آموزش هوش مصنوعی فقط یاد دادن دکمه ها نیست

روز دوشنبه به تیم پشتیبانی دستیار هوش مصنوعی می دهید. تا جمعه همه می دانند از کجا بازش کنند و چطور پیش نویس بگیرند. اما یکی پاسخ را آماده ارسال می داند، دیگری همه جمله ها را از نو می نویسد، یک نفر اطلاعات مشتری را در ابزار نامجاز می گذارد و مدیر تعداد پیام های ساخته شده را می شمارد، نه پرونده های حل شده را. رابط را یاد گرفته اند؛ کار تازه را نه.

پیش از دوره، روشن کنید کدام فرض های گردش کار قبلی هنوز درست است، کدام عوض شده و کارمند اکنون باید چه تصمیمی بگیرد. آموزش باید از همین تغییر شروع شود.

نقشه گذار را با کارکنان پر کنید

ستون آخر برنامه آموزشی است. نمایش امکانات ابزار می تواند بخشی از کار باشد؛ اما اگر مسئولیت تغییر کرده، همان مسئولیت را تمرین دهید. راهنمایی ها باید از کسانی بیاید که کار را انجام می دهند، نه فقط فروشنده و تیم پیاده سازی.

ابزار تازه، مسئولیت تازه می آورد

تحلیلگری که از دستیار گزارش می خواهد دیگر فقط گزارش نمی نویسد؛ باید بداند مدل چه شاخصی را دیده، منبعش تایید شده یا نه، عدد ها را می توان ردیابی کرد و چه کسی متن نهایی را تایید می کند. مهندس کدنویسی نیز فقط سریع تر تایپ نمی کند؛ تغییر تولیدشده را می خواند، آزمون اجرا می کند، وابستگی و معماری را می سنجد.

سه نوع یادگیری را از هم جدا کنید: کار با ابزار، قضاوت در گردش کار و مرز های سازمانی. کاربر باید بداند کدام کار را به ابزار بسپارد، کدام خروجی را بررسی کند، چه وقت نظر متخصص لازم است، داده حساس را کجا نفرستد و خطا را به کجا گزارش کند. «مسئولانه استفاده کنید» دستورالعمل کافی نیست؛ مثال های مجاز و ممنوع، مسیر ارجاع و جایگزین امن لازم است.

در کنار چیز های تازه، بگویید چه چیزی تغییر نکرده است. تعهد به مشتری، منبع معتبر برای عدد، آزمون کد محیط عملیاتی و پاسخگویی مدیر همچنان لازم اند. در کلاس های فنی دیده ام فرد ابزار تازه را بهتر می فهمد وقتی آن را به دانسته های پیشین وصل کند. تخصص قبلی، مانع AI نیست؛ راه تشخیص پاسخ نادرست است.

دمو های بی نقص را با مورد های دشوار جفت کنید

یک درخواست با اطلاعات عمومی و یک درخواست محرمانه بدهید؛ یک پاسخ مستند و یک پاسخ فقط باورپذیر؛ یک تغییر کد محدود و تغییری که مجوز ها را دست می زند. از یادگیرنده بخواهید دلیل انتخابش را توضیح دهد. پاسخ روان همیشه پاسخ درست نیست؛ کارکنان باید نبود شاهد، زمینه قدیمی، داده افشاشده، شکست ابزار و اقدام بیرون از اختیار را بشناسند.

این فقط وظیفه کارمند نیست. مدیر باید بررسی کند ابزار به اطلاعات لازم دسترسی دارد، وقت بازبینی و تمرین هست، شاخص عملکرد نتیجه را پاداش می دهد نه تعداد استفاده، و کانالی برای خطا وجود دارد. گزارش OECD درباره هوش مصنوعی و مهارت ها رضایت بیشتر کارکنان آموزش دیده را گزارش می کند و همزمان بر شفافیت و گفت وگو تاکید دارد. گزارش آینده مشاغل WEF نیز از تغییر مهارت ها می گوید؛ آموزش یک جلسه زمان عرضه نیست.

موفقیت را با حضور در دوره یا تعداد دستور ها نسنجید. برای پشتیبانی، زمان حل، بازگشایی، ادعا های بی پشتوانه و رضایت مشتری را ببینید. برای کمک به کدنویسی، زمان بازبینی، خطا های محیط عملیاتی، پوشش آزمون و یافته های امنیتی را بسنجید. گزارش خطا را وسیله تنبیه نکنید؛ اگر فرد از گزارش بترسد، سامانه شواهد لازم برای اصلاح را از دست می دهد.

مدل، دستور و منبع داده تغییر می کنند؛ آموزش هم باید نسخه و مسئول داشته باشد. پس از تغییر مهم، تمرین ها و قواعد را بازبینی کنید. دوره موفق نیست چون افراد دکمه ها را پیدا کردند؛ موفق است وقتی تیم می داند چه کاری را به هوش مصنوعی می سپارد، چه چیزی را خودش تایید می کند و چه وقت باید کار را متوقف کند.