Dirbtinio intelekto mokymai įmonėms: ko mokyti komandą

„Dirbtinio intelekto mokymai įmonėms" skamba plačiai, bet praktikoje viskas susiveda į vieną klausimą: ką konkrečiai turi mokėti darbuotojas, kad AI realiai padėtų jo darbe. Šiame tekste pateikiame praktinę programą, ko verta mokyti komandą, kad mokymai atsipirktų, o ne liktų gražiu, bet nenaudotu pažymėjimu.

Ko darbuotojui NEreikia mokytis

Pradėkime nuo dažnos baimės. Darbuotojui nereikia tapti programuotoju, mokytis techninių terminų ar suprasti, kaip modeliai veikia iš vidaus. Tai atbaido žmones ir neduoda naudos. Reikia visai kitko: praktinių įgūdžių dirbti su įrankiu kasdienėse užduotyse.

Kontekstui: Eurostato duomenimis, dirbtinį intelektą bent kartą naudojo apie 35 proc. 16-74 metų Lietuvos gyventojų, o 39 proc. jo nenaudojo, nes nematė poreikio.

Keturi pagrindiniai įgūdžiai, kurie duoda daugiausiai

• Aiškiai suformuluoti užduotį. Didžiąją dalį prastų AI rezultatų lemia neaiškus klausimas. Darbuotojas turi išmokti pasakyti, ko nori, kokiu tonu ir kokio formato.
• Patikrinti ir pataisyti rezultatą. AI yra juodraštininkas, ne galutinis autorius. Įgūdis kritiškai peržiūrėti atsakymą svarbesnis už bet kurį triuką.
• Žinoti saugumo ribas. Ką galima ir ko negalima kelti į AI, ypač dirbant su klientų ar įmonės duomenimis.
• Suprasti, kada AI padeda, o kada trukdo. Kartais rankinis darbas greitesnis. Gebėjimas tai atskirti apsaugo nuo laiko švaistymo.

Kodėl turinys turi skirtis pagal pareigas

Administracijos darbuotojui aktualūs dokumentai, el. laiškai ir ataskaitos. Pardavimams reikia pasiūlymų, klientų komunikacijos ir kvalifikavimo. Vadovams svarbu analizė ir sprendimų parengimas. Jei visiems dėstoma ta pati bendra medžiaga, dalis komandos negauna nieko pritaikomo. Todėl gerus DI mokymus įmonei visada pritaikome pagal komandų realų darbą.

O kaip su nemokamais mokymais

Nemokamos medžiagos internete yra daug, ir ja verta pasinaudoti pradžiai. Bet įmonei dažniausiai trūksta ne informacijos, o dviejų dalykų: pritaikymo prie konkretaus darbo ir palaikymo, kad įgūdis įsitvirtintų. Būtent čia nemokami kursai sustoja, o realus pokytis versle prasideda.

Kaip atrodo programa, kuri prigyja

Mokymai, po kurių kas nors realiai pasikeičia, dažniausiai turi tą pačią struktūrą.

1. Prieš mokymus surinkite realias užduotis. Paprašykite kiekvieno dalyvio atsiųsti po tris darbus, kuriuos jis kartoja kas savaitę. Tai užima dešimt minučių jam ir nulemia pusę mokymų vertės.
2. Pradėkite nuo vienos užduoties, ne nuo įrankio apžvalgos. Pirmoji valanda turi baigtis tuo, kad kiekvienas dalyvis turi paruoštą rezultatą savo darbui, o ne užrašų.
3. Dirbkite su savo dokumentais. Bendri pavyzdžiai apie išgalvotą įmonę neprigyja. Jūsų pasiūlymo šablonas, jūsų ataskaita, jūsų klientų susirašinėjimas prigyja.
4. Mokykite tikrinti, ne tik prašyti. Skirkite atskirą dalį tam, kaip pastebėti prasimanytus faktus, klaidingus skaičius ir kanceliarinį toną.
5. Užrašykite tai, kas veikė. Pavykę prašymai turi likti bendrame dokumente, kitaip po dviejų savaičių kiekvienas vėl pradės nuo nulio. Kaip tokį rinkinį sutvarkyti, aprašome tekste apie prompt biblioteką komandai.
6. Susitarkite dėl grįžimo taško. Po trijų ar keturių savaičių trumpas pakartotinis susitikimas, kuriame peržiūrima, kas pavyko ir kur užstrigo. Be jo dalis komandos tyliai grįžta prie senų įpročių.

Skirtumą tarp praktinio ir teorinio formato aptariame plačiau tekste, praktiniai AI mokymai ar teoriniai kursai.

Kada mokymai atsiperka

Skaičiavimas paprastas, jei nesivelia į spėliones.

Tarkime, mokote dešimties žmonių komandą. Mokymai kainuoja 2000 eurų, o dalyvių laikas yra dar viena diena kiekvienam: dešimt žmonių po aštuonias valandas, tai 80 valandų. Jei valandos savikaina 20 eurų, tai dar 1600 eurų. Bendra investicija apie 3600 eurų.

Naudos pusė. Realus tikslas po gerų mokymų yra viena sutaupyta valanda per savaitę vienam žmogui, ne penkios. Dešimt žmonių po valandą yra 10 valandų per savaitę, arba apie 440 valandų per metus. Ta pačia 20 eurų savikaina tai yra 8800 eurų. Investicija atsiperka maždaug per penkis mėnesius.

Yra viena sąlyga, be kurios šis skaičius neteisingas: sutaupytas laikas turi būti kur nors perkeltas. Jei valanda tiesiog dingsta, sutaupymo nėra. Todėl prieš mokymus verta nuspręsti, ką komanda darys su atlaisvintu laiku. Kaip matuoti rezultatą tvarkingai, surašėme atskirai, kaip pamatuoti AI mokymų naudą.

Dažniausios klaidos

• Mokoma visos įmonės iš karto. Šimtas žmonių vienoje salėje reiškia, kad turinys turi būti bendras, o bendras turinys neprigyja. Sprendimas: pradėkite nuo vienos komandos ir pasižiūrėkite, kas pasikeitė.
• Mokymai vyksta be įrankio prieigos. Žmonės grįžta prie darbo stalo ir supranta, kad licencijos neturi. Sprendimas: prieigą sutvarkykite prieš mokymus, ne po jų.
• Nėra taisyklių, ką galima kelti. Darbuotojai arba bijo naudoti, arba kelia viską. Sprendimas: trumpa vidinė taisyklė prieš mokymus, apie kurią rašome tekste, AI naudojimo politika įmonėje.
• Mokoma triukų, ne mąstymo. Konkretaus įrankio mygtukai pasikeis per pusmetį, o įgūdis suformuluoti užduotį liks.
• Po mokymų niekas neatsako už tęsinį. Jei nėra žmogaus, į kurį galima kreiptis su klausimu, klausimai tiesiog nebeužduodami.
• Rezultatas nematuojamas. Po pusmečio diskusija apie naudą virsta nuomonių mainais. Sprendimas: vienas skaičius, sutartas iš anksto.

Vienas žmogus ir didesnė komanda

Jei versle dirbate vienas ar dviese, formalių mokymų dažniausiai nereikia. Užtenka skirti dvi savaites vienai užduočiai: pasirinkite tą darbą, kuris atima daugiausiai laiko, ir kasdien pusvalandį dirbkite su juo per AI. Įgūdis ateina iš pakartojimų, ne iš paskaitos.

Nuo maždaug dešimties žmonių prasideda kita problema: rezultatai ima skirtis. Vienas darbuotojas gauna gerus tekstus, kitas prastus, ir niekas nesupranta kodėl. Čia jau reikia bendro standarto: tų pačių šablonų, tų pačių taisyklių ir vieno žmogaus, kuris juos prižiūri. Nuo ko pradėti didesnėje įmonėje, aprašome tekste, AI mokymai įmonei: nuo ko pradėti.

Prieštaravimai, kuriuos girdime dažniausiai

„Komanda išmoks pati.“ Dalis išmoks, ir tai matosi praktikoje. Problema ta, kad išmoks nevienodai: keli žmonės naudos kasdien, dauguma bandys porą kartų ir mes. Mokymų vertė čia yra ne informacija, o tai, kad visi pradeda nuo to paties taško.

„Mūsų darbuotojai vyresni, jiems bus sunku.“ Amžius praktikoje nėra pagrindinis skirtumas. Didesnis skirtumas yra tas, ar žmogus turi konkrečią savaitinę užduotį, kurią galima iš karto palengvinti. Turintys ją išmoksta greitai, nepriklausomai nuo amžiaus.

„Neturime laiko visai dienai.“ Diena nėra būtina. Dvi po tris valandas su savaite tarp jų dažnai veikia geriau, nes tarp susitikimų žmonės pabando dirbti patys ir atsineša realius klausimus.

Ką paklausti mokymų tiekėjo

Prieš pasirašant verta užduoti keturis nepatogius klausimus. Pirma, kokią dalį laiko dalyviai dirbs patys, o ne klausysis. Jei atsakymas mažesnis nei pusė, tai paskaita. Antra, ar programa bus pritaikyta pagal pareigas, ar visiems ta pati. Trečia, kas vyksta po mokymų: ar numatytas grįžimo taškas, ar galima kreiptis su klausimu. Ketvirta, su kokia medžiaga bus dirbama: su jūsų dokumentais ar su bendrais pavyzdžiais. Šie keturi atsakymai apie rezultatą pasako daugiau nei programos aprašymas. Praktinį atsipirkimo laikotarpį aptariame atskirai, kiek trunka, kol AI mokymai atsiperka.

Ką iš to pasiimti

Kaip pradėti: išsirinkite vieną komandą ir surašykite, kokias užduotis jie kartoja kas savaitę. Aplink šias užduotis ir kurkite mokymus, pradėdami nuo keturių pagrindinių įgūdžių, o ne nuo bendros teorijos.

Būtent taip ir vedame dirbtinio intelekto mokymus įmonėms: pritaikome turinį pagal pareigas ir dirbame su realiomis užduotimis, kad kiekvienas darbuotojas išeitų mokėdamas pritaikyti AI savo darbe. Norite tokių mokymų savo komandai? Konsultacija nemokama.