برای آماده شدن کارکنان در عصر هوش مصنوعی، آموزش ابزار کافی نیست

تصور کنید شرکت شما یک دوره آموزشی هوش مصنوعی برگزار کرده است. کارکنان یاد گرفته اند چطور از مدل زبانی سوال بپرسند، متن بنویسند و اطلاعات را خلاصه کنند. گواهی دوره هم صادر شده است. حالا یک ماه بعد، از مدیر واحد بپرسید چه چیزی در کار روزانه تغییر کرده. اگر پاسخ روشنی ندارد، احتمالا ما آموزش داده ایم، اما توانمندی نساخته ایم.

این دو با هم فرق دارند. آموزش می تواند دانش تازه بدهد؛ توانمندی زمانی شکل می گیرد که فرد بتواند همان دانش را در شرایط واقعی، با محدودیت ها و مسئولیت های شغل خود، به کار ببرد.

هر نقش به سواد یکسانی نیاز ندارد

مدیرعامل لازم نیست معماری مدل زبانی را با جزئیات بداند، ولی باید بتواند درباره ارزش، ریسک و اولویت سرمایه گذاری پرسش درست بپرسد. مدیر فرایند باید تشخیص دهد کجا می توان تصمیم را پشتیبانی کرد و کجا تایید انسانی لازم است. کارشناس باید بتواند پاسخ سیستم را بررسی کند. تیم فنی هم باید ارزیابی، امنیت، اتصال داده و پایش را بلد باشد.

وقتی همه را وارد یک کلاس یکسان می کنیم، معمولا بعضی افراد خسته می شوند و بعضی دیگر با واژه هایی روبه رو می شوند که به کارشان مربوط نیست. برنامه یادگیری باید با نقش و مسئله واقعی آن نقش طراحی شود.

از تمرین نمایشی به کار واقعی برسیم

مثلا برای تیم خدمات مشتری، به جای اینکه فقط ده دستور خوب برای نوشتن پاسخ آموزش دهیم، یک مجموعه پرسش واقعی و ناشناس شده آماده کنیم. کارکنان پاسخ سیستم را بررسی کنند و مشخص کنند کجا اطلاعات ناقص است، کجا لحن مناسب نیست و کجا مسئله باید به کارشناس ارجاع شود.

در پایان چنین تمرینی، شرکت فقط کارکنان آموزش دیده ندارد؛ مجموعه ای از خطاهای شناخته شده و قواعد استفاده هم دارد. این خروجی از تعداد گواهی های صادر شده مهم تر است.

مهارت انسانی حذف نمی شود؛ شکل ارزش آن عوض می شود

وقتی تولید متن و تحلیل اولیه آسان تر می شود، ارزش پرسیدن سوال درست، تشخیص استثنا، توضیح دادن تصمیم و گفت و گوی بین واحدها بیشتر به چشم می آید. کسی که فقط خروجی تولید می کند ممکن است به سادگی جایگزین یک ابزار شود. کسی که می تواند درباره خروجی قضاوت کند و مسئولیت نتیجه را بپذیرد، نقش متفاوتی دارد.

این حرف به معنای آن نیست که همه شغل ها محفوظ می مانند. تحول فناوری می تواند تقاضا برای بعضی کارها را کاهش دهد. مدیر مسئول باید درباره این تغییر صریح باشد و فرصت بازآموزی را پیش از آنکه دیر شود فراهم کند.

برنامه آموزشی را چگونه بسنجیم؟

به جای شمارش شرکت کنندگان، یک کار مهم را قبل و بعد از آموزش مقایسه کنید. مثلا زمان رسیدن به پاسخ درست، درصد خطاهایی که کارشناس تشخیص داده، یا تعداد پرونده هایی که بدون بازکاری بسته شده اند. در کنار آن از کارکنان بپرسید کجا هنوز احساس ناامنی یا ابهام دارند.

آموزش با دیدن یک ابزار شروع می شود، با تغییر کار تمام می شود

در بسیاری از دوره ها، شرکت کنندگان چند دستور خوب یاد می گیرند و نمونه های جذابی تولید می کنند. اما روز بعد که به محل کار برمی گردند، همان فرایندهای گذشته منتظر آنهاست. شاید استفاده از ابزار مجاز نباشد، شاید داده واقعی در دسترس نباشد یا شاید مدیر فقط همان خروجی و زمان بندی قبلی را بخواهد. آموزش در چنین شرایطی به خاطره یک کلاس تبدیل می شود. اگر سازمان واقعا توانایی تازه می خواهد، باید برای استفاده از آموخته ها در جریان کار جا باز کند.

تصور کنید کارشناس فروش می خواهد از دستیار برای آماده سازی جلسه مشتری استفاده کند. آموزش خوب فقط نحوه نوشتن سوال نیست؛ نشان می دهد اطلاعات مجاز مشتری را از کجا بگیرد، چطور فرض های پاسخ را بررسی کند، چه بخش هایی نیازمند قضاوت شخصی اند و چگونه کیفیت آمادگی جلسه را بسنجد. وقتی تمرین آموزشی به چنین موقعیت ملموسی وصل باشد، شانس تبدیل شدن آن به عادت حرفه ای بیشتر است.

مهارت های مشترک و مهارت های تخصصی را جدا کنیم

همه کارکنان به آگاهی پایه درباره محدودیت مدل، محرمانگی داده و روش بررسی خروجی نیاز دارند. اما نیاز یک مهندس نرم افزار با نیاز مدیر منابع انسانی یا کارشناس حقوقی یکسان نیست. مهندس باید بتواند کد تولیدشده را آزمایش و نگهداری کند. کارشناس حقوقی باید منبع، نسخه سند و دقت عبارت ها را بررسی کند. مدیر باید بداند چگونه درباره ارزش و ریسک پروژه تصمیم بگیرد. یک برنامه مشترک دو ساعته ممکن است نقطه آغاز خوبی باشد، ولی جای مسیر تخصصی را نمی گیرد.

حتی در یک نقش، سطح مهارت متفاوت است. فرد تازه کار شاید ابتدا باید اصول کار تخصصی را یاد بگیرد و سپس از ابزار کمک بگیرد. متخصص باتجربه ممکن است از هوش مصنوعی برای کاوش گزینه های بیشتر استفاده کند. اگر همه را با یک آزمون یکسان بسنجیم، برخی مهارت های مهم دیده نمی شوند. بهتر است آموزش بر پایه وظایف و سطح مسئولیت طراحی شود و فرصت تمرین با بازخورد واقعی داشته باشد.

انسان باید بلد باشد پاسخ خوب را رد کند

یکی از مهارت های اساسی، تشخیص خروجی ظاهرا قانع کننده اما نامناسب است. فرض کنید دستیار یک برنامه تولید پیشنهاد می دهد که از نظر عددی زیباست، اما ظرفیت تعمیرات دوره ای کارخانه را در نظر نگرفته است. کارشناس باتجربه باید بتواند این ضعف را ببیند. اگر آموزش فقط بر دریافت پاسخ سریع تمرکز کند، ممکن است کارکنان به جای توانمندتر شدن، بیش از حد به ابزار وابسته شوند. بنابراین نقد خروجی، بررسی فرض ها و درخواست شواهد باید بخشی از هر تمرین باشد.

برای آموزش این مهارت، نمونه های عمدا ناقص مفیدند. می توان به گروه ها یک پاسخ حاوی خطای جزئی داد و از آنها خواست پیامد آن را پیدا کنند. سپس نشان داد که همان خطا در چه تصمیم واقعی می تواند مشکل ایجاد کند. چنین تمرینی به کارمند یادآوری می کند که مسئولیت نتیجه با او و سازمان باقی می ماند. فناوری ابزار همکاری است، نه جایگزین قضاوت در هر موقعیت.

مدیران به آموزش متفاوتی نیاز دارند

مدیر ارشد لازم نیست بتواند مدل بسازد، اما باید پرسش های درست بپرسد. آیا کاربرد به اولویت شرکت مربوط است؟ داده از کجا می آید؟ چه کسانی پاسخ را بررسی می کنند؟ هزینه نگهداری چیست؟ و اگر پروژه نتیجه نداد، چه زمانی متوقف می شود؟ بدون این سواد مدیریتی، تیم های فنی مجبور می شوند پروژه را با جذابیت نمایش توجیه کنند، نه با منطق اقتصادی و عملیاتی.

مدیر میانی نیز نقش تعیین کننده ای دارد. اوست که زمان تمرین را فراهم می کند، وظایف تازه را توزیع می کند و درباره عملکرد کارکنان تصمیم می گیرد. اگر فقط به حضور افراد در دوره امتیاز بدهد، یادگیری به گواهی نامه محدود می شود. اگر از کارکنان بخواهد یک فرایند واقعی را بهتر کنند و نتایج را با هم بررسی کنند، آموزش به رفتار سازمانی تبدیل می شود.

برنامه یادگیری باید چرخه داشته باشد

یک برنامه شش هفته ای را تصور کنید: هفته اول شناخت فرصت و محدودیت، هفته دوم انتخاب یک وظیفه واقعی، هفته سوم اجرای آزمایشی، هفته چهارم بررسی خطاها، هفته پنجم اصلاح روش و هفته ششم ارائه نتیجه به همکاران. لازم نیست همه بخش ها کلاس رسمی باشند. بخش مهمی از یادگیری در محل کار و از طریق گفت و گو رخ می دهد. شرط آن است که داده حساس محافظت شود و کاربر بداند چه استفاده ای مجاز است.

موفقیت برنامه را تنها با تعداد شرکت کنندگان نسنجید. ببینید چند نفر توانسته اند یک کار را با کیفیت بهتر انجام دهند، چند فرایند واقعا تغییر کرده و چه خطاهایی شناسایی شده است. تجربه های ناموفق را نیز جمع کنید. اگر کارکنان احساس کنند گزارش مشکل به ضرر آنها تمام می شود، به زودی فقط داستان های موفقیت خواهید شنید و تصویر واقعی از دست می رود.

بازخورد آموزش را به اصلاح وصل کنید

اگر چند نفر از یک نقش با خطای مشابه روبه رو می شوند، شاید تکرار دوره راه حل نباشد؛ ممکن است ابزار، دسترسی به داده یا خود فرایند نیاز به تغییر داشته باشد. بازخورد آموزشی را به مدیر فرایند و تیم مسئول ابزار برگردانید و مشخص کنید چه کسی پیگیری می کند. به این ترتیب، آموزش فقط مهارت فردی نمی سازد؛ به سازمان کمک می کند موانع استفاده درست را هم برطرف کند.

برای حفظ این چرخه، لازم نیست اطلاعات شخصی افراد یا همه خروجی هایشان را جمع آوری کنیم. می توان الگوهای خطا، پرسش های بی پاسخ و مانع های دسترسی را به شکل تجمیعی ثبت کرد. چنین بازخوردی هم به اصلاح برنامه یادگیری کمک می کند و هم فضایی می سازد که کارکنان از گزارش مشکل نترسند.