Чтобы организовать обучение ИИ для сотрудников, сначала выберите рабочие задачи команды, согласуйте инструменты и допустимые данные, затем проведите практику и проверьте применение после занятия. Хорошая программа заканчивается результатом, который сотрудник умеет получить и проверить самостоятельно: например, подготовить проект письма или разобрать обезличенный отчёт.
HR обычно получает запрос «научите всех нейросетям». Из него трудно собрать программу: у отдела продаж и службы поддержки разные документы, ограничения и критерии качества. Ниже — порядок подготовки, который помогает превратить общий запрос в понятное задание для преподавателя и команды.
Начните с задачи, которую можно показать
Попросите руководителей назвать повторяющуюся работу, где сотрудник тратит время на черновик, поиск или переработку информации. Формулировка «использовать ChatGPT» описывает инструмент. Формулировка «подготовить проект ответа по утверждённой инструкции и проверить его перед отправкой» описывает навык.
Условный пример: руководитель поддержки хочет обучить операторов. Начальный запрос — ускорить ответы. На встрече выясняется, что задержки возникают в обращениях, где нужно собрать условия из нескольких инструкций. Для занятия готовят обезличенные обращения и утверждённые выдержки из базы знаний. Участники составляют ответ, отмечают источник каждого условия и проверяют, не добавила ли модель лишнее обещание. Это учебная ситуация, а не клиентский кейс AURMIND.
Для первого обучения выбирайте задачи с понятным исходным материалом и обратимой ошибкой. Черновик внутреннего сообщения проще проверить, чем автоматически отправленное клиенту предложение. Если нужна интеграция с CRM или действие от имени компании, отдельно опишите технический пилот и права доступа.
Расскажите, чему хотите научить команду. Обсудим задачи и формат обучения.
Разделите участников по рабочим ролям
Общая вводная полезна: что модель умеет, почему может ошибаться, как задавать контекст. Практическая часть требует разных заданий. HR проверяет текст вакансии и критерии отбора; маркетолог — соответствие фактам о продукте; менеджер продаж — точность условий письма.
Соберите короткую анкету до обучения. Спросите, какие задачи участник выполняет каждую неделю, какой ИИ уже пробовал, где получил неподходящий ответ и какими данными пользуется. Не просите присылать клиентские документы в открытый чат. Для подготовки достаточно описания процесса и специально подготовленного примера.
Отдельно выясните исходный уровень. Человек, который ещё не вошёл в рабочий сервис, и сотрудник с собственной библиотекой запросов нуждаются в разной помощи. Их можно объединить на обсуждении правил, но самостоятельные задания должны учитывать этот разрыв.
Согласуйте инструменты до воркшопа
Назначьте ответственного за доступы и проверьте вход с обычной учётной записью участника. Уточните, какие функции разрешены: загрузка файлов, поиск в интернете, подключения к хранилищу, запись встреч. Наличие подписки у преподавателя не решает эти вопросы для компании.
Условия обработки данных зависят от продукта. Например, OpenAI указывает, что по умолчанию не использует бизнес-данные ChatGPT Business, Enterprise и API для обучения моделей. Это условие конкретных продуктов, а не разрешение загружать любой корпоративный документ. Разрешённые данные, доступы и подключённые приложения организация проверяет отдельно.
Подготовьте учебный набор, который участники могут использовать без сомнений. Лучше заменить весь исходный документ специально составленным примером, чем убрать из договора только название клиента. Если ИТ и безопасность ещё не согласовали рабочую среду, проведите тренировку на синтетических материалах и явно обозначьте её ограничения.
Соберите программу вокруг результата
Ниже — пример структуры, которую можно адаптировать под выбранную команду. Это редакционная рекомендация, а не универсальная длительность курса.
| Этап | Что делает участник | Что остаётся после этапа |
|---|---|---|
| Разбор задачи | Описывает входные данные и нужный результат | Карточка рабочего сценария |
| Постановка запроса | Задаёт контекст, ограничения и формат | Первый проверяемый черновик |
| Проверка | Сверяет факты, числа и условия | Чек-лист приёмки |
| Исправление | Уточняет запрос и редактирует результат | Версия, пригодная для работы |
| Самостоятельная практика | Решает похожую задачу без подсказки | Подтверждение навыка |
Преподаватель сначала показывает ход решения, включая неудачный ответ и его исправление. Затем участники работают со своим учебным материалом. В конце они объясняют, почему принимают результат или возвращают его на доработку. Такая проверка показывает больше, чем вопрос «всё ли было понятно».
Не превращайте программу в каталог сервисов. Если участник освоил один согласованный инструмент и понял процедуру проверки, он сможет повторить сценарий. Перечень десятков приложений без доступов и практики оставит только названия.
Научите проверять ответ, а не доверять форме
Модель может написать убедительный текст с неверными условиями или вымышленной ссылкой. Профиль генеративного ИИ NIST описывает этот риск как confabulation и рекомендует проверять источники и ссылки в ответах. На занятии эту проверку нужно сделать видимой.
Для письма клиенту проверяйте обещания, сроки и соответствие исходным условиям. Для отчёта — расчёты, единицы измерения и происхождение цифр. Для резюме встречи — кто принял решение и кто отвечает за действие. Удобно дать участникам один намеренно ошибочный пример: так обсуждение станет предметным.
Не оценивайте качество только по гладкости языка. Сотрудник должен уметь сказать: «Этот вывод не подтверждён материалами; я убираю его и уточняю у владельца процесса». Отказ принять неподтверждённый ответ тоже является результатом обучения.
Проверьте применение после занятия
До старта сохраните пример выполнения задачи обычным способом. После обучения дайте сопоставимое задание и учтите весь цикл: подготовку запроса, проверку, исправления и оформление результата. Быстрый первый черновик может потребовать долгой редакции.
Microsoft Learn рекомендует оценивать исходный уровень, качество результата и применение инструмента, а не количество выданных лицензий. Для вашей команды начните с простого журнала: задача, время полного выполнения, приняты ли результаты, какие ошибки обнаружены. Не переносите чужие показатели экономии на свою компанию.
Согласуйте с руководителем, куда пойдёт освободившееся время, если эффект подтвердится. Например, сотрудник сможет подробнее разбирать сложные обращения. Иначе сокращение отдельной операции останется наблюдением и не изменит работу отдела.
Что включить в задание для подрядчика
Перед запросом программы подготовьте короткий бриф:
- Команда и роли участников, исходный уровень, формат занятия.
- Повторяющиеся задачи и примеры допустимых учебных материалов.
- Согласованные инструменты, ограничения данных и ответственный за доступы.
- Результат, который участник должен получить самостоятельно.
- Критерии проверки и человек, который примет итог после обучения.
- Формат поддержки: разбор заданий, ответы на вопросы, обновление материалов.
Попросите показать пример задания и способ его оценки. Уточните, что останется у команды: карточки сценариев, проверенные запросы, правила работы с данными. Если подрядчик обещает конкретную экономию ещё до знакомства с процессом, спросите, на каких ваших данных она рассчитана.
После занятия назначьте человека, к которому сотрудник может обратиться с рабочим затруднением. Разберите первые попытки команды, обновите удачные запросы и зафиксируйте ситуации, где инструмент применять не стоит. Поддержка нужна прежде всего там, где учебный пример отличается от реальной задачи.
В AURMIND можно обсудить программу под роли и процессы вашей команды. Обсудите программу корпоративного обучения: укажите отдел, задачи и согласованные инструменты. Эти данные помогут начать разговор с содержания обучения.
Читайте также: как подготовить пилот ИИ в компании и какие правила использования ИИ дать сотрудникам.
Частые вопросы
Нужно ли сначала обучить всю компанию?
Начните с команды, у которой есть владелец задачи, доступ к согласованному инструменту и возможность проверить результат. По итогам практики будет проще уточнить программу для других ролей. Общую вводную можно провести шире, но она не заменяет рабочие задания.
Как оценить результат без сложной аналитики?
Сравните сопоставимые задания до и после обучения: полное время выполнения, ошибки, объём исправлений и самостоятельность сотрудника. Сохраните исходные материалы и критерии оценки. Удовлетворённость занятием полезна как обратная связь, но не подтверждает освоенный навык.
Достаточно ли библиотеки промптов?
Она помогает повторять сценарии, если рядом есть описание задачи, допустимых данных и проверки результата. Без этого сотрудник может применить удачный запрос к неподходящему документу и не заметить ошибку.
Источники
- Microsoft Learn — Employee AI enablement — Microsoft Learn
- NIST — Generative Artificial Intelligence Profile, AI 600-1 — NIST
- OpenAI — Enterprise privacy — OpenAI
