Инструменты AI при работе с заказчиками в «Coral Club»
Мы с вами оказались в реальности, в которой существует искусственный интеллект. И это накладывает на нашу работу определенную специфику, поскольку с одной стороны может быть нашим благословением, ведь это помощник, который помогает нам в работе, а с другой стороны проклятьем, поскольку от нас начинают ожидать невозможного или же наоборот, ставят палки в колеса.
В своем выступлении Анастасия Свешникова из Coral Club рассказала, как выстраивать работу с внутренними заказчиками при внедрении ИИ в корпоративное обучение.
Центральная проблема — столкновение двух полярных позиций: «технооптимистов», ожидающих от ИИ революции и кратного роста эффективности, и «технопессимистов», сфокусированных на рисках и ограничениях.
Каким образом взаимодействовать с теми, кто ожидает от нас создания обучения исходя из своих представлений о возможностях и опасностях искусственного интеллекта?
Спикер предлагает занять позицию «реалиста», чтобы управлять ожиданиями обеих сторон и находить баланс между возможностями и рисками. В качестве примера приводится опыт анализа ИИ порядка 500 отзывов участников программы за несколько мгновений и сокращение времени на разработку отдельных материалов в 1,5−2 раза, (но, и это крайне важно, не на порядок!)
Как работать с заказчиками
Сегментация заказчиков. Всех стейкхолдеров можно условно разделить на «оптимистов» (которые сконцентрированы на преимуществах, ожидают быстрых прорывов, ускорения работы и относятся к ИИ как к волшебной всемогущей палочке) и «пессимистов» (которые прежде всего видят риски, связанные с конфиденциальностью, авторскими правами и потерей корпоративного контекста или же полностью не доверяют контенту, созданному с помощью ИИ). Как с ними работать?
Управление ожиданиями оптимистов. Важно честно говорить о реальных возможностях ИИ. Да, он может ускорить разработку отдельных материалов (лонгридов, кейсов, картинок) в полтора-два раза, но не заменяет полноценную работу дизайнера или сложную методологическую работу. И тем более не отменяет необходимость проверки информации и фактов. Таким образом с одной стороны мы можем быстро обработать огромное количество материалов и информации, но время на проверку и адаптацию сгенерированных материалов часто нивелирует выигрыш в скорости, и это следует учитывать. Работа не становится быстрее многократно. Просто мы получаем возможность что-то делать проще, быстрее и по-другому.
Работа с рисками пессимистов. Нам также нельзя игнорировать и опасения пессимистов. Необходимо слышать опасения, касающиеся безопасности данных, авторских прав и соответствия корпоративным стандартам (сленг, редполитика). Поэтому необходимо искать решения, которые могут включать использование закрытых корпоративных ИИ-инструментов и как минимум должны содержать чёткие договорённости о том, какая информация не может обрабатываться во внешних сервисах.
Формализация подходов к использованию ИИ. Рекомендуется создать внутренний документ, который фиксирует позицию компании или департамента по использованию ИИ-инструментов. Это снимает множество вопросов и создаёт общие правила игры для всех стейкхолдеров.
Что следует ожидать от работы с ИИ?
Человек в центре процесса. Опыт показывает, что ИИ следует рассматривать как ассистента, а не полную замену специалисту или же волшебный инструмент, способный сделать абсолютно все. Любой сгенерированный контент требует обязательной проверки, доработки и адаптации человеком («допиливание руками»). По опыту спикера, в 50% случаев быстрее сделать задачу самостоятельно.
Применение ИИ в исследовательской работе. Инструменты И И вполне можно использовать для анализа больших объёмов текстовой информации (например, ~500 отзывов по итогам программы) и для быстрой проверки гипотез на «синтетических респондентах» — нейросетях, обученных на данных о целевой аудитории, что удобно, когда мы не можем по какой-то причине исследовать реальную ЦА.
ИИ для быстрого прототипирования. Искусственный интеллект помогает быстро генерировать идеи, создавать прототипы программ и сценариев, а также визуализировать персон и модели для обсуждения с заказчиками.
Кросс-функциональное партнёрство. Успешная и безопасная интеграция ИИ невозможна без тесной коллаборации с IT-департаментом, который помогает с выбором, внедрением и поддержкой инструментов, а также с оценкой технических рисков.
Результаты
Основные эффекты носят качественный и процессуальный характер. На опыте Coral Club можно сказать, что использование ИИ это:
Ускорение разработки отдельных учебных материалов в 1,5–2 раза.
Возможность быстро анализировать большие массивы текстовых данных (~500 отзывов за несколько мгновений).
Быстрая генерация и проверка гипотез на этапе проектирования учебных программ.
Заключение
Ключ к успешному применению ИИ в обучении — занять позицию реалиста. Необходимо понимать преимущества и ограничения инструментов, формировать общее понятийное поле, зафиксировать правила и особенности работы с ИИ документально.
Краткие выводы для специалиста по обучению
1. Какую задачу/проблему решали? — Выстраивание эффективной и безопасной работы с внутренними заказчиками (от «оптимистов» до «пессимистов») при внедрении ИИ в процессы корпоративного обучения.
2. Как решали? / Что сделали?
Сегментировали стейкхолдеров по их отношению к ИИ.
Внедрили ИИ для конкретных задач: анализ обратной связи (~500 отзывов), создание прототипов, генерация идей (25 идей за секунду).
Управляют ожиданиями, честно говоря о реальном ускорении (в 1,5−2 раза) и необходимости ручной доработки.
Разрабатывают формальные правила использования ИИ для снижения рисков.
Работают в тесной связке с IT-департаментом.
3. Рекомендованный алгоритм действий.
Определить позицию стейкхолдеров («оптимист"/"пессимист»).
На старте проекта зафиксировать ожидания, потенциальные риски и правила игры (например, по работе с конфиденциальными данными).
Использовать ИИ как инструмент для ускорения конкретных этапов (исследование, прототипирование), а не для полной автоматизации.
Заложить время на обязательную проверку и адаптацию ИИ-сгенерированного контента человеком.
Инициировать создание общей корпоративной политики по использованию ИИ.
4. Какой опыт/результат получили? — Качественные улучшения процессов: ускорение анализа данных и прототипирования. Сокращение сроков создания отдельных материалов в 1,5−2 раза, но с оговоркой на увеличение времени на проверку. 5. Идеи на будущее / альтернативы (если есть) — Создание и внедрение в компании официального документа, описывающего подходы и правила использования ИИ-инструментов в учебных целях. 6. Где и как применить опыт специалистам по обучению.
Использовать модель «оптимист-пессимист-реалист» для работы со своими стейкхолдерами.
Применять ИИ для быстрого анализа анкет обратной связи и текстовых домашних заданий.
Использовать генеративные модели для создания первых набросков курсов и сценариев, чтобы ускорить согласование с заказчиком.
Инициировать диалог с IT и службой безопасности для выработки единых правил работы с ИИ.
7. Возможные проблемы и способы их преодоления. (если есть)
Проблема: Завышенные ожидания заказчиков-оптимистов. Решение: На старте честно обозначать ограничения технологии и реальные сроки, подчёркивая необходимость ручной проверки и адаптации.
Проблема: Сопротивление заказчиков-пессимистов из-за рисков. Решение: Предлагать конкретные решения: использовать внутренние защищённые ИИ-сервисы, формализовать правила работы с конфиденциальной информацией.
Проблема: Низкое качество и несоответствие контента от ИИ корпоративному контексту. Решение: Обучать модели на внутренних данных (лексика, редполитика) и всегда закладывать этап ручной доработки и проверки экспертом.