Журнал / Кирилл Наумов
Как использовать ИИ в обучении сотрудников: отрабатывать рабочие ситуации, давать полезную обратную связь и проверять, применяются ли навыки на практике.
Автор: Кирилл Наумов ·
Платформа обучения может показать, что человек открыл модуль, посмотрел видео и ответил на вопросы. Но сама по себе она не скажет, сможет ли он принять хорошее решение, когда покупатель ждёт, правило сформулировано неясно, а руководитель занят.
Эта разница особенно важна, когда компании внедряют ИИ в работу. Самый очевидный шаг — выпустить побольше учебных материалов: чат-бот, библиотеку инструкций или курс, на обложке которого крупно написано «AI-powered». Для закупочной презентации звучит солидно. Для результата полезнее другой вопрос: что именно сотрудник должен уметь делать по-другому после обучения?
Например, проверять сгенерированное описание товара по утверждённому источнику, задавать покупателю уточняющий вопрос, разбирать возражение или замечать, когда случай нужно передать специалисту. Начинать стоит с этого. Технология — способ, а не цель.
ИИ может сделать тренировку доступнее и разнообразнее. Сотрудник отрабатывает разговор, получает обратную связь по понятным критериям и пробует ещё раз с другой ситуацией. Руководитель с помощью одобренного компанией инструмента превращает правило в короткие задания для конкретной роли. Сотрудник просит объяснить сложную тему простыми словами, а затем применяет её к рабочему примеру.
Польза появляется, если у такой практики есть четыре части: решение из реальной работы; сценарий с понятными границами и без реальных данных покупателей; обратная связь с объяснением того, что сотрудник заметил или упустил; и последующая проверка на рабочем месте руководителем или наставником.
Руководство правительства Великобритании по развитию навыков работы с ИИ советует связывать обучение с реальными задачами, давать практику на рабочих примерах и заранее объяснять границы ответственного использования. ОЭСР отмечает, что с распространением ИИ растёт спрос и на узких специалистов, и на сотрудников с общим пониманием технологии. Ни один из этих источников не обещает, что чат-бот сам по себе сделает обучение эффективным. Результат по-прежнему зависит от задачи, содержания и обратной связи.
Сделать ролевую тренировку с ИИ увлекательной несложно. Сложнее сделать её справедливой — и полезной. Вымышленный покупатель может торопиться, сомневаться или задавать неудобные вопросы, но проверять нужно навык, который действительно нужен компании. Иначе сотрудник просто научится нравиться симулятору.
Например, в упражнении по продажам важно сначала разобраться в потребностях покупателя и только потом предлагать решение. Критерии оценки могут быть такими: сотрудник задаёт уместный уточняющий вопрос, объясняет рекомендацию на основе утверждённой информации о продукте, перепроверяет утверждения, замечает нехватку информации и уважает решение покупателя без искусственной срочности.
Попросите эксперта по теме проверить сценарий и критерии. Проведите тренировку на небольшой группе. Если ИИ поощряет не то поведение, сначала исправьте упражнение и только потом называйте это обучением. Высокий балл по плохо составленной шкале остаётся высоким баллом по плохо составленной шкале.
ИИ-наставник может предложить объяснение, придумать сценарий или прокомментировать ответ. Но он не должен незаметно становиться владельцем корпоративных правил, оценки сотрудников или решений об их будущем. В рамке управления рисками ИИ NIST подчёркиваются ясное распределение ролей, обучение по обязанностям и ответственность людей за управление рисками.
В пилоте нужно прямо обозначить, кто за что отвечает. Компания утверждает стандарт. Компетентный специалист проверяет примеры и ответы. Сотрудник понимает, когда используется ИИ и как оспорить результат. Руководитель отвечает за поддержку и передачу сложного случая дальше. Инструмент помогает проводить тренировку, но не придумывает правила работы.
Заранее решите, какие данные нельзя отправлять в систему. Используйте вымышленные или одобренные примеры, соблюдайте требования компании к безопасности и конфиденциальности и предусмотрите способ сообщить об ошибочном ответе. Если сотрудник не может отличить ответ, основанный на политике компании, от правдоподобной догадки модели, дизайн ещё требует доработки.
До начала пилота выберите исходный уровень, с которым будете сравнивать результат. Затем посмотрите на несколько показателей: могут ли сотрудники выполнять выбранную задачу по согласованному стандарту; проверяют ли они информацию и понимают ли, когда нужно передать случай человеку; стало ли объяснение для клиента яснее; требует ли задача меньше усилий без роста перепроверок; замечают ли руководители нужное поведение в работе?
Процент завершивших курс может быть полезен для администрирования, но он не доказывает, что навыки перешли в работу. Сравнивайте похожие ситуации, вместе с сотрудниками и руководителями разбирайте примеры и честно указывайте, что небольшой пилот способен — и не способен — показать. Если в ходе эксперимента поменялся сам процесс, это тоже нужно зафиксировать.
Неделя 1: выберите один навык и найдите регулярную задачу, где нужно повысить уверенность, качество или последовательность работы. Неделя 2: зафиксируйте хороший результат, ограничения по данным, разрешённые источники и момент, когда должен подключиться человек. Неделя 3: проведите небольшой пилот на двух-трёх реалистичных сценариях. Неделя 4: посмотрите на реальные задачи, поговорите с руководителями и участниками и решите — улучшать, расширять или останавливать пилот.
Цель не в том, чтобы сделать каждого сотрудника специалистом по искусственному интеллекту. Важно помочь людям лучше принимать решения в знакомых рабочих ситуациях и дать руководителям практичный способ поддержать изменения. Проверять нужно не то, насколько хитро устроен курс, а то, стала ли работа лучше.
Программа англоязычного AI-воркшопа → · Обсудить AI-воркшоп для команды руководителей →
Материалы по теме: руководство правительства Великобритании по AI-upskilling · ОЭСР о дефиците навыков для работы с AI · рамка управления рисками AI NIST.