Сотрудник с помощью ИИ решил задачу, с которой раньше шёл к ведущему специалисту. Он повысил квалификацию или научился списывать? Я руковожу производственным направлением радиоэлектроники в сфере БПЛА. Наши сотрудники используют ИИ в диагностике и разработке. Самое интересное для меня здесь связано с обучением людей в процессе работы. На растущем производстве хватает задач без готового решения. Изделия меняются, процессы отлаживаются, документация догоняет практику. Значительная часть знаний находится в головах нескольких специалистов, а их время ограничено. Новичок упирается в проблему, которую пока не умеет решать. Возникает потребность разобраться: что происходит, почему и что проверить дальше. ИИ позволяет начать разбор сразу, пока задача перед глазами. Особенно хорошо это видно в диагностике электроники. Это одна из самых требовательных к знаниям задач. Сборка узла по инструкции и поиск причины отказа системы требуют разной подготовки. При диагностике приходится понимать устройство изделия, связи между узлами, питание, сигналы, настройки и условия возникновения неисправности. Начинающий сотрудник может остановиться ещё до первой гипотезы. Он видит симптом, но пока не понимает, какие вопросы нужно задать. Здесь и подключается наш Инокентий. Так мы локально называем ИИ. Для начала достаточно своими словами описать систему, её узлы и неисправность. Нейросеть поможет сформулировать гипотезы, объяснит их основания, задаст уточняющие вопросы и предложит проверки. Допустим, один узел периодически перестаёт работать. Сохраняется ли питание? Пропадает ли связь? Работает ли остальная система? Зависит ли отказ от нагрузки? Что меняется после перезапуска? Сотрудник собирает наблюдения, выполняет доступные ему проверки и возвращается с результатами. По мере разбора одни версии отпадают, другие получают подтверждение. Выясняется, каких данных не хватает и что нужно проверить дальше. Внутри одной неисправности возникает целая программа обучения. Чтобы ответить на вопросы, человек разбирается в назначении соседних узлов. Выясняет, чем потеря питания отличается от потери связи. Учится пользоваться измерительным инструментом и понимать показания. Отделяет наблюдаемый факт от предположения о его причине. Причём объяснение можно получить тут же. Переспросить, попросить разобрать незнакомый термин, привести пример. Инокентий терпеливо разложит материал, который нужен именно для этой задачи. Каждое новое знание связано с тем, что сотрудник делает своими руками. У него есть причина вникнуть и возможность сразу проверить, правильно ли он понял объяснение. Конечно, нейросеть может ошибиться. Поэтому её версии нужно подтверждать проверками. Сотрудник должен понимать, зачем выполняет действие и что означает результат. А к опытному коллеге он уже может прийти с наблюдениями и конкретным вопросом. Решённая задача ещё не доказывает рост квалификации. Он становится заметнее, когда в следующем похожем случае человек самостоятельно собирает данные, понимает связи и обоснованно выбирает дальнейшие действия. Дальше эффект выходит за пределы одного сотрудника. Первая сложная задача, с которой новичок справился, вызывает восторг. Об этом хочется рассказать коллегам. Обсудить, что оказалось причиной, как проверяли версии, чему научились. Такой опыт помогает другим смелее браться за незнакомые задачи. А сам новичок становится носителем знаний, за которыми к нему уже могут обратиться. Проверенный разбор можно сохранить как диагностическую последовательность, дополнить им инструкцию или включить в обучение. Так затруднение одного человека превращается в способ работы, доступный всему коллективу. Именно поэтому я внедряю базовые навыки работы с ИИ в повседневные задачи сотрудников. Умение описать проблему, запросить объяснение и проверить вывод помогает человеку расширять круг доступных ему задач. А коллективу даёт возможность накапливать знания и становиться самостоятельнее. А вы признаёте рост квалификации сотрудника, если сложные задачи он начал решать с ИИ? Как отличаете обучение от зависимости от подсказок?