За последние два года я прошла путь от пользователя нейросетей для своих задач до человека, который обучает этому целую команду. Разница между этими двумя ролями оказалась больше, чем я ожидала. Пользоваться технологиями самому – вопрос навыка. Научить этому команду – вопрос управления людьми, и здесь большинство руководителей совершают одни и те же ошибки. Обсудим, почему внедрение искусственного интеллекта в рабочие процессы буксует не на уровне инструментов, а на уровне людей.
Почему сотрудники сопротивляются обучению, но молчат
Типичный сценарий: руководитель находит полезный инструмент, показывает его на общем собрании, присылает ссылку в рабочий чат, и искренне удивляется через месяц, что новинкой никто не пользуется. Формально сотрудники не отказываются: они кивают на встрече, иногда даже открывают инструмент при руководителе. Но в реальной работе возвращаются к старым методам, потому что никто не объяснил им, зачем менять привычный процесс на новый, который поначалу требует больше усилий, а не меньше.
Что мешает сотрудникам осваивать новые инструменты:
- Страх обесценивания. Если ИИ за минуту делает то, на что у сотрудника уходил час, возникает не облегчение, а тревога: если моя работа теперь стоит минуту, зачем я здесь нужен? Это рациональная реакция на реальную неопределенность, которую нельзя снять инструкцией по использованию инструмента, потому что проблема не в инструменте.
- Недоверие к качеству результата. Первые несколько попыток использовать нейросеть почти всегда дают средний, а не отличный результат, потому что человек еще не научился формулировать задачу так, чтобы получить нужное. Разочарование от первой неудачной попытки формирует установку «эта штука не работает», и переубедить сотрудника после этого гораздо сложнее, чем до первой попытки.
- Отсутствие времени учиться внутри рабочего процесса – самая недооцененная причина. Руководители ждут, что сотрудник освоит новый инструмент в свободное время, между делом, без выделенных часов. На практике это означает, что осваивать будут только те, кто и так мотивирован – то есть, меньшинство, а не команда целиком.
Как научить сотрудников работать с новыми технологиями
Когда я проходила курс по промпт-инжинирингу и вайб-кодингу и параллельно начала выстраивать обучение своей команды, я убедилась, что подход «покажи инструмент – дай ссылку» не работает вообще. Работает другая последовательность:
- Начинать не с инструмента, а с конкретной задачи сотрудника. Не «вот вам ChatGPT, пользуйтесь», а «у тебя каждую неделю уходит два часа на составление отчета по остаткам – вот как эту же задачу можно решить за 15 минут». Когда человек видит выигрыш на своей знакомой задаче, а не на абстрактном примере из презентации, сопротивление снижается сразу.
- Разрешить первую неудачу. Я специально показываю команде не только удачные результаты работы с нейросетью, но и то, как я переформулирую промпт 3-4 раза, прежде чем получаю нужный ответ. Это снимает установку «раз с первого раза не получилось, значит, инструмент бесполезен». Сотрудник видит, что итерации – это норма, а не признак его некомпетентности.
- Выделять время на освоение внутри рабочих часов, а не сверхурочно. Даже час в неделю, официально выделенный на то, чтобы попробовать применить инструмент к текущей задаче, дает больше результата, чем десять презентаций о том, какой инструмент замечательный.
- Не требовать использования инструмента там, где старый способ объективно быстрее. Форсированное внедрение ИИ туда, где он не дает реального выигрыша, обесценивает инструмент в глазах команды и в тех задачах, где он действительно полезен.
Как измерить, что обучение команды сработало
Здесь легко ошибиться и мерить не то. Количество открытых лицензий на инструмент или число посещений обучающего вебинара ничего не говорит о реальном использовании – это метрики активности, а не результата.
Более честный показатель – доля задач определенного типа, которые команда теперь выполняет с помощью инструмента, а не количество людей, которые формально его освоили. Еще честнее – обратная связь без давления: спросить не «вы пользуетесь инструментом?», а «какую из своих регулярных задач вы бы хотели, чтобы я помогла вам ускорить с помощью нейросети?». Ответ на этот вопрос сразу показывает, кто реально пробовал, а кто делает вид.
Ошибки руководителей во время обучения сотрудников
Самая частая управленческая ошибка – считать, что достаточно самому хорошо владеть инструментом, чтобы команда переняла этот навык по примеру. Личный пример важен, но не заменяет структурированное обучение. Руководитель, который сам эффективно работает с нейросетями, часто не замечает, сколько неочевидных для новичка шагов он проходит автоматически, и переносит на команду ожидание, что они пройдут этот же путь самостоятельно, без сопровождения.
Вторая ошибка – обучать всех одинаково. Задачи маркетолога, специалиста поддержки и аналитика в работе с нейросетями различаются кардинально, а типовое обучение «основы промпт-инжиниринга для всех» решает проблему только у части команды, а остальные просто не находят применения новому навыку в конкретной работе.
Выводы
Приобщение команды к новым технологиям – это управленческая задача, требующая того же, что любое другое организационное изменение: понимания реальных причин сопротивления, времени на освоение внутри рабочего процесса, права на неудачную первую попытку и честных метрик результата вместо метрик активности. Способность руководителя провести команду через это изменение становится настоящим конкурентным преимуществом, а не сам факт наличия доступа к технологиям.
Также читайте:
Мне статья понравилось только я так и не понял о чем она.
То, что это управленческая задача, по умолчанию это очевидно, поэтому оно должно быть связано с текущей работы.
Всю дорогу не оставляло чувство, что где-то я это уже видел. И тут - бац, вспомнил. Ищите связи:
Когда-то в США произошла большая война. После нее производство практически полностью автоматизировано. Основную работу выполняют машины, а системой управляет сравнительно небольшая прослойка высокообразованных инженеров и руководителей. Остальному населению государство фактически гарантирует существование, но содержательной работы для него почти не осталось. И в какой-то момент главный герой, бывший руководителем этого предприятия, начинает задаваться крайне неприятным вопросом: "а воообще нормальный ли мир мы построили?" Вроде и система работает именно так, как задумано, вот только людям в ней становится незачем жить...
Кто узнал? Это Воннегут "Механическое пианино". Написана ни много ни мало в 1950-х. И уже тогда - задолго до всех этих ИИ и вот этого всего - автор разглядел фундаментальную проблему цивилизации. Если эффективность становится главной ценностью системы, человек рано или поздно сам оказывается ее самым неэффективным элементом. И поскольку машина а) работает быстрее, б) ошибается реже, в) обходится дешевле, г) не бастует, д) не устает, то на каком основании общество вообще должно сохранять человеку место в производственном процессе? Экономический ответ: ни на каком. А вот человеческий?... Об этом и книга.
И статья. Не могу сказать, что совсем не понравилась, хотя пара моментов весьма спорных, но даже поддержу автора в ее стремлении считать внедрение ИИ благом. Однако с примерами как всегда не срослось. Потому что скорее соглашусь с тем, что при использовании в процессе ИИ было 10 минут генерации + 35 минут проверки + 15 минут исправлений. В старом процессе - 60 минут работы человека. Экономия 0 минут. Потому что основное заблуждение в том, что скорость выполнения = эффективность (не равно). Потому что если какой-нибудь самодур, наслушавших вещания "скоро ИИ всех завоюет", прикажет "с понедельника все письма готовим через нейросеть", то доля задач с ИИ будет 100%. При этом тратить времени сотрудники будут дольше (да-да дольше, как ни странно, даже не спорьте) и качество переписки сильно ухудшится. То есть, по метрике автора, внедрение успешно. Однако с бизнесом будет полный бардак
И все равно я бы не называл материал бессмысленным. В нем действительно есть несколько хороших практических наблюдений. Но это больше памятка по организации внутреннего обучения, чем собственно разбор причин, почему внедрение ИИ не работает
Любопытно, лет двадцать пять назад мы внедряли компьютеры. Сперва внедрили там где они реально нужны, проектирование, бухгалтерия, банкинг и это дало реальный хороший эффект. Который тут же съело усложнение этих сфер. Потом компьютеризация дошла до сфер которые не совсем в ней нуждались и эффект внедрения стал околонулевой.
Не попадаем ли мы с ИИ в ловушку применимости - то есть не опредлив рентабельность и перспективность начинаем внедрять везде?
Серьезный вопрос.
Эффективность бизнеса меряют деньгами, соответственно, от людей требуют деньги.
Эффективность стран часто меряют ВВП, правда, сейчас начали использовать индекс счастья людей.
Может быть, и в бизнесе, кроме денег, можно использовать что-то типа индекса счастья?
Так и должно быть, сначала все кинулись за сказкой, потом поумнеют.
Компьютеры на рабочих местах в офисах хорошо прижились за счет игрушек.
Может быть, и ИИ надо научить играть?
Вы правы! И с "Механическим пианино" отличный пример!
Мне статья понравилась самой темой - обучение новым инструментам всегда было сложным процессом. В некие прошлые годы обучение и внедрение ИТ-систем считались чуть не обязанностью айтишников.
Про самодура верно замечено. Но может и не самодур. Заметил некоторую самонадеянность у руководителей, которая все чаще появляется. За себя-то он больше всех переживает, это понятно и естесственно. Он первый и учится на подобных курсах. Потом с кажущей легкостью выполняет задачу своего подчиненного, возложив её на ИИ. В хорошем варианте он предлагает этому подчиненному подключиться к какой-нибудь нейронке, в худшем - стимулирует через страх работать лучше, быстрее эффлективнее.
Мы должны набраться терпения и пережить эту новую забаву человечества. Не совсем аналогичные периоды, но ведь была и массовая компьютеризация, и всеобщее внедрения баз данных, а потом интернет, доступ к которому контролировали админы. Был у меня админ - хороший, умный парень. Он чрезвычайно гордился своим особым положением с доступом, решительно пресекал желание других пользователей посмотреть туда. Где ты сейчас, Саша? Тебе не стыдно за те штрафы? К сожалению, желание запретить, ограничить, забанить переместилось на самый верх исполнительной власти. Запрещают миллионам.
Путь через ИИ неизбежен. Человечество ещё не выработало подходов к нему. Скоро эти подходы появятся. Скорее всего через ограничения. Может это и правильно. Я в этом вопросе скорее алармист. Многие задумки и энергия, с которой ИИ внедряется меня реально пугают, особенно в военной сфере. Будет колоссальное количество ошибок.
Обучать успехам,или ошибкам?
Заставлять, или стимулировать обучение?
Учить сомневаться, или показывать универсальность ИИ?
Как верфицировать результат?
Когда-то были "Желтые страницы интернета". Может пора создавать "Желтые страницы промптов"? Там будут лучшеи, проверенные промпты, доказавшие свою достоверность.
1. Когда мне как дизайнеру-верстальщику начинают предъявлять непользование ИИ, я посылаю этих персонажей в дупу, ибо есть вещи, которые ИИ просто не может делать. Это как музыку "сочинять" с помощью СУНО.
2. Зачем навязывать насильно людям инструмент, который им просто противен или ненужен. Что за тупость такая новомодная? Не туда пошло человечество в своем развитии. Сейчас какое-то рабство и полноая зависимость от ИИ. Достаньте уже это шило из задницы - хватит заниматься отуплением людей с помощью ИИ.
О, правильно - пусть ИИ играется в игрушки, а люди будут серьезные рабочие дела тем временем делать. О волки целы и овцы сыты.
Мне кажется, что это очень важное замечание. Есть ли у кого примеры принятия государственных решений на основании предложений ИИ? А использовался ли кем-то на уровне исполнительной, судебной, или законодательной власти анализ ИИ? Может быть есть смысл перед подготовкой таких государственных, именно государственных решений использовать ИИ, как равноправного участника подготовки решений? Далеко не всегда в таких решениях власть во всех гоусударствах использует и экспертное сообщество. На обум, на удачу, на глазок.
Скорость, решительность не равны эффективности. Вы правы!
Вы не поняли, это ИИ будет играть людьми, а не они им...
:)))
Зависимость от ИИ еще только проглядывается в мечтах некоторых людей.
Ну и в страшилках желающих заработать на этом.
Дело в том, что ДЕНЬГИ уже текут в сторону ИИ, и это как раз и определяет его будущее.
А люди как-нибудь перебьются.
А вы действительно верите в возможность массового дизайна без ИИ?