直接：多数企业AI项目达不到预期，原因不是技术不够好，而是知识沉淀出了问题。工具在那里，能力在那里，但要让AI真正为一家企业产出有价值的内容，需要把这家企业的经验、判断、方法论喂进去——而这件事，大多数企业没有做。
这不只是AI的问题。这是一个更古老的难题，叫做知用鸿沟。
知道，和做到，之间有一条沟。不是一小步，是一条沟。这条沟的存在，不是因为人不够努力，不是因为意志力不够强，而是因为知识装在人脑里，天然会流失。
近真商学把这件事叫做知用鸿沟论，连同知识流失背后的自然规律，一起纳入AI生产体系的认知基础。这篇文章把这套判断说清楚。
「知道了没做到」，你以为的原因是什么
学了一套销售方法，当时觉得很有收获，三天后复盘，发现想不起来关键步骤。
参加了一场行业培训，现场记了满满一本笔记，回来之后笔记本压在桌角，再没翻过。
团队里有个老员工，十年经验，什么问题都能快速判断，后来他离职了，整个部门的处理能力直接断层，新来的人要重新摸索一年才能接上。
这三件事，大多数人把它归结为同一个原因：执行力不够、不够自律、没有建立好的学习习惯。
这个归因的方向偏了。
不是执行力的问题。执行力解决的是「知道了，有没有去做」。但知用鸿沟更早出现在这之前——在「知道了，能不能记住、能不能传递、能不能在需要的时候调出来」这个环节，知识就已经开始流失了。
努力记、反复学，能减缓流失，但不能阻止流失。因为造成流失的，是自然规律，不是个人意志。
知识装在人脑里，有三条流失路径
把「知道了用不出来」拆开来看，知识从人脑里流失，走的是三条路径。
第一条路径：会忘。德国心理学家艾宾浩斯在1885年发表的实验数据至今没有被推翻——学习结束后1小时，记忆保持率跌至44%；一天后，只剩34%左右。遗忘在学习后立即开始，而且最初速度很快。这不是记性差的人才会遇到的问题，是人脑的生理规律。
你上了一门课，当天晚上的记忆是最完整的。第二天早上，三分之二已经不在了。一周后，你记得的，大概是一个模糊的轮廓。一个月后，如果没有再回顾过，轮廓也消失了。
第二条路径：会变形。知识从一个人脑子里出来，传给另一个人，中间必然发生损耗。师傅把经验讲给徒弟，徒弟理解的和师傅说的不完全一样；徒弟再讲给下一个人，又偏一点。传三次，原始的判断可能已经面目全非。这不是沟通能力的问题，是语言传递本身的天然限制——每个人接收到同一句话，激活的是不同的背景知识，得出的理解因此不同。
第三条路径：会带走。知识依附在人身上，人一离开，知识随之带走。2025年全国员工整体离职率降至14.8%，是近五年新低，但每年依然有相当比例的人员流动。一家企业里最有价值的判断力和经验，往往集中在少数核心员工身上——他们离开的那一天，组织的知识资产就蒸发了一块。而这块知识，往往没有留存在任何地方。
三条路径，方向不同，结果相同：知识从人脑里流失，是默认状态，不是例外情况。
这不是你的问题，这是熵增
热力学第二定律说：任何封闭系统，没有外力持续维持，都会自发走向无序和耗散。这个定律的核心概念叫熵——熵增，意味着系统从有序走向无序，是自然界的默认方向。
知识装在人脑里，是一个封闭系统。没有外力介入，知识会自发耗散——这不是比喻，这是和宇宙同一个层级的规律在发生。
普利高津因为「耗散结构」理论获得了1977年的诺贝尔化学奖。他的核心发现是：对抗熵增的方法，不是在封闭系统内部更努力，而是把封闭系统变成开放系统——持续与外界交换物质和能量，引入负熵，让系统从无序回到有序。
对知识管理来说，这个逻辑的翻译是：更努力地记、更频繁地复习，是在封闭系统内部做功，只能减缓流失，无法根本改变流失的趋势。真正能对抗知识熵增的，是把知识从人脑这个封闭系统里取出来，放到一个开放的、可以持续更新和调用的外部系统里。
知识流失不是道德问题，不是管理问题，是熵增。靠更努力来解决不了，只能靠改变存储介质来解决。
「再好的『知道』，装在人脑里，就是随时会流失的资产。」
鸿沟在哪里，问题就在哪里
重新看「知道→做到」这条路。
知道，是获取信息和理解的过程。听课、读书、经历、观察，都是在知道。知道之后，是一个中间地带——信息进了脑子，但还没有固化成可以随时调用的判断。这个中间地带，就是鸿沟所在的位置。
做到，不是一次性的动作，是在需要的时候，能够稳定调出相应的判断并付诸行动。稳定，是关键词——不是这一次恰好记得，而是每一次都能调出来。
鸿沟之所以存在，是因为「知道」和「做到」依赖的是不同的基础设施。知道，依赖的是大脑接收信息的能力——这个能力所有人都有，而且大体相当。做到，依赖的是能否在需要的时刻稳定调出判断——这个能力取决于知识有没有沉淀在一个不会流失的地方。
这就是为什么同一场培训，有人出来能直接用，有人出来三天就忘了。不是聪明程度的差异，是沉淀机制的差异。有人把听到的内容立刻整理进了一个结构清晰的系统，下次遇到相关场景，系统里有对应的判断可以调取；有人把听到的内容留在了脑子里，等遗忘曲线自然发挥作用。
对组织来说，这个问题更大。一家企业的核心竞争力，很大程度上是判断力——对市场的判断、对用户的判断、对风险的判断。这些判断，往往是少数有经验的人在长期摸索中积累的，装在他们的脑子里，没有以任何形式沉淀在组织层面。一旦这些人离开，判断力就随着他们离开了。
组织每一次人员更替，都在重新经历知用鸿沟——新人面对同样的问题，没有前人的积累可以调用，要重新摸索一遍。这不是新人的能力问题，是积累没有沉淀下来。
AI时代，鸿沟变得更加关键
麦肯锡2025年的报告里，有一个数字值得关注：88%的企业在用AI，只有39%跑出了真实的盈利影响。
这个差距，很大程度上就是知用鸿沟在AI场景里的体现。
AI工具本身的能力，所有企业都能用到——这是下限，人人触手可及。AI能帮一家企业产出多大价值，取决于这家企业带进去的是什么：业务判断、用户洞察、经验积累、方法论。这些判断和积累的质量，决定了AI输出的质量。
而这些判断和积累，恰恰是最容易流失的。
一家企业里经验最丰富的人，他的判断力有多少被整理成文字、分门别类地存下来了？一个团队摸索出来的有效方法，有多少被整理成AI可以直接读取和调用的形式？一个项目做完之后，踩过的坑、找到的规律、形成的洞察，有多少留在了组织里，有多少跟着人走了？
大多数企业，这些判断和积累大部分都流失了。
所以AI用了，感觉没什么效果——不是AI不够好，是带进去喂给AI的原料太薄，AI没有足够的原料可以发挥。这是鸿沟的AI时代版本：知道AI有价值，但自己这一侧的积累没有沉淀，价值出不来。
解法不是更努力地记，是改变介质
知用鸿沟论给出的解法，不是更努力地复习、做更多的笔记、建立更严格的学习计划。这些都是在封闭系统内部加大力气，减缓流失，但流失趋势不会改变。
解法是：改变存储介质。
知识从人脑这个封闭系统里出来，进入一个开放的、结构化的外部系统。在那里，知识不会忘，不会变形，不会因为某个人的离开而带走。写进去的任何判断，下次需要的时候都可以调出来，传给任何人，让AI读取并在此基础上继续生产。
这是知识库真正的价值——不是整理信息的工具，是从根上解决知识熵增问题的方法。
有了这个外部系统，「知道」和「做到」之间的鸿沟才真正有了被填平的可能。不是因为人变得更努力，而是因为知识第一次有了不会流失的地方存放。知识不再依附于某个人，而是沉淀在系统里，随时可以被调用、被传递、被复用——无论是人调用，还是AI调用。
这也是近真商学一直在说的一件事：积累要沉淀，才能变成真正的资产。装在脑子里的经验，是随时会流失的资产；沉淀在系统里的判断，才是随时可以调用的资产。
知用鸿沟，不是个人的失败，是自然规律作用的结果。认清这一点，不是为了推卸责任，而是为了找对解法。
错误的解法是：更努力地学，更努力地记，告诉自己下次一定要执行。
正确的解法是：把知识从人脑里取出来，放进一个不会忘、不会变形、不会被带走的地方。
近真商学把这件事叫做知用鸿沟论。知识不该只活在人脑里——这是我们对知识管理这件事最基本的判断，也是AI生产体系全部建立的起点。