AI orodja se spreminjajo hitro. Kako zasnovati praktično izobraževanje, ki zaposlenim ne predstavi le funkcij, ampak jim pomaga delati bolje?
»Katero AI orodje naj uporabljamo?«
To je pogosto prvo vprašanje, ki ga podjetja postavijo ob razmišljanju o umetni inteligenci. Toda danes ni več najpomembnejše.
Veliko koristnejša vprašanja so:
Kako lahko zaposleni z AI hitreje pripravijo kakovostno ponudbo?
Kako lahko pregledajo več dokumentov, ne da bi spregledali bistvene informacije?
Kako iz raziskave pridejo do uporabne predstavitve?
Kako naj AI vključijo v delo z e-pošto, dokumenti in internimi viri?
In kako pri tem zaščitijo podatke ter preverijo rezultate?
Prav tu se pokaže razlika med občasnim preizkušanjem novih orodij in premišljeno uporabo AI v podjetju.
Zaposleni, ki znajo napisati nekaj promptov, so naredili prvi korak. Zaposleni, ki znajo AI vključiti v resnično nalogo, mu dati ustrezne vire, preveriti odgovor in pripraviti uporaben končni izdelek, pa že razvijajo novo poslovno kompetenco.
Zato sodobno AI izobraževanje za podjetja ni več predstavitev zanimivih funkcij. Je praktičen proces, v katerem se ekipe učijo delati bolje.
Od navdušenja nad orodjem do jasnega poslovnega namena
Prvi stik z umetno inteligenco je običajno igriv. Uporabniki preverijo, kako AI napiše e-mail, predlaga ideje ali povzame besedilo. Rezultat je lahko navdušujoč, včasih zabaven in pogosto dovolj dober, da vzbudi zanimanje.
Toda začetno navdušenje še ne pomeni poslovne vrednosti. Ta nastane, ko zaposleni prepoznajo nalogo, pri kateri jim AI resnično pomaga. Morda vsak teden pripravljajo podobne ponudbe. Morda prebirajo dolge razpise, poročila ali pravilnike. Morda iz enega vsebinskega izhodišča ustvarjajo gradiva za več komunikacijskih kanalov. Ali pa pred vsakim sestankom zbirajo podatke iz e-pošte, dokumentov in starih zapisnikov.
Dobra AI delavnica zato ne začne s čim daljšim seznamom orodij. Začne z delom udeležencev.
Kje izgubljate čas? Katere informacije nenehno iščete? Katere dokumente pripravljate znova in znova? Kateri del naloge je rutinski in kje je nujna človeška presoja? Ko so ta vprašanja jasna, postane lažje izbrati primerno orodje in način uporabe. AI ni več bleščeča novost, temveč pomoč pri konkretnem problemu.
Zakaj osnovno poznavanje promptov ne zadostuje več
Jasen prompt ostaja pomemben. Toda sam po sebi ne reši slabo zastavljene naloge.
Če zaposleni ne ve, kaj želi doseči, kateri podatki so pomembni in kako bo preveril rezultat, tudi spretno napisan ukaz ne bo zagotovil uporabnega izdelka.
Zato morajo sodobne AI kompetence vključevati več kot oblikovanje navodil. Zaposleni mora znati:
jasno opredeliti cilj;
izbrati ustrezne vire in kontekst;
kompleksno nalogo razdeliti na smiselne dele;
presoditi, kdaj naj AI predlaga in kdaj izvede;
preveriti dejstva, številke in logiko;
rezultat prilagoditi tonu in standardom podjetja;
prepoznati občutljive podatke;
vedeti, kdaj mora delo prevzeti strokovnjak.
To je bližje vodenju naloge kot klasični uporabi programa. Orodje lahko predlaga pot, človek pa mora razumeti cilj, omejitve in merila kakovosti.
Prav zato je praktična vaja učinkovitejša od dolge predstavitve funkcij. Ko udeleženec dela s primerom, ki ga pozna iz svojega delovnega dne, hitro opazi, katere informacije AI potrebuje, kje se lahko zmoti in kako rezultat izboljšati.
Povezano delo: ko informacije niso več raztresene po desetih mestih
Velik del pisarniškega dela ne predstavlja sama vsebina naloge, temveč zbiranje vsega, kar zanjo potrebujemo. Informacija je v e-mailu. Podatek o ceni v preglednici. Stara različica ponudbe v skupni mapi. Dogovor s sestanka v zapisniku. Navodilo vodje pa v sporočilu sodelavca.
Človek mora vse te koščke najprej poiskati, odpreti, primerjati in povezati. Šele nato lahko začne pravo delo.
Nova AI orodja se vse bolj povezujejo z e-pošto, dokumenti in drugimi poslovnimi viri. To odpira uporabne možnosti, vendar zahteva tudi več razumevanja. Ni dovolj, da zaposleni pozna pogovorno okno. Vedeti mora, do katerih podatkov ima sistem dostop, katere vire naj uporabi in česa vanj ne sme vključiti.
Na praktičnem AI izobraževanju lahko ekipa zato preizkusi nalogo od začetka do konca. Na primer: Stranka pošlje povpraševanje. AI pomaga izluščiti zahteve in odprta vprašanja. Uporabnik doda cenik, primer pretekle ponudbe in interna navodila. AI pripravi strukturirano osnovo, zaposleni pa preveri podatke, prilagodi rešitev in potrdi končno vsebino.
Vrednost ni samo v hitreje napisanem besedilu. Največ časa se prihrani pri iskanju, urejanju in povezovanju informacij.
Od posameznega odgovora do večkoračnega delovnega procesa
Veliko zaposlenih AI še vedno uporablja po sistemu enega vprašanja in enega odgovora. Takšen način je uporaben pri manjših nalogah, vendar ne izkoristi možnosti večkoračnega dela.
Kaj se zgodi, če AI ne naročimo samo »pripravi objavo«, ampak mu predstavimo širšo nalogo?
Najprej lahko pregleda gradivo. Nato izlušči ključne poudarke, predlaga vsebinske kote, pripravi objave za različne kanale in oblikuje predlog koledarja objav. Človek med procesom preveri, ali je zgodba prava, ali besedilo ustreza tonu znamke in ali so trditve podprte z viri.
Podobno lahko prodajna ekipa iz briefa pride do osnove ponudbe, argumentov za stranko in spremnega e-maila. Vodstvo lahko iz več poročil pridobi primerjavo, ključna odstopanja in osnovo predstavitve. Organizator dogodka pa iz povpraševanja, ponudb in omejitev pripravi pregled možnosti ter vprašanja za naročnika.
Na prenovljenih AI delavnicah Out of Office je zato med poudarki tudi večkoračno delo v okoljih ChatGPT Work in Claude Cowork – od raziskovanja in obdelave virov do uporabnega izdelka.
To ne pomeni, da AI brez nadzora prevzame vse odločitve. Pomeni, da zaposleni ne vodi več vsakega mikrokoraka, temveč upravlja pot do rezultata.
Delo z večjimi količinami virov
Kako hitro pregledati obsežen razpis? Kako primerjati več poročil? Kako iz internih dokumentov pripraviti učno gradivo? In kako dobiti odgovor, ki temelji na izbranih virih, ne zgolj na splošnem znanju modela?
To so vprašanja, pri katerih postajajo pomembna orodja za delo z zbirkami gradiv, kot je NotebookLM.
Uporabnik lahko zbere relevantne dokumente in nato raziskuje njihove skupne teme, razlike, roke, zahteve ali odprta vprašanja. Tako dolg dokument ni več pasivna datoteka, ki čaka v mapi, temveč postane vir, s katerim lahko dejavno delamo.
Toda tudi tukaj velja: hitrost ne nadomesti presoje.
Pri razpisu moramo preveriti natančne pogoje in roke. Pri pogodbi mora pomembne ugotovitve potrditi ustrezen strokovnjak. Pri poročilu moramo razumeti metodologijo in izvor številk.
AI lahko skrajša pot do pomembnih delov dokumenta. Odgovornost za razumevanje in odločitev pa ostane pri človeku.
Od raziskave do vizuala in predstavitve
Do zdaj je imel vsak zaposleni svoje pogovore, prompte in način uporabe. Novi razvoj prinaša več skupnega dela.
Podjetja lahko ustvarijo agente, ki jih uporablja več zaposlenih. Agent ima določene naloge, dostop do izbranih podatkov in jasne omejitve.
Takšen agent lahko prodajni ekipi povzame pogovore o pomembni stranki, poišče manjkajoče informacije in pripravi naslednje korake. Tako ne deluje več samo kot osebni pomočnik, temveč kot skupni vir podpore in znanja.
Varnost ni zadnje poglavje delavnice
Pri uporabi AI v podjetju varnost ne sme biti droben tisk na zadnjem diapozitivu.
Zaposleni potrebujejo jasne in praktične odgovore:
- Katere podatke lahko vključijo v orodje?
- Ali smejo naložiti pogodbo, seznam strank ali interni cenik?
- Kako preverijo, kaj se z vnesenimi podatki dogaja?
- Kdaj morajo odstraniti osebne ali zaupne informacije?
- Kdo pregleda rezultat pred pošiljanjem stranki?
Pomembna je tudi transparentnost. Če je AI sodeloval pri pripravi vsebine, vizuala ali analize, mora podjetje razumeti, kdaj in kako to ustrezno pojasniti.
Odgovorna uporaba ne pomeni, da moramo iz strahu ustaviti vse poskuse. Pomeni, da postavimo razumne meje, izberemo primerna orodja in zaposlene naučimo prepoznati tveganje.
Jasna pravila pogosto povečajo uporabo. Ko zaposleni vedo, kaj smejo narediti in kaj morajo preveriti, AI uporabljajo bolj samozavestno in manj naključno.
Ena delavnica za vse oddelke?
Prodaja, marketing, administracija in vodstvo ne opravljajo enakih nalog. Zakaj bi se torej vsi učili na istih splošnih primerih?
Prodajna ekipa potrebuje delo s povpraševanji, ponudbami in komunikacijo s strankami.
Marketing želi povezati raziskovanje, vsebinski načrt, objave in vizuale.
Administracija dela z dokumenti, navodili in ponavljajočimi se vprašanji.
Vodstvo pa išče podporo pri analizah, primerjavah in pripravi gradiv za odločanje.
Dober program se zato prilagodi udeležencem. Skupni del lahko pokrije osnove varne uporabe, izbiro virov in preverjanje rezultatov. Praktične vaje pa naj izhajajo iz dela posameznih ekip.
Enako velja za podjetniške inkubatorje in razvojne agencije. Udeleženci prihajajo iz različnih podjetij in imajo različne ravni predznanja, zato program potrebuje dovolj skupnega okvira, hkrati pa prostor za konkretne primere.
Prenovljene AI delavnice so zato namenjene podjetjem, podjetniškim inkubatorjem, razvojnim agencijam in drugim organizacijam, izvedba pa se lahko vključi tudi v širši program, podjetniški dogodek ali team building.
Kako poskrbeti, da znanje po delavnici ne izgine
Odlična delavnica lahko sproži veliko idej. Toda kaj se zgodi naslednji ponedeljek? Če zaposlene pričaka enak delovni proces, nimajo dostopa do ustreznih orodij ali ne vedo, kateri primer naj najprej preizkusijo, bo začetna energija hitro zbledela.
Zato je že med izobraževanjem smiselno določiti nekaj konkretnih nadaljnjih korakov:
Izberite dve ali tri naloge za preizkus. – Naj bodo dovolj pogoste, varne in jasne, da bo mogoče opaziti učinek.
Določite odgovorne osebe. – Nekdo naj zbere vprašanja, spremlja preizkuse in pomaga pri prenosu dobrih praks.
Zapišite osnovni postopek. – Katero orodje uporabimo? Katere vire dodamo? Kaj pričakujemo in kaj mora preveriti človek?
Primerjajte rezultat s prejšnjim načinom dela. – Je bila naloga hitrejša? Je bil rezultat kakovostnejši? Je bilo manj popravljanja ali iskanja informacij?
Znanje redno osvežujte. – AI se spreminja prehitro, da bi bilo eno izobraževanje zadnje. Smiselne so krajše osvežitve, prikaz novih primerov in interna izmenjava izkušenj.
Tako delavnica ne ostane zanimiv dogodek. Postane začetek spremembe načina dela.
Kako prepoznati kakovostno AI izobraževanje
Dobro AI izobraževanje za podjetja ne obljublja čudežev. Prav tako udeležencev ne zasuje z desetinami orodij, ki jih po delavnici ne bodo več odprli.
Kakovosten program:
izhaja iz resničnih nalog udeležencev;
pokaže celotno pot od vprašanja do izdelka;
vključuje delo z dokumenti in drugimi viri;
obravnava varnost, preverjanje in transparentnost;
dopušča vprašanja in preizkušanje;
pokaže tudi omejitve in napake AI;
upošteva predznanje skupine;
zaključi s konkretnimi možnostmi uporabe.
Najpomembneje pa je, da po izobraževanju zaposleni ne vedo samo več o umetni inteligenci. Znajo tudi nekaj narediti drugače.
Zaključek
AI se spreminja hitro. To pa ne pomeni, da mora podjetje brez načrta preizkusiti vsako novo funkcijo.
Veliko bolj premišljena pot je, da začne pri svojih ljudeh in njihovem delu.
Kje lahko zmanjšamo rutino?
Kje lahko hitreje pridemo do pomembnih informacij?
Kje lahko iz istega gradiva ustvarimo bolj uporaben rezultat?
In kje mora ne glede na zmogljivost orodja ostati človeški nadzor?
Odgovori na ta vprašanja so pomembnejši od imena trenutno najbolj priljubljenega modela.
Ne učimo se orodij samo zato, da jih poznamo. Učimo se, kako z njimi bolje komunicirati, raziskovati, pripravljati ponudbe, obravnavati dokumente, ustvarjati gradiva in sprejemati odločitve. Takrat AI izobraževanje ni več dodatek. Postane način, kako ekipi pomagamo razumeti, kaj je mogoče, kaj je varno in kako novo znanje prenesti v vsakodnevno delo.
Spoznajte prenovljene AI delavnice za podjetja in nam predstavite potrebe svoje ekipe.
Praktične delavnice prilagodimo vašim udeležencem, njihovemu predznanju in resničnim poslovnim izzivom. Skupaj poiščemo naloge, pri katerih lahko AI prinese največ vrednosti, ter obravnavamo povezano delo, večkoračne procese, delo z viri, poslovne vizuale in odgovorno uporabo.
Avtorica:
