Корпоративное обучение по ИИ - есть ли универсальный рецепт?
Понедельничные ❤️
На мои глаза, сейчас есть 5 типовых сегментов.
1️⃣ Свой контур / своя модель / серьезный внутренний стек.
У сотрудников есть доступ и возможность ставить задачи на ИТ/Дату, чтобы модель работала на бизнес-задачи.
🧙♀️ Тут частая проблема не в core ИТ, а на стыке: поддержка, продажи, бэк-офис часто боятся признаться, что не понимают, как этим пользоваться и как формулировать запрос. А core ИТ отлично смотрит на продукт через метрики, но часто плохо чувствует боль персонала внутри компании.
🚀 Что делать L&D: скакать с бантиками, чтобы стороны начали слышать друг друга. ИТ - вовлекались в обучалово “на понятном”. Бизнес и суппорт - чувствовали себя партнерами и умели ставить задачи.
2️⃣ Локальная модель есть, мощности слабые.
Классика: “затащили в контур QWEN”, но ни бизнес, ни суппорт не поняли, зачем оно. Дата тоже не очень понимает, что с этим делать.
🧙♀️ Еще более классическая история: CEO чувствует, что “надо в ИИ”, корпуниверу поручают “обучить ИИ”, корпунивер раскатывает марафон, пилит электронные курсы “Знакомься: нейросеть”, а топов отправляет куда-то на внешку.
Но на самом деле топы хотят понять, где вложения в ИИ дадут рост производительности или другую бизнес-выгоду с нормальным ROI.
🚀 Это проще решать не массовым обучением, а каскадиком через амбассадоров.
▪️ Идем в ИТ / Дату / автоматизацию и просим список людей, которые уже достали их запросами “давайте внедрим ИИ”.
▪️ Смотрим, как эти люди ставят задачи.
▪️ Обычно быстро находим: а) неумение ставить задачи на ИТ, б) очень смутное понимание границ модели в контуре, в) неумение считать инвестпроекты.
▪️ Дальше учим именно этих “задолбателей” (см.выше), качаем внутриком, даем им плюшки, вместе с ИТ собираем нормальный процесс заявок на доработку и разработку.
▪️ И очень желательно добиваться, чтобы внедрение ИИ-шницы появлялось в целях на уровне CEO-2. Амбассадоров примут с объятьями.
3️⃣ Внешние отечественные модели по API, готовые AI-инструменты.
🧙♀️ Тут почти всегда будет вендорское или продуктовое обучение. Но его надо очень жестко контролировать и кастомизировать под себя. Даже самое пристойное нужно дополнять своими фасилитационными сессиями: где именно у нас гипотезы на оптимизацию, как мы их проверяем, что можно, что нельзя, где проверка человеком обязательна.
▪️И про безопасность. https://assets.kpmg.com/content/dam/kpmgsites/xx/pdf/2025/05/trust-attitudes-and-use-of-ai-global-report.pdf): 48% сотрудников загружали в публичные AI-инструменты чувствительную информацию компании, 56% использовали AI на работе, не зная, разрешено ли это, 57% признают непрозрачное использование. Эту тему нужно отработать со стороны обучения.
4️⃣ Компания маленькая, не задрюченная безопасниками и регуляторами.
Может и Claude юзать, и ChatGPT сотрудникам оплачивать. Это реально дает рост производительности. Часто это подрядчики крупного бизнеса — такой человек с ИИ на аутсорсе.
🧙♀️ Тут формальное обучение обычно не нужно. Нужнее аккуратно поддерживать друг-об-друга обучение, обмен кейсами т т.п.. Не прям строить комьюнити-комбайн, а ювелирно подкручивать то, что само живет, чтобы не стухло.
5️⃣ В компании всерьез ИИ не двигают.
Иногда из-за суровой безопасности. Иногда просто потому что “а зачем”. Но в таких компаниях почти всегда есть люди, которые используют ИИ молчком, втихую. Чтобы справиться с перегрузом.
🧙♀️ Они обучение не заказывают, но иногда хотят “ИИ-спикера”. И вот тут полезно не нести футуризм, а показывать простые пайплайны: где есть RPA, где есть моделька, и как вместе они разгребают лютую рутину с кучей бумажек.
В общем, сначала надо понять, что именно должно измениться после обучения:
▪️ безопасность при использовании внешних инструментов;
▪️ качество постановки задач на ИТ/Дату;
▪️ снижение теневого ИИ;
▪️ каскадирование компетенций через амбассадоров;
▪️ появление внятных AI-инвестпроектов.
А универсального ИИ-обучения не бывает.
Что по этому поводу думает
https://t.me/nklypsernk_zttlkstn
