Вчера выступала на ИИ.Elements, слайды в посте. Расскажу на чем основаны.

Долго я мерила обучение так же, как все: пришли ли люди, понравилось ли им. У нас был поток, который поставил 9,2 из 10. Через месяц ИИ в работе использовали двое из сорока. Людям было интересно, они ушли вдохновлёнными, но их рабочая неделя осталась прежней.

Тогда я поняла, что мы учили инструменту. А у человека в голове нет "инструмента", там его задачи: отчёт по пятницам, сверка выгрузок, проверка документов. Пока ему никто не показал, как ИИ снимает именно его рутину, знание про "ИИ умеет в таблицы" так и остаётся знанием. Захотеть то, о чём не подозреваешь, невозможно.

Поэтому теперь обучение у нас начинается с задач сотрудников, а не с возможностей модели. Мост от "ИИ много умеет" до "вот эту штуку он у меня заберёт" человек проходит прямо на занятии, руками, на своём примере. Специалист по кадрам за два дня собрала себе помощника, который проверяет комплектность документов. Раньше это занимало 20 минут на каждого человека. Python она не знает, и знать его ей не нужно.

Второе, во что я верю: людей убеждают не эксперты, а коллеги. Фраза "Коля из бухгалтерии больше не сверяет выгрузки руками" работает сильнее любой презентации. Поэтому решения участников мы собираем и показываем внутри компании.

И третье, самое для меня важное: как понять, что обучение сработало. Ощущениям я не доверяю. Даже опытные разработчики в исследовании METR были уверены, что ИИ их ускорил, а тайм-трекер показал обратное. Так что я считаю одну цифру: сколько решений, собранных на обучении, живут дольше 30 дней, и пользуется ли ими кто-то, кроме автора. Её не накрутишь, и в сэкономленное время и деньги она переводится напрямую.

Хорошее обучение для меня выглядит так: через месяц человек говорит "я три недели не открывала эту папку, мне туда больше не надо".

Если хотите так же для своей команды, пишите @tech_wave_c