Базовые функции — бесплатно и навсегда
Всё для общения
и работы в онлайне
- До 30 участников на видеозвонке
- Мессенджер для всей команды
- 3 онлайн-доски
- Видеозвонки и чаты
- Вебинары и онлайн-курсы
- Онлайн-доска
Зарегистрируйтесь в МТС Линк и протестируйте сервисы
Ничего не найдено. Попробуйте еще
МТС Линк
- Видеозвонки и чаты
- Вебинары и онлайн-курсы
- Онлайн-доска
В большинстве случаев негативный опыт использования ИИ связан не с самой технологией, а с неподготовленностью пользователей. Компании без обучения персонала и адаптации пытаются внедрить искусственный интеллект в сложные бизнес-процессы. В результате появляется хаос, ресурсы тратятся впустую, а команда теряет мотивацию. Избежать этого поможет правильно выстроенное обучение работе с ИИ. Какие преимущества оно даёт компании и как его правильно организовать, рассказали в статье.
Почему обучение ИИ-навыкам становится важным
Российский рынок труда переживает бум интереса к ИИ. И более половины работодателей учитывают навыки работы с искусственным интеллектом при подборе новых сотрудников, пишет РБК. Но обучение в этом направлении проводят далеко не все — компании просто покупают доступ к современным сервисам и ждут эффекта. По словам специалиста по цифровой трансформации бизнеса, руководителя направления HR-Tech и HR-консалтинга в «КОРУС Консалтинг» Антона Боброва, без обучения сотрудников бизнес может сталкиваться с такими проблемами, как:
- бесконтрольное применение ИИ — сотрудники используют его беспорядочно и в разных целях, в том числе личных, что создаёт риски утечки данных
- отсутствие изменений — инвестиции в новые инструменты просто не дают результата
- демотивация — в командах снижается мотивация из-за страха перед новыми технологиями и тревоги, что ИИ заменит людей
- разрозненность в процессах и отсутствие единого стандарта — один сотрудник уже пишет промпты и получает результат за минуту, другой до сих пор всё делает вручную и тратит на ту же задачу несколько часов
- негативная реакция на изменения — сотрудники не до конца понимают пользу новой технологии, воспринимают ИИ как угрозу, считают, что и без него работают хорошо.
Эффективность внедрения ИИ зависит не только от технологии, но и от её правильного использования. Можно купить доступ к лучшим инструментам, внедрить самые современные ИИ-сервисы и провести громкую презентацию внутри компании. Но если команда не знает, как применять их в реальных задачах, пользы ждать не стоит. В этом случае не обойтись без системного обучения. Умение сотрудников работать с ИИ поможет бизнесу решить несколько важных задач.
Рост производительности без увеличения штата
Сотрудник, который умеет использовать ИИ, может выполнять часть задач быстрее — например, собирать аналитику, структурировать информацию, оформлять отчёты, генерировать идеи.
Снижение тревоги и сопротивления в коллективе
Когда сотрудники не до конца понимают новую технологию, появляются тревожные мысли: «меня заменят», «это слишком сложно», «это не для меня». Обучение снимает такие страхи и показывает практическую пользу.
Увеличение скорости принятия решений
ИИ может помочь сотрудникам быстрее делать свою работу: он умеет быстро обрабатывать большие объёмы информации, находить закономерности и предлагать варианты решений. Использовать это преимущество могут только специалисты, обладающие навыками работы с ИИ.
Повышение конкурентоспособности
Компании, в которых сотрудники умеют работать с ИИ, быстрее запускают проекты, лучше обслуживают клиентов и эффективнее используют ресурсы. Всё это даёт бизнесу конкурентное преимущество.
Сотрудники вместе с новыми компетенциями также приобретают преимущества: развивается насмотренность, возрастает продуктивность, формируются новые привычки и технические навыки, например продвинутый поиск.
Как и кого обучать: 4 основных сегмента
Чтобы обучение принесло хороший результат, не стоит учить всех одинаково, по одной программе. Рекрутеру, руководителю, аналитику, юристу, специалисту поддержки, маркетологу и сотруднику корпоративного университета — каждому нужен свой сценарий. Одному достаточно базовых навыков безопасного использования, другому необходимо уметь перестраивать процессы, собирать внутренние кейсы, обучать коллег, оценивать качество применения ИИ и работать с ограничениями, отмечает Антон Бобров.
Вместо общего обучения по одной универсальной программе разделите сотрудников по уровням задач и базовой подготовке и дайте каждой группе свой курс под её потребности. Например, можно выделить 4 категории: обычные и продвинутые пользователи, амбассадоры и экспертная группа.
Отдельно в каждом курсе должен быть представлен блок с правилами безопасности данных (обезличивание, фильтрация, использование локальных решений компании).
Какие навыки нужны для работы с ИИ
Есть несколько твёрдых и мягких навыков, которые могут помочь эффективно использовать инструменты на основе искусственного интеллекта. К ключевым и самым необходимым можно отнести:
- знание основ промпт-инжиниринга для правильного составления промптов и корректировки ответов
- понимание основных принципов работы нейросетей
- умение работать с информацией — собирать её, проверять факты, правильно интерпретировать
- критическое мышление, которое помогает оценить точность результатов ИИ и определить возможные ошибки
- креативность — ИИ отлично помогает структурировать идеи тем, кто умеет мыслить нестандартно
- гибкость, готовность пробовать новые инструменты и быстро адаптироваться
- стремление к непрерывному обучению — технологии быстро меняются, необходимо регулярно обновлять знания.
Также важен высокий уровень ответственности и знание основ безопасной коммуникации, особенно при работе с чувствительными данными.
Как внедрить обучение работе с искусственным интеллектом: пошаговый алгоритм
Организовать и провести корпоративное обучение искусственному интеллекту поможет схема из 7 шагов. Её можно адаптировать под специфику любой компании.
Шаг 1. Определить цели и задачи
Начните с ответов на простые вопросы: какие цели и задачи необходимо решить с помощью ИИ, в чём он будет помогать компании. Например, позволит сократить время на подготовку отчётов, ускорить создание контента, улучшить клиентский сервис, снизить нагрузку на сотрудников. Без чёткого понимания цели интегрировать инструмент в рабочий процесс будет сложно.
Мы начинаем с определения ролей сотрудников и задач компании, отвечаем на вопросы: где сейчас много ручной работы? на что уходит время при подготовке отчётов, презентаций, резюме встреч и аналитических материалов? в каких процессах ИИ действительно может ускорить работу, а где его применение создаст больше рисков, чем пользы? На основании ответов на эти вопросы формируются сценарии обучения.
По словам Антона Боброва, как только компания начинает разбирать, где сотрудники могут применять ИИ, возникают другие вопросы — про инструменты, данные, доступы, разрешённые сервисы, корпоративные решения, встраивание искусственного интеллекта в процессы и ответственность за результаты. Так обучение становится практической точкой входа в масштабную ИИ-трансформацию компании. Через анализ реальных задач видно, где достаточно развить навыки, где нужно внедрять ИИ-инструменты, а где требуется менять сам процесс.
Шаг 2. Провести диагностику навыков
Оцените, какой уровень цифровых навыков уже есть у сотрудников, кто и для каких задач использует ИИ, какие страхи и барьеры есть в команде. Разделите сотрудников по сегментам, чтобы каждому предложить подходящую программу или ИИ-курс.
Шаг 3. Определить сервисы
После определения целей выберите конкретные сервисы и инструменты. На этом этапе можно и даже нужно экспериментировать: тестируйте разные чат-боты, генеративные модели, локальные решения. Пробуйте решать одну и ту же задачу в разных сервисах, чтобы увидеть, как они работают персонально для вас, и выбирайте наиболее удобные. Если готовые сервисы не помогают решать задачи бизнеса, возможно, стоит подумать над созданием корпоративного ИИ-инструмента под конкретные запросы компании.
Шаг 4. Составить план образовательного процесса
Под каждый сегмент сотрудников сформируйте программу обучения. В неё можно включить основы работы ИИ-сервисов, правила формулирования промптов, разбор ситуаций, модули про информационную безопасность, правовую базу, разбор типичных ошибок. Соберите в корпоративной базе знаний все материалы: инструкции, гайды, методички, чек-листы.
По словам Антона Боброва, корпоративное обучение не должно сводиться к ИИ-курсу по промптам.
Промпты — это только базовый навык. В бизнесе ценность появляется тогда, когда ИИ встроен в конкретные рабочие процессы: подготовку документов, анализ информации, коммуникации, поддержку сотрудников, обучение, подбор, адаптацию, работу руководителей с командами. Мы в «КОРУС Консалтинге» смотрим на обучение ИИ именно через эту призму. На базе собственного корпоративного университета развиваем не просто программу «Как пользоваться нейросетями», а внедряем практический подход к применению ИИ в корпоративной среде.
Можно начать с простых инструментов, постепенно их усложняя — занятия с наставником, разбор реальных кейсов, интерактивные форматы с минимумом теории и практическими заданиями. И это должны быть не абстрактные упражнения из серии «напишите промпт», а реальные рабочие задачи, например:
- собрать аналитическую сводку по данным из разных источников
- подготовить управленческий дашборд (информационную панель)
- найти отклонения в показателях
- сформулировать гипотезы по причинам падения эффективности
- настроить ИИ-агента для типовых запросов сотрудников или клиентов
- автоматизировать подготовку регулярных отчётов
- обработать массив обращений или обратной связи
- подготовить черновик бизнес-кейса
- проверить логику документа
- сформировать варианты управленческого решения.
Используйте микроформаты занятий, элементы геймификации — важно, чтобы обучение работе с искусственным интеллектом стало частью корпоративной культуры.
Шаг 5. Подготовить правила и регламент работы с ИИ-инструментами
Создайте корпоративный кодекс, ознакомьте сотрудников с правилами использования ИИ (какие сервисы доступны, какие данные нельзя загружать, как в компании настроены доступы). Назначьте кураторов — специалистов, которые будут помогать коллегам в ходе обучения.
Шаг 6. Оценить результаты по метрикам
Заранее определите количественные и качественные показатели, по которым будете оценивать результат, — например, снижение нагрузки на сотрудников, скорость ответа техподдержки, сокращение времени выполнения задач, рост мотивации и вовлечения работников. После обучения по выбранным метрикам оцените изменения, чтобы при необходимости что-то скорректировать.
Шаг 7. Внедрить ИИ в работу
После обучения ИИ-инструменты необходимо внедрить в ежедневную работу. Сотрудники смогут делиться друг с другом удачными примерами интеграции, тем самым способствуя популяризации этого инструмента в рабочих процессах. Обучение можно проводить для всех сотрудников компании сразу или выбрать пилотную группу — один из отделов компании, например маркетинга или разработки. Сначала обучить их, измерить эффективность по метрикам (как сократилось время на подготовку отчётности или как увеличилось число заявок клиентов и так далее). При необходимости можно скорректировать программу и после этого уже внедрять онлайн-курсы по обучению работе с ИИ для всех сотрудников.
Какие показатели помогут измерить эффективность обучения
Метрики оценки эффективности обучения зависят от того, каких целей вы хотели достичь за счёт него. Обычно результаты оценивают по нескольким показателям: количественным и качественным.
Количественные показатели
В этом случае ещё до старта обучения фиксируются конкретные данные — например, скорость выполнения задач, количество ошибок, число клиентских заявок. После обучения цифры снова измеряют, и если они меняются в лучшую сторону, это значит, что результат положительный.
Оценить эффективность также помогает ROI (с англ. return on investment — возврат инвестиций) — коэффициент рентабельности, который показывает прибыльность или убыточность инвестиций. Он рассчитывается по формуле:
Анализ изменений позволяет понять, какие форматы обучения работают лучше и где необходима доработка.
Качественные показатели
Отслеживаются изменения, отразившиеся на рабочих процессах — например, увеличение вовлечённости сотрудников, умение выбрать подходящий инструмент и применять его на практике. Например, эта метрика демонстрирует, насколько прошедшее обучение изменило поведение в команде, каков показатель удовлетворённости обучением.
Что ещё важно помнить при обучении сотрудников ИИ
Искусственный интеллект сам по себе не делает компанию эффективнее. Эффективнее её делают люди, которые понимают, где ИИ уместен, как с ним работать, как проверять результат и как встроить его в рабочий процесс.
На начальном этапе может помочь информирование: упоминайте о новых инструментах в рабочих чатах, на созвонах, делитесь с коллегами новостями, короткими инструкциями и гайдами. Это поможет зацепить внимание и вызвать интерес к изучению. Объясните каждому сотруднику выгоду от использования ИИ конкретно в его направлении. Например, можно показать, как ИИ способен оградить от перегрузок и выгорания и взять на себя рутину. Можно привести успешные кейсы и примеры каждому сотруднику именно в его области. Назначьте кураторов — специалистов с высоким уровнем насмотренности и опыта, которые будут помогать коллегам в освоении новых навыков. Так вы сможете устранить возможную растерянность и непонимание и дадите чёткое представление, как и с чем работать.
Встроенные ИИ-функции в сервисах также могут взять на себя часть рутинных дел и сэкономить рабочее время. Например, искусственный интеллект в сервисах МТС Линк помогает подводить итоги встреч, виртуальный ассистент анализирует все прошедшие онлайн-мероприятия и переписки, может напомнить, что вы обсуждали, какие решения приняли и какие задачи взяли в работу. Все функции встроены в платформу, использовать их удобно и просто.
Обучение сотрудников ИИ должно быть не разовым вебинаром, а целой системой, которая постоянно обновляется и меняет рабочие привычки. В МТС Линк к этому процессу подходят комплексно. Так, в компании обучение сотрудников основывается на 4 ключевых трендах: развитии компетенций, микрообучении, адаптивности и персонализации, data-driven-подходе (с англ. «управляемый данными» — при котором образовательный процесс строится на основе анализа реальных данных о работниках) и применении ИИ. Навыки работы с искусственным интеллектом помогают сотрудникам снизить уровень стресса и выгорания, повысить продуктивность.
Для обучения основам ИИ в МТС Линк используются синхронный и асинхронный форматы, образовательный трек включает в себя три вида активностей: вебинары с обсуждением теории и практики, асинхронные электронные курсы на учебной платформе Кампус МТС для закрепления навыков и точечные практикумы для небольших групп по автоматизации рутинных задач.
В образовательный процесс стоит включить практические кейсы, правила безопасности, инструкции руководителей, библиотеку сценариев, подходящие инструменты и понятные метрики для оценки результата. По словам Антона Боброва, здесь роль корпоративного университета становится особенно значимой. Он может быть организатором обучения и внутренним центром трансформации, который собирает лучшие практики, адаптирует их под разные функции, обновляет программы, обучает амбассадоров и помогает компании использовать ИИ безопасно и с пользой для бизнеса.
Блок FAQ
Обучение сотрудников работе с ИИ помогает компании быстрее адаптироваться к изменениям рынка, эффективнее использовать внутренние ресурсы. Сотрудники с ИИ-навыками могут оперативнее и качественнее выполнять задачи. Также обучение снижает сопротивление новым технологиям: когда команда понимает, как ИИ помогает в ежедневных процессах, сотрудники воспринимают его не как угрозу, а как полезный инструмент для работы и развития.
Обычно обучение делят на три уровня в зависимости от задач сотрудников и их опыта: базовый, продвинутый и экспертный. На базовом уровне сотрудники изучают основы работы с ИИ, учатся писать простые промпты и использовать нейросети в ежедневных задачах. Продвинутый уровень ориентирован на проектных менеджеров, руководителей, рекрутеров, аналитиков — здесь обучение включает создание более сложных системных промптов, эффективных сценариев использования ИИ, анализ данных. Обучение на экспертном уровне необходимо лидерам и специалистам по внедрению искусственного интеллекта. Они изучают стратегическое использование ИИ, настройку процессов, контроль качества работы инструментов, тестирование гипотез, создание внутренней базы знаний и промптов.
Компании чаще всего используют смешанный формат, чтобы обучение было наиболее эффективным и интересным. Наиболее популярные варианты: онлайн-курсы и видеоуроки (синхронные или асинхронные), очные тренинги и мастер-классы, практические разборы кейсов, мини-уроки внутри рабочих команд, наставничество и сопровождение после обучения.
Эффективное обучение работе с ИИ может включать 7 основных шагов:
- Определение целей и задач
- Анализ уровня подготовки сотрудников и разделение по уровням
- Выбор инструментов
- Составление программы обучения
- Разработка правил и регламента работы с ИИ-инструментами
- Оценка эффективности обучения
- Интеграция ИИ в ежедневные рабочие процессы.
Да, обучение руководителей работе с ИИ особенно важно, так как они принимают решения о внедрении технологий, распределении ресурсов, выстраивают бизнес-процессы. Руководителям не обязательно глубоко разбираться в технических деталях, но они должны владеть базовыми навыками работы с ИИ и понимать, где инструмент приносит реальную пользу, что можно с помощью него оптимизировать, какие риски возможны.
Эффективность обучения ИИ оценивают по реальным изменениям в работе сотрудников. Обычно результаты оценивают по нескольким показателям: количественным и качественным. Их измеряют до и после обучения. Количественные показатели включают, например, скорость выполнения задач, количество ошибок, число клиентских заявок. Качественные метрики фиксируют изменения, отразившиеся на качестве работы, — например, рост вовлечённости сотрудников, атмосфера в команде, умение выбрать подходящий инструмент и применять его на практике.
Подпишитесь на рассылку МТС Линк Медиа
Каждую пятницу присылаем самые интересные статьи об эффективной работе и коммуникациях в онлайне на почту