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 очень понраивлась - чувствуется Руководитель, радеющий за дело, а не Начальник - я тут главный, всех прогну.
И да, паралелли с внедреение компьютеров и Интернета просто так и просятся. К сожалению, мы живем в стране, ментально заточенной не на плавное движение вперед, а на ортодоксию и мускулинность простых ответов на сложные ворпосы. И тем ценнее и интереснее эта статья.
Обычно у нас мнения расходятся, но здесь поддержу. Просто "впаривать ИИ" всем сотрудникам в угоду "модно-молодежной тенденции" не нужно. Гораздо логичнее создать инфраструктуру, которая будет использовать ИИ в фоновом режиме. Частично агентские системы развиваются в этом векторе.
В части дизайна - итоговый вариант пока еще (возможно, что и в будущем) человек делает лучше, а вот прототипирование концептов - это ИИ сильно облегчает. Неоднократно использовал ИИ именно для генерации "черновиков" в рамках вайба продуктов, но итоговые варианты формировались профессиональным дизайнером.
Можно получить огонь трением , а можно с помощью зажигалки. Покажите/научите человека пользоваться "зажигалкой" и он никогда не вернется к "добыванию огня трением"
В начале нулевых у нас в банке затеяли процедуру пересмотра процессов. Инструментарий для отрисовки IDEF0 закупать не захотели, поэтому решили приспособить для этого WBS-диаграммы из MS Project. Наверное, микроскоп вместо молотка было бы использовать гуманнее, но "каждый суслик - агроном".
В итоге родились склеенные скотчем "портянки" А4, которые можно было хранить в рулонах. Там они и остались: обои для будущих "воздушных замков". Как инициаторов поменяли - идея легла в землю и больше не вставала.
Инициатива без компетенций - явный путь к формированию проблем, особенно если руководство на уровне среднего менеджмента эти инициативы поддерживает, но компетенциями в их области также не обладает.
Возьму на вооружение, а то ассоциативно три буквы у меня ассоциируется с другим....
Причём по поводу этой мысли - продолжения, если даже попытаться сделать черновик ТЭО на коленке до пилота ИИ, то обнаружится очень много интересного.
Где ключевая мысль в итоге – а нахрена нам это надо. Очень сильно прочищает мозги.
Понимать контекст ИИ и сегодня часто уже может лучше человека - частично из-за фрагментарности мышления людей (которая многими психологами отмечается как одна их основных угроз будущему), частично - по причине более широкого контекстного окна.
Но в части несения рисков и ответственности, думается, ИИ человека не заменит: ИИ не правосубъектен, даже не обладает тем, что может потерять.
А вот где я вижу особые риски - так это в попытках объяснить "на пальцах", как использовать ИИ, которые реализуются для людей при помощи самого ИИ. На днях мне от биржи пришла рассылка с предложением посмотреть их новый курс по применению ИИ в финансах. Как раз тот случай, когда нужно проиллюстрировать тезис, что "ИИ - не конкурент". Вопросы вызвал и сам контент, и подача. Забавно вышло: "Не все ИИ одинаково полезны".
ИИ хорошо исполняет простые рутинные задачи - ровно так, как компьютер быстрее человека складывает числа, но надевать на него "нимб" протагониста новой религии я бы не стал. Усредненная модель, обученная на лучших (выше среднего уровня) базах данных, вполне может вызывать удивление у "средней сообразительности человека", но чем более фокусированной становится область исследования, тем менее существенной окажется поддержка ИИ. Самый лучший калькулятор не поможет написать даже среднего качества симфонию.
Ребята, ну сколько можно понимать ответственность как способность иметь боль в случае наказания?
Ответственность — это когда человек способен получать результат и получает его.
А наказание применяется к «безответственным» и вовсе не факт, что к тем, кто на самом деле виновен.
Вы бы не стали, но кроме вас среди людей много желающих найдется.
Возможно, мест поклонения и крестовых походов не будет, но его уже одушевляют и используют для удовлетворения духовных потребностей человека.
В Китае вовремя запретили ИИ имитировать человека.
Пусть уж он лучше явно выдуманных персонажей имитирует, которые говорят дребезжащим голосом и сразу признаются, что они «железяка чертова».
Огромная опасность ИИ таится как раз в его очеловечивании, одушевлении, восприятии его как чего-то духовного и высоконравственного, плюс дружелюбие и т. д.
Да-да, но как много людей у нас пишет симфонии по сравнению с теми, кто пользуется калькуляторами.
Хотя с помощью ИИ будут писать, и скоро в сетях появится кладбище симфоний.