Первое AI-обучение команды на реальных задачах

Первое занятие по AI полезно строить вокруг рабочих задач участников. Тогда у каждого может остаться проверенный шаблон для своего процесса и понимание, где инструмент помогает, а где подводит. Ниже - порядок занятия, в котором команда сначала фиксирует исходный способ работы, затем пробует AI и сверяет результат с источником.

Что нужно подготовить до занятия

Организационная работа до старта во многом определяет качество результата.

Задачи. Каждый участник заранее выбирает одну рабочую задачу, с которой регулярно сталкивается: подготовка сводки, ответ на типовой запрос, составление первичного варианта документа. Задача должна быть реальной, но безопасной для использования на занятии: персональные данные клиентов, коммерческие условия и внутренние финансовые показатели нужно убрать или заменить на условные. Это называют обезличиванием - и это не формальность: данные, однажды случайно отправленные в облачный сервис, уже не вернуть.

Фиксация исходного способа. До занятия каждый письменно отвечает на два вопроса: как он сейчас выполняет эту задачу и по каким признакам понимает, что результат хороший. Эти ответы станут точкой отсчёта. Без них невозможно понять, принёс ли AI пользу или просто создал иллюзию скорости.

Минимальный общий контекст. Перед практикой стоит выделить время на базовый инструктаж: что AI-инструменты умеют делать хорошо (генерировать текст по образцу, структурировать, перефразировать, выделять главное), где они дают сбой (точные цифры, ссылки, специфическая терминология без контекста) и почему данные, попадающие в запрос, важно проверять перед отправкой. Это не лекция об устройстве нейросетей, а рабочий инструктаж.

Структура занятия: пять блоков

Блок 1. Разбор задачи до начала работы с AI

Участник вслух объясняет свою задачу: что на входе, что должно получиться, какой критерий хорошего результата он записал заранее. Группа задаёт уточняющие вопросы. Цель этого блока не в AI вовсе: человек формулирует задачу точнее, чем обычно, потому что должен объяснить её другому.

Формат: 5-7 минут на участника в малой группе (3-4 человека). Материалы: заранее заполненный лист с описанием задачи и критериями. Критерий результата: задача сформулирована так, что коллега может повторить её самостоятельно.

Блок 2. Первая попытка с AI

Каждый самостоятельно составляет запрос (его называют промптом) и получает ответ. Никаких подсказок от ведущего на этом этапе - задача зафиксировать, что получилось с первого раза и что нет.

Формат: индивидуальная работа, 10-15 минут. Материалы: обезличенная версия рабочей задачи, доступ к AI-инструменту. Критерий результата: есть первый ответ AI и первичная оценка участника - соответствует ли он критериям, записанным до занятия.

Блок 3. Перекрёстная проверка

Участник передаёт результат коллеге для проверки структуры и явных расхождений с исходным материалом. Факты и специальные критерии затем подтверждает владелец процесса или профильный сотрудник. Так становится видно, где AI убедительно ошибается: формулировка звучит профессионально, но не совпадает с источником.

Формат: парная работа, 10 минут. Материалы: исходный документ или данные, по которым можно проверить ответ. Критерий результата: коллега нашёл или не нашёл расхождения и зафиксировал их письменно.

Блок 4. Итерация и фиксация шаблона

После проверки участник дорабатывает запрос, убирает типичные ошибки и записывает финальную версию промпта с пояснениями: что нужно менять под конкретный случай, что оставлять неизменным. Это и есть шаблон - не универсальный, а привязанный к конкретному процессу конкретного человека.

Формат: индивидуальная работа с обсуждением, 15 минут. Материалы: шаблонный бланк для записи промпта с полями «постоянная часть», «переменная часть», «что проверить в результате». Критерий результата: шаблон понятен коллеге без дополнительных объяснений.

Блок 5. Общий список наблюдений

В конце занятия группа собирает три списка: повторяющиеся ошибки AI на задачах команды, действия, которые AI выполнял стабильно хорошо, и ограничения, требующие другого решения. Не каждая задача решается промптом: иногда нужна интеграция с данными или отдельный процесс. Эти списки становятся основой для следующего шага.

Формат: общее обсуждение, 15-20 минут. Материалы: общая доска или документ, доступный всем участникам. Критерий результата: каждый пункт списка привязан к конкретной задаче и конкретному участнику как владельцу процесса.

Учебный пример: обезличенный рабочий отчёт

Ниже - условный пример для иллюстрации, не реальный случай.

Участник занятия готовит еженедельную сводку по статусу проектов для руководителя. Исходный способ: вручную собирает данные из трёх таблиц, пишет текст, форматирует. Критерий хорошего результата: все проекты упомянуты, статус каждого однозначен, объём не превышает одной страницы.

На первой попытке AI генерирует связный текст по вставленным данным, но добавляет оценочные фразы - например, «проект развивается успешно», - которых в исходных данных нет. Коллега при перекрёстной проверке находит несколько таких мест. После итерации участник добавляет в промпт явное ограничение: «используй только факты из таблицы, не добавляй оценок». Финальный шаблон фиксирует эту формулировку как постоянную часть.

Из этого примера следует не то, что AI справился или не справился, а то, что команда теперь знает конкретную точку риска в конкретном процессе и знает, как её контролировать.

Что остаётся после занятия

По итогам у команды должно быть три осязаемых результата.

Первый - набор проверенных шаблонов, привязанных к реальным задачам, с инструкцией проверки результата. Второй - список потенциальных кейсов с указанием владельца каждого процесса: кто несёт ответственность за качество результата при использовании AI. Третий - понимание, какие задачи требуют не шаблона, а более глубокой проработки: подключения данных, настройки процесса, приёмки результата по формальным критериям.

Посещение занятия само по себе не подтверждает, что навык освоен. Проверка устроена иначе: через некоторое время участник самостоятельно выполняет новую задачу того же типа и предъявляет результат с заполненной инструкцией проверки. Если результат соответствует критериям, навык можно считать закреплённым.

Обучение и разработка решения - разные вещи. Часть задач после занятия окажется пригодной для самостоятельного использования с шаблоном. Другая часть потребует полноценного проекта: с данными, с владельцем, с формальной приёмкой. Путать одно с другим дорого обходится - и по времени, и по ожиданиям команды. Подробнее о том, как выстроить последовательность от первых экспериментов до рабочего решения: AI-обучение команды и пилотный проект с командой.

Частые вопросы

Нужен ли специальный ведущий или это может сделать кто-то внутри компании?

Занятие может провести внутренний сотрудник, если он сам уже работал с AI на рабочих задачах и понимает разницу между убедительным ответом и точным. Главное требование к ведущему: не подсказывать готовые решения на этапе первой попытки и не пропускать блок перекрёстной проверки.

Что делать, если задачи участников слишком разные и сложно работать в группе?

Разные задачи можно обсуждать в одной группе, если для каждого примера записаны вход и критерии. Коллега из другого процесса способен заметить непонятную инструкцию или пропуск, но не обязан оценивать специальные факты. Их подтверждает владелец процесса или профильный сотрудник.

Как понять, что занятие прошло успешно, прямо в день проведения?

По двум признакам: каждый участник ушёл с записанным шаблоном, который он готов использовать в ближайшей работе, и каждый может назвать хотя бы одну точку риска в своём процессе. Если этого нет, занятие стоит повторить с другими задачами.

Стоит ли проводить такое занятие, если команда уже использует AI в работе?

Стоит, особенно в этом случае. Неформальное использование накапливает привычки, которые могут быть неэффективными или небезопасными. Структурированное занятие позволяет проверить, что именно делает команда, зафиксировать хорошие практики и скорректировать плохие.

Если хотите обсудить, как адаптировать этот формат под задачи вашей команды: напишите в Telegram @shimaoz или на почту hello@majento.ai.

Источник

Консультации и обучающие курсы Majento.