老专家的经验如何沉淀为可复用资产？

财务、风控、供应链这些领域都有一类人：干了二十年，一眼能看出单据有没有问题，但你问他依据是什么，他多半说“感觉不对”。这种隐性经验一旦人走了就带走了。这半年我试着回答一个问题：老专家的判断力，能不能变成留得下来、用得起来的资产？

试下来沉淀出一个四步方法，记录如下。

第一步：访谈，用案例逼出结构

直接问“你的审核标准是什么”，得到的多半是制度原文的复述，没有增量。真正有效的问法是拿具体案例：“这笔单你会放行吗？为什么？如果金额再大一倍呢？如果发票晚开一个月呢？”

专家在具体案例上的反应，比他的抽象总结可靠得多。我的经验是每次访谈准备八到十个真实案例，其中故意混两三个边界情况——专家犹豫的地方，恰恰是隐性知识最密集的地方。

第二步：建模，把说法变成实体和关系

访谈记录不是资产，结构才是。我会把访谈内容拆成三类：

• 实体和字段：合同、发票、供应商、账期——专家提到的每个名词；
• 规则：可以写成表达式的判断标准，每条标注制度出处；
• 例外：那些“一般不行，但某种情况可以”的口子，单独建模。

建模过程本身会反过来暴露访谈的漏洞：某条规则引用的字段没人说清来源，某两条规则暗中矛盾。这些都要带回下一轮访谈。

第三步：评测集，给知识配上试金石

这是最容易被省略、也最不能省略的一步。我请专家对几十个历史案例给出“标准答案”——放行、拒绝还是转人工，以及理由。这批案例就成了评测集。

本体每改一次，评测集全量跑一遍，全部通过才允许发布。听起来严苛，但换个角度想：连专家亲自标注的老案例都判不对，凭什么相信它判得对新案例？

case: EV012
input: 回款日 = 基准日 + 1
expect: REVIEW  # 边界：逾期一天，专家意见是转人工而非直接拒绝

第四步：让资产活着

知识资产最大的敌人是过时。制度会修订，业务会变化，专家自己的判断也在演进。所以每条规则带版本，每次变更走评测回归，线上判错的案例回流进评测集。资产不是建完就完的库，而是一个持续校准的循环。

一点反思

专家真正稀缺的不是答案，而是在模糊地带下判断的勇气。建模能沉淀前者，沉淀不了后者——所以别指望替代专家，该指望的是放大他。

四步走完，最直接的收获反而不是那套本体，而是专家自己的反馈：“干了二十年，第一次看见自己脑子里的东西长什么样。”这句话让我确信这件事值得继续做下去。