Komandos mokymai
DI mokymai komandoms
Daugumoje įmonių dirbtinį intelektą jau kažkas naudoja, tik kiekvienas savaip ir be susitarimo. Vienas rašo tekstus, kitas suveda duomenis, trečias nenaudoja nieko, nes nežino, ar galima. Mokymai naudingi ne tada, kai paaiškinama, kaip veikia modeliai, o tada, kai kiekvienas išeina žinodamas, kurioms savo užduotims tai tinka, kaip patikrinti rezultatą ir ko įmonėje daryti negalima.
Aptarti mokymų apimtįTrumpai: kaip atrodo naudingi mokymai
Naudingi mokymai yra pritaikyti rolei ir tikroms užduotims. Rinkodaros žmogui, buhalterei ir programuotojui reikia skirtingų dalykų, ir vienas bendras užsiėmimas visiems trims duoda mažiausiai. Antra – žmonės turi išmokti tikrinti atsakymą, ne pasitikėti tonu. Trečia – turi būti aišku, kokią informaciją galima rodyti ir kokios ne. Ir ketvirta: dalis užduočių, kurios iškyla per mokymus, dirbtiniam intelektui netinka, nes joms yra tiksli taisyklė.
Kada mokymai yra tinkamas sprendimas
- Žmonės jau naudoja dirbtinį intelektą savo iniciatyva, o įmonėje nėra susitarimo, ką galima ir ko ne.
- Norite, kad komanda dirbtų greičiau su tuo, ką jau turi, be naujos sistemos kūrimo.
- Reikia, kad rezultatus kas nors mokėtų patikrinti – ypač ten, kur klaida pasiekia klientą.
- Norite suprasti, kurias savo užduotis apskritai verta duoti dirbtiniam intelektui, o kurias ne.
Kada pakanka paprastesnio sprendimo
- Užduotis viena ir pasikartojanti – tada ją geriau automatizuoti taisykle, o ne mokyti žmones daryti ranka su nauju įrankiu.
- Reikia veikiančio sprendimo, ne įgūdžio: jei rezultatą turi pateikti sistema, tai dirbtinio intelekto sprendimų darbas.
- Įmonėje dar nesutarta, kokią informaciją galima naudoti – tą reikia išspręsti prieš mokymus, ne per juos.
Ko reikia skirtingoms rolėms
Mokymų apimtis nustatoma pagal roles, nes skirtingiems žmonėms naudingi skirtingi dalykai. Žemiau iliustracinis pavyzdys, kaip tai atrodo. Tai ne kainų lentelė ir ne pažadas dėl konkretaus rezultato.
| Kas mokosi | Ką reikia išmokti | Kaip patikrinama |
|---|---|---|
| Rinkodara ir turinys | Paruošti juodraštį pagal savo duomenis, o ne prašyti bendro teksto; atpažinti, kada rezultatas tik gerai skamba. | Praktinė užduotis su savo medžiaga: paruoštas tekstas ir nurodyti faktai, kuriuos reikėjo patikrinti. |
| Pardavimai ir klientų aptarnavimas | Greitai paruošti atsakymą ir jį pataisyti; niekada nesiųsti neperskaityto teksto klientui. | Keli tikri klientų atvejai: parengtas atsakymas ir paaiškinta, kas jame buvo pakeista. |
| Administravimas ir apskaita | Kur dirbtinis intelektas padeda tvarkant dokumentus ir kur jo naudoti negalima, nes reikia tikslaus skaičiaus. | Užduotis su dokumentu: ištraukti duomenis ir nurodyti, kurių reikšmių negalima priimti nepatikrinus. |
| Vadovai | Kurias komandos užduotis verta perduoti dirbtiniam intelektui, o kurias – automatizuoti arba palikti žmogui. | Savo komandos užduočių sąrašas su sprendimu prie kiekvienos ir jo pagrindimu. |
| Techninė komanda | Kur dirbtinis intelektas pagreitina darbą su kodu ir kodėl rezultatą vis tiek reikia perskaityti. | Peržiūros užduotis: rasti tai, ką pasiūlytas kodas atlieka ne taip, kaip tikėtasi. |
Kaip vyksta darbas
- 01
Pokalbis apie tikras užduotis
Prieš mokymus išsiaiškiname, ką žmonės dirba kasdien ir kur užstringa. Paprašome kelių tikrų pavyzdžių – laiškų, dokumentų, ataskaitų. Mokymai rengiami pagal juos, todėl žmonės mokosi su savo, o ne su išgalvota medžiaga.
- 02
Susitarimas dėl informacijos
Užrašome, kokius duomenis galima naudoti ir kokių ne. Tai dažnai svarbiausia mokymų dalis, nes be aiškaus atsakymo žmonės arba nenaudoja nieko, arba naudoja viską. Jei įmonėje šito dar nesutarta, padedame suformuluoti.
- 03
Praktika su savo darbu
Užsiėmimai vyksta su tikromis užduotimis: paruošti, patikrinti, pataisyti. Atskirai dirbame su tuo, kaip atpažinti klaidingą atsakymą, kuris skamba įtikinamai – tai įgūdis, kurio niekas neišmoksta iš teorijos.
- 04
Ką matuojame ir kas toliau
Sutariame, kaip pasitikrinsime, ar mokymai davė rezultatą: konkrečios užduotys, kurias žmonės turi mokėti atlikti savarankiškai. Jei mokymų metu išryškėja darbas, kurį geriau automatizuoti arba paversti sistema, tai užrašome atskirai – tai jau kitas darbas, ne mokymų dalis.
Kas lemia kainą ir trukmę
- Kiek skirtingų rolių mokoma – vienai grupei su panašiu darbu reikia mažiau laiko nei keturioms skirtingoms.
- Ar turite tikrų pavyzdžių, su kuriais galima dirbti, ar juos pirma reikia surinkti.
- Ar įmonėje jau sutarta, kokią informaciją galima naudoti.
- Ar reikia vieno užsiėmimo, ar kelių su tarpine praktika – antras variantas duoda daugiau, bet užima ilgiau.
- Ar reikia užrašytų taisyklių komandai po mokymų, ar pakanka pačių užsiėmimų.
Ką verta apsvarstyti prieš pokalbį
- 01Kurios komandos ir kokios rolės mokysis, ir ką jos dirba kasdien?
- 02Ar jau yra susitarimas, kokią įmonės informaciją galima naudoti?
- 03Kas šiandien jau naudoja dirbtinį intelektą savo iniciatyva ir kaip?
- 04Kokį darbą norėtumėte paspartinti pirmiausia?
- 05Kas po mokymų atsakys į komandos klausimus?
Aptarkime mokymų apimtį
Pakanka parašyti, kurios komandos mokysis ir kokį darbą norite paspartinti. Nesiųskite tikrų klientų duomenų ar dokumentų šiame etape – užtenka bendro aprašymo. Jei pasirodys, kad geriau automatizuoti, o ne mokyti, tai ir pasakysime.