AI mokymai: kaip pasirinkti tinkamą formatą vadovams, komandoms ir įmonėms?
Dirbtinio intelekto mokymų pasiūla sparčiai didėja. Rinkoje galima rasti trumpų įvadinių seminarų, ChatGPT mokymų, dirbtuvių vadovams, ilgesnių programų darbuotojams, mokymų apie automatizavimą ir individualiai įmonei pritaikytų sesijų.
Tačiau plati pasiūla sukuria naują problemą: kaip pasirinkti AI mokymus, kurie ne tik supažindintų su įrankiais, bet ir realiai pakeistų darbo būdą?
Vienai organizacijai gali pakakti keturių valandų praktinių mokymų vadovų komandai. Kitai reikės mokymų visiems darbuotojams, atskirų funkcinių dirbtuvių ir kelių mėnesių AI palydėjimo. Trečiai mokymai apskritai nėra pirmasis žingsnis – pirmiau reikia išsigryninti procesus, duomenų saugumo taisykles arba automatizavimo galimybes.
Todėl tinkamus dirbtinio intelekto mokymus verta rinktis ne pagal skambų programos pavadinimą, o pagal organizacijos situaciją, dalyvių vaidmenis ir norimą rezultatą.
Trumpai: kokius AI mokymus pasirinkti?
* Vadovams reikia suprasti AI poveikį verslui, rizikas, įrankių pasirinkimą ir diegimo logiką.
* Darbuotojams reikia praktinių scenarijų, susietų su jų kasdienėmis užduotimis.
* Visai įmonei reikia bendrų naudojimo principų, saugumo taisyklių ir vienodų darbo standartų.
* Pažengusioms komandoms reikia projektų, asistentų, „Skills“, integracijų, agentų ir procesų automatizavimo.
* Organizacijoms, kurios po mokymų nepradeda taikyti AI sistemingai, dažniausiai reikia tęstinio AI palydėjimo.
1. Kas šiandien vadinama AI mokymais?
Sąvoka „AI mokymai“ šiandien apima labai skirtingus formatus.
Tai gali būti:
* bendras pristatymas apie dirbtinį intelektą;
* praktiniai ChatGPT ar Claude naudojimo mokymai;
* įrankių palyginimas;
* užklausų, arba promptų, rengimo dirbtuvės;
* AI mokymai vadovams;
* konkrečios funkcijos – pardavimų, rinkodaros, finansų, HR ar teisės – mokymai;
* AI agentų ir procesų automatizavimo mokymai;
* organizacijos AI strategijos ir saugaus naudojimo programa.
Dėl to vien užrašo „praktiniai AI mokymai“ nepakanka. Prieš perkant mokymus reikia išsiaiškinti, ką dalyviai gebės atlikti po mokymų.
Ar jie tik supras, kas yra generatyvinis AI? Ar gebės išanalizuoti dokumentą, sukurti projektą, parengti savo asistentą, naudoti vidinius įmonės šaltinius ir standartizuoti pasikartojančias užduotis?
Lietuvos AI mokymų rinka jau siūlo daug trumpų ChatGPT, „Copilot“, produktyvumo ir promptų rengimo programų. Gerokai mažiau pasiūlymų sujungia mokymus su įmonės procesais, saugumu, diegimu, rezultatų matavimu ir tęstiniu palaikymu.
2. Kuo skiriasi bendri AI kursai nuo praktinių mokymų?
Bendri AI kursai dažniausiai skirti suteikti žinių. Praktiniai AI mokymai turi padėti pakeisti veiksmus.
Bendri AI kursai dažniausiai atsako į klausimus:
* Kas yra dirbtinis intelektas?
* Kaip veikia generatyviniai modeliai?
* Kokie įrankiai šiuo metu populiariausi?
* Kokios yra AI galimybės ir rizikos?
* Kaip parašyti pagrindinę užklausą?
Toks formatas tinka pradinei pažinčiai, tačiau dažnai nepakanka norint AI integruoti į kasdienį darbą.
Praktiniai AI mokymai turėtų atsakyti į kitus klausimus:
* Kaip AI pritaikyti konkrečiose mūsų darbuotojų užduotyse?
* Kaip dirbti su sutartimis, lentelėmis, prezentacijomis ir vidiniais dokumentais?
* Kaip sukurti nuolatinį darbo kontekstą?
* Kaip standartizuoti pasikartojantį procesą?
* Kaip užtikrinti panašią rezultatų kokybę visoje komandoje?
* Kokios informacijos negalima kelti į pasirinktą įrankį?
* Kaip pamatuoti, ar mokymai davė rezultatą?
Praktikos dalis neturėtų apsiriboti vieno demonstracinio prompto parašymu. Dalyviai turi dirbti su realistiškomis situacijomis, panašiomis į jų kasdienį darbą.
Pavyzdžiui, pardavimų komanda gali rengti kliento diagnostiką ir pasiūlymo juodraštį, HR komanda – darbo skelbimą ir kandidatų vertinimo kriterijus, o vadovai – strateginių alternatyvų bei rizikų analizę.
3. Kada reikalingi AI mokymai vadovams?
AI mokymai vadovams reikalingi tada, kai organizacijai nebeužtenka pavienių darbuotojų eksperimentų.
Vadovo užduotis nėra išmokti kuo daugiau promptų. Vadovas turi suprasti:
* kur AI gali sukurti didžiausią vertę;
* kurie procesai tinkami pradėti;
* kokios yra duomenų ir reputacijos rizikos;
* kokius įrankius pasirinkti;
* kaip nustatyti naudojimo taisykles;
* kaip vertinti investicijų grąžą;
* kaip valdyti darbuotojų įpročių pokytį.
Vadovų mokymuose svarbu atskirti asmeninį produktyvumą nuo organizacinio diegimo.
Asmeniniam produktyvumui gali pakakti geriau rengti laiškus, analizuoti informaciją ar ruoštis susitikimams. Organizaciniu lygmeniu reikia spręsti, kas valdys AI aplinką, kokie dokumentai bus naudojami, kaip bus dalijamasi sukurtais asistentais ir kas atsakys už rezultatų patikrą.
Vadovų komandos mokymai ypač reikalingi, kai:
* skirtingi padaliniai naudoja skirtingus AI įrankius;
* nėra aiškių saugaus naudojimo taisyklių;
* įmonė svarsto „ChatGPT Business“, „Microsoft Copilot“, „Claude Team“ ar „Gemini“ diegimą;
* darbuotojai naudoja AI, bet rezultatai nėra matuojami;
* planuojamos procesų automatizacijos;
* vadovybė nori parengti bendrą AI diegimo kryptį.
ES Dirbtinio intelekto akto 4 straipsnyje numatyta, kad AI sistemų tiekėjai ir diegėjai turi pagal galimybes užtikrinti pakankamą su šiomis sistemomis dirbančių žmonių AI raštingumo lygį, atsižvelgdami į jų patirtį, žinias ir naudojimo kontekstą. Todėl AI kompetencijos organizacijoje tampa ne tik produktyvumo, bet ir atsakingo valdymo klausimu.
4. Kada reikalingi mokymai visai komandai ar įmonei?
AI mokymai įmonėms reikalingi tada, kai siekiama sukurti bendrą darbo standartą.
Pavieniai darbuotojai gali savarankiškai išmokti naudoti AI, tačiau jų darbo būdai ir rezultatų kokybė dažniausiai skirsis. Vienas darbuotojas naudos tik paprastą pokalbį, kitas kurs projektus, trečias kels konfidencialius dokumentus į asmeninę paskyrą, o ketvirtas AI apskritai vengs.
Bendri mokymai padeda susitarti:
* kokius įrankius įmonė naudoja;
* kokios informacijos į juos nekelia;
* kaip turi būti tikrinami rezultatai;
* kokioms užduotims AI rekomenduojamas;
* kokie projektai, asistentai ar šablonai bus bendri;
* kas padės darbuotojams po mokymų.
Tačiau visai įmonei nebūtinai reikia identiškų mokymų.
Efektyvesnė struktūra dažnai atrodo taip:
- Vadovų sesija apie strategiją, rizikas ir diegimo prioritetus.
- Bendri praktiniai mokymai darbuotojams.
- Atskiros dirbtuvės pagal funkcijas ar padalinius.
- Vidinių AI ambasadorių parengimas.
- Tęstinės palydėjimo sesijos ir rezultatų peržiūra.
Pardavimų, finansų, gamybos, HR ir teisės komandos dirba su skirtingais procesais. Todėl po bendro pagrindo mokymai turi artėti prie realių padalinių užduočių.
5. Ką verta išmokti naudojant ChatGPT, Claude ir Gemini?
Geri mokymai neturėtų virsti ilgų AI įrankių sąrašu. Daugumai organizacijų svarbiau giliai įvaldyti vieną ar du pagrindinius įrankius ir aiškiai žinoti, kada pasirinkti kitą.
ChatGPT
ChatGPT mokymai įmonėms turėtų apimti daugiau nei pokalbį ir promptus.
Svarbios temos:
* personalizavimas ir atmintis;
* darbas su failais, lentelėmis ir vaizdais;
* interneto paieška ir „Deep Research“;
* „Projects“ kaip nuolatinis darbo kontekstas;
* individualūs GPT asistentai;
* „Apps“ ir įmonės žinių šaltiniai;
* agentinis režimas;
* periodinės užduotys;
* komandos darbo standartizavimas.
„ChatGPT Business“ aplinkoje šiuo metu pateikiami projektai, GPT asistentai, programų jungtys, įmonės žinios, agentinis režimas, gilusis tyrimas ir programavimo įrankiai. Tai leidžia mokymus orientuoti ne vien į tekstų generavimą, bet į nuolatines darbo sistemas.
Projektai leidžia vienoje vietoje laikyti susijusius pokalbius, failus ir instrukcijas. „Business“, „Enterprise“ ir „Edu“ naudotojai projektus gali dalytis su komandos nariais.
Claude
Claude mokymai įmonėms ypač naudingi darbuotojams, kurie dirba su dideliais dokumentais, analize, strateginiais tekstais, kodu ar struktūruotais rezultatais.
Mokymuose verta nagrinėti:
* „Projects“ ir nuolatinį kontekstą;
* ilgų dokumentų analizę;
* „Skills“ pasikartojančioms užduotims;
* jungtis su kitomis darbo sistemomis;
* tyrimų funkcijas;
* darbą su realiais failais;
* artefaktų ir dokumentų kūrimą;
* „Claude Code“ techninėms komandoms.
„Claude Projects“ sujungia pokalbius ir vidinę projekto informaciją vienoje darbo erdvėje.
Claude mokymų medžiagoje taip pat svarbu aiškiai atskirti vienkartinį promptą, nuolatinį projektą ir pakartotinį procesą: promptas skirtas vienai užduočiai, projektas – ilgalaikiam objektui su failais, o „Skill“ – standartizuotam darbo scenarijui.
Gemini
„Gemini“ mokymai aktualiausi organizacijoms, kurios intensyviai naudoja „Google Workspace“.
Svarbios temos:
* darbas su „Gmail“, „Drive“, „Docs“, „Sheets“ ir „Slides“;
* „Gems“ pasikartojančioms užduotims;
* dokumentų ir failų analizė;
* gilusis tyrimas;
* darbas su organizacijos informacija;
* rezultatų tikrinimas ir šaltinių kontrolė.
„Gemini Deep Research“ gali naudoti ne tik interneto paiešką, bet ir pasirinktus „Gmail“, „Drive“, įkeltų failų bei „NotebookLM“ šaltinius.
„Gems“ yra individualizuotos „Gemini“ versijos, kuriose galima išsaugoti pasikartojančių užduočių instrukcijas ir gaires.
Ar įmonei reikia visų trijų įrankių?
Nebūtinai.
Dažniausiai verta pasirinkti:
* vieną pagrindinį universalų AI darbo įrankį;
* vieną papildomą įrankį konkrečiam poreikiui;
* specializuotus sprendimus tik ten, kur jie kuria aiškią vertę.
Svarbiausias klausimas nėra „kuris AI modelis geriausias?“. Svarbiau nustatyti, kuris įrankis geriausiai tinka konkrečiam organizacijos darbui ir gali būti saugiai įtrauktas į kasdienius procesus.
6. Kodėl vien promptų neužtenka?
Promptai yra svarbi AI naudojimo dalis. Aiškiai pateiktas kontekstas, tikslas, šaltiniai, norimas formatas ir kokybės kriterijai dažniausiai pagerina rezultatą.
Tačiau vien promptų mokymai turi ribotą poveikį.
Pagrindinės priežastys:
Promptas neišsaugo organizacijos konteksto
Jeigu darbuotojas kiekviename naujame pokalbyje iš naujo aiškina įmonės veiklą, auditoriją, terminus ir dokumentų struktūrą, procesas išlieka neefektyvus.
Promptas neužtikrina komandos standarto
Kiekvienas darbuotojas tą pačią užduotį formuluos skirtingai. Todėl skirsis rezultato struktūra, gylis ir patikimumas.
Promptas neautomatizuoja proceso
Geras promptas gali padėti atlikti vieną užduotį, bet jis savaime nesukuria pasikartojančios darbo eigos, neprisijungia prie duomenų šaltinių ir neperduoda rezultato kitam proceso etapui.
Promptas neišsprendžia pokyčio valdymo
Žmogus gali žinoti, kaip parašyti užklausą, tačiau vis tiek grįžti prie seno darbo būdo. Produktyvumą lemia ne vien žinojimas, bet ir naujo įpročio įtvirtinimas.
Todėl brandesni AI mokymai turi pereiti nuo formulės „parašyk geresnį promptą“ prie klausimo:
Kaip šią užduotį paversti patikimu ir pakartojamu darbo procesu?
7. Kaip atrodo geri praktiniai AI mokymai?
Geri praktiniai AI mokymai turi septynis požymius.
1. Mokymai pradedami nuo verslo situacijų
Pirmiausia nustatoma, kokias užduotis dalyviai atlieka ir kur praranda daugiausia laiko. Tik tada parenkamos funkcijos ir įrankiai.
2. Dalyviai dirba patys
Vien stebint lektoriaus demonstraciją įgūdis nesusidaro. Reikia prisijungti, įkelti failą, atlikti užduotį, įvertinti rezultatą ir jį patobulinti.
3. Naudojami realistiški pavyzdžiai
Mokymuose turi būti analizuojami dokumentai, klientų situacijos, susitikimų medžiaga, ataskaitos ar kitos dalyvių darbui artimos užduotys.
4. Aptariamas saugumas
Dalyviai turi žinoti, kokį planą naudoja, kaip tvarkomi duomenys, kokios informacijos negalima kelti ir kada būtina žmogaus patikra.
5. Mokoma pasirinkti darbo režimą
Greitam atsakymui, giliai analizei, tyrimui, darbui su failais ir daugiažingsnei užduočiai gali reikėti skirtingų funkcijų.
6. Kuriami pakartojami sprendimai
Dalyviai turi susikurti bent vieną projektą, asistentą, „Skill“, šabloną arba kitą darbo elementą, kurį galėtų naudoti po mokymų.
7. Numatyti veiksmai po mokymų
Mokymų pabaigoje turi būti aišku:
* ką komanda pradeda taikyti;
* kas atsakingas;
* kokie procesai bus išbandyti;
* kaip bus matuojamas rezultatas;
* kada bus atliekama pažangos peržiūra.
Praktinių mokymų tikslas nėra parodyti kuo daugiau funkcijų. Tikslas – kad dalyviai po mokymų gebėtų savarankiškai pasirinkti tinkamą funkciją ir pritaikyti ją savo darbe.
8. Kada po mokymų reikia AI palydėjimo?
Mokymai suteikia bendrą supratimą ir leidžia išbandyti funkcijas. Tačiau tikrasis produktyvumo pokytis dažniausiai prasideda po mokymų.
AI verslo partnerio arba palydėjimo paslauga reikalinga, kai:
* darbuotojai supranta AI galimybes, bet nežino, nuo ko pradėti;
* po kelių savaičių naudojimas sumažėja;
* reikia pritaikyti AI konkretiems padaliniams;
* reikia sukurti bendrus projektus, asistentus ar „Skills“;
* įmonės dokumentai nėra paruošti AI naudojimui;
* reikia susieti AI su „Google Workspace“, „Microsoft 365“, CRM ar kitomis sistemomis;
* kyla klausimų dėl saugumo ir prieigų;
* vadovybė nori matuoti rezultatą.
Palydėjimo metu galima periodiškai peržiūrėti realias darbuotojų situacijas, padėti sukurti pirmuosius darbo sprendimus ir koreguoti diegimo kryptį.
Tai svarbu todėl, kad AI diegimas yra ne tik technologinis, bet ir organizacinis pokytis. Darbuotojams reikia ne vien parodyti naują funkciją. Reikia padėti ją pritaikyti, įtraukti į kasdienę rutiną ir susieti su aiškiu veiklos rezultatu.
Kaip gali atrodyti palydėjimo ciklas?
- AI naudojimo ir procesų diagnostika.
- Bendri mokymai.
- Padalinių praktinės sesijos.
- Projektų, asistentų ir šablonų sukūrimas.
- Integracijų prijungimas.
- AI naudojimo taisyklių parengimas.
- Rezultatų ir kliūčių peržiūra.
- Kitų automatizavimo galimybių atranka.
Rinkos analizė taip pat rodo, kad aukštesnės vertės AI mokymų pasiūlymai vis dažniau jungiami su diagnostika, konsultavimu, pilotiniais taikymais ir pagalba po mokymų.
9. Kada verta pereiti prie procesų automatizavimo?
Ne kiekvieną AI naudojimo atvejį reikia iš karto automatizuoti.
Pirmiausia verta išmokti procesą atlikti kartu su AI rankiniu būdu. Taip galima patikrinti:
* ar užduotis aiškiai apibrėžta;
* ar turimi reikalingi duomenys;
* ar rezultatas pakankamai stabilus;
* kur reikalinga žmogaus patikra;
* kiek laiko procesas realiai sutaupo.
Prie procesų automatizavimo verta pereiti, kai:
* užduotis reguliariai kartojasi;
* jos įvestys ir rezultatai yra pakankamai standartizuoti;
* procesas turi aiškų savininką;
* galima apibrėžti kokybės kriterijus;
* žmogus atlieka daug mechaninių veiksmų;
* klaidos rizika yra valdoma;
* sutaupomas laikas pateisina diegimo sąnaudas.
Tinkami automatizavimo pavyzdžiai
* gaunamos kliento užklausos įvertinimas ir nukreipimas;
* pasiūlymo juodraščio parengimas iš CRM bei susitikimo informacijos;
* sutarčių reikalavimų ir neatitikimų tikrinimas;
* reguliari konkurentų, kainų ar teisės aktų stebėsena;
* klientų aptarnavimo užklausų klasifikavimas;
* periodinių valdymo ataskaitų rengimas;
* dokumentų duomenų ištraukimas ir perdavimas į kitą sistemą;
* kokybės incidentų analizė ir atsakingų žmonių informavimas.
Blogas automatizavimo kandidatas yra retas, neaiškus ir nuolat besikeičiantis procesas, kurio net žmonės organizacijoje neatlieka vienodai.
Pirmiausia reikia sutvarkyti procesą. Tik tada verta automatizuoti.
10. Kaip pasirinkti AI mokymus savo situacijai?
Prieš priimant sprendimą verta atsakyti į dešimt klausimų.
1. Koks pagrindinis mokymų tikslas?
Ar siekiama supažindinti, padidinti asmeninį produktyvumą, suvienodinti komandos darbą, įdiegti konkretų įrankį ar pradėti procesų automatizavimą?
2. Kas dalyvaus?
Vadovams, specialistams, visai įmonei ir techninei komandai reikia skirtingo turinio.
3. Koks dalyvių dabartinis lygis?
Jeigu dalis darbuotojų AI naudoja kasdien, o kiti dar nėra prisijungę, vienoda programa visiems gali būti neefektyvi.
4. Su kokiais įrankiais dirba organizacija?
„Microsoft 365“, „Google Workspace“, CRM, dokumentų valdymo ir kitos sistemos turi įtakos tinkamiausio AI įrankio pasirinkimui.
5. Ar mokymai pritaikyti įmonės veiklai?
Bendri pavyzdžiai padeda suprasti funkciją, bet realų pokytį sukuria darbas su organizacijos situacijomis.
6. Kiek programoje praktikos?
Dalyviai turi patys atlikti užduotis. Kelių valandų funkcijų demonstracija dar nėra praktiniai mokymai.
7. Ar aptariamas saugumas?
Mokymuose turi būti aiškiai aptartos paskyros, duomenų naudojimas, konfidencialumas ir žmogaus atsakomybė.
8. Ar mokoma dirbti sistemiškai?
Programa turėtų apimti ne tik promptus, bet ir projektus, asistentus, vidinius šaltinius, integracijas bei pasikartojančius procesus.
9. Kas vyks po mokymų?
Reikia numatyti praktikos užduotis, atsakingus žmones, palydėjimo sesiją arba bent rezultatų peržiūrą.
10. Kaip bus vertinama nauda?
Galimi rodikliai:
* sutaupytas laikas;
* trumpesnis dokumentų rengimo ciklas;
* sumažėjęs rankinis darbas;
* padidėjęs AI naudojančių darbuotojų skaičius;
* sukurtų ir naudojamų projektų ar asistentų skaičius;
* procesų, kuriuose AI tapo nuolatine darbo dalimi, skaičius.
Rekomenduojamas formatas pagal situaciją
Rekomenduojamas formatas pagal situaciją
* Reikia bendro supratimo: 1–2 val. įvadinė sesija.
* Vadovai turi apsispręsti dėl AI krypties: 3–4 val. vadovų mokymai arba strateginės dirbtuvės.
* Darbuotojai pradeda naudoti ChatGPT ar kitą įrankį: 4–6 val. praktiniai mokymai.
* Reikia mokyti skirtingus padalinius: bendras pagrindas ir atskiros funkcinės sesijos.
* Įmonė jau naudoja AI, bet chaotiškai: diagnostika, standartai ir palydėjimas.
* Reikia vienodos rezultatų kokybės: projektų, GPT, „Gems“ ar „Skills“ kūrimo dirbtuvės.
* Procesas dažnai kartojasi: automatizavimo galimybių analizė ir pilotas.
* AI diegiamas visoje organizacijoje: 30–90 dienų mokymų ir diegimo programa.
Nuo mokymų prie veikiančios AI sistemos
AI mokymų kokybę lemia ne funkcijų skaičius programoje. Svarbiausia, ar mokymai padeda organizacijai pereiti tris etapus:
- Suprasti, ką AI gali ir ko negali.
- Pritaikyti jį realiose darbo užduotyse.
- Paversti pasiteisinusius naudojimo atvejus bendrais ir pakartojamais procesais.
Jeigu darbuotojai po mokymų toliau užduoda tik pavienius klausimus, organizacijos produktyvumas keičiasi nedaug.
Didesnė vertė atsiranda tada, kai sukuriami nuolatiniai projektai, aiškios naudojimo taisyklės, bendri asistentai, prieiga prie reikalingų duomenų šaltinių ir pasikartojantys darbo scenarijai.
Todėl gerų AI mokymų rezultatas turėtų būti ne tik daugiau žinių apie dirbtinį intelektą. Rezultatas turėtų būti aiškesnis, greitesnis ir pakartojamas darbo būdas.
Dažniausiai užduodami klausimai apie AI mokymus
Kiek trunka praktiniai AI mokymai?
Pradiniam supažindinimui gali pakakti 1–2 valandų. Praktiniams mokymams, kuriuose dalyviai patys išbando pagrindines funkcijas, dažniausiai reikia 4–6 valandų. Įmonės diegimo programos su funkcinėmis sesijomis ir palydėjimu gali trukti nuo kelių savaičių iki kelių mėnesių.
Kuo skiriasi AI mokymai nuo ChatGPT mokymų?
AI mokymai gali apimti bendrus dirbtinio intelekto principus, kelis įrankius, saugumą, strategiją ir automatizavimą. ChatGPT mokymai orientuoti į konkrečios platformos funkcijas ir praktinį jos naudojimą.
Ar įmonei geriau rinktis ChatGPT, Claude ar Gemini mokymus?
Pasirinkimas priklauso nuo darbo pobūdžio ir naudojamos ekosistemos. ChatGPT dažnai pasirenkamas kaip universalus darbo įrankis, Claude – ilgiems dokumentams ir analitiniam darbui, o Gemini – glaudžiam darbui su „Google Workspace“. Didesnėse organizacijose gali būti pagrįsta naudoti daugiau nei vieną įrankį.
Ar AI mokymuose būtina mokytis promptų?
Taip, tačiau promptai turėtų būti tik viena programos dalis. Dar svarbiau išmokti pateikti kontekstą, dirbti su failais, pasirinkti tinkamą režimą, tikrinti rezultatą ir kurti pakartojamus darbo scenarijus.
Ar darbuotojai gali kelti į AI įrankius įmonės dokumentus?
Tai priklauso nuo pasirinkto įrankio, plano, įmonės politikos ir dokumentų jautrumo. Prieš pradedant naudoti AI su vidine informacija būtina nustatyti saugumo taisykles ir įvertinti tiekėjo duomenų tvarkymo sąlygas.
Kada įmonei reikia AI naudojimo taisyklių?
Taisyklės reikalingos dar prieš plačiau leidžiant darbuotojams naudoti AI su įmonės informacija. Jose turėtų būti apibrėžti leidžiami įrankiai, draudžiami duomenys, rezultatų tikrinimas ir darbuotojų atsakomybė.
Ar po vienų mokymų darbuotojai pradeda sistemingai naudoti AI?
Dalis darbuotojų pradeda taikyti AI iš karto, tačiau daugeliui reikia papildomų praktinių užduočių, konkrečių padalinio pavyzdžių ir periodinio palaikymo. Todėl didesnį rezultatą dažniausiai duoda mokymų ir palydėjimo derinys.
Kaip pamatuoti AI mokymų naudą?
Prieš mokymus verta pasirinkti kelias pasikartojančias užduotis ir įvertinti jų trukmę bei kokybę. Po mokymų galima matuoti sutaupytą laiką, naudojimo dažnį, rezultatų kokybę ir sukurtų pakartojamų darbo scenarijų skaičių.
Kada verta pradėti automatizuoti procesą?
Kai procesas dažnai kartojasi, turi aiškias įvestis, rezultatą, taisykles ir atsakingą žmogų. Jeigu procesas chaotiškas arba nuolat keičiasi, pirmiausia jį reikia sutvarkyti ir išbandyti rankiniu būdu kartu su AI.
Kokie AI mokymai geriausiai tinka vadovams?
Vadovams tinkamiausi mokymai, kurie sujungia asmeninį produktyvumą, AI įrankių pasirinkimą, strategines galimybes, rizikas, saugumą, organizacinį diegimą ir konkrečių procesų atranką. Vien techninių funkcijų ar promptų mokymų vadovų komandai paprastai nepakanka.