थोडक्यात, AI प्रशिक्षणाचे मोजमाप कसे करता?
क्रमाने तीन पातळ्यांवर मोजमाप करा: कर्मचारी ठरलेल्या दर्जानुसार काम करू शकतात का, ते प्रत्यक्ष कामात तसे करतात का आणि व्यवसायासाठी महत्त्वाच्या एखाद्या बाबीत बदल झाला का. पूर्ण करण्याचे प्रमाण आणि समाधानाचे गुण नोंदवण्यासारखे आहेत, पण त्यातून कर्मचारी सहभागी झाले आणि त्यांना ते आवडले हे दिसते; ते शिकले हे नाही.
हे मोठ्या प्रमाणावर वापरल्या जाणाऱ्या किर्कपॅट्रिक प्रतिमानाशी जुळते. त्याचे चार स्तर प्रतिक्रिया, शिक्षण, वर्तन आणि परिणाम असे आहेत. त्याच्या स्वतःच्या व्याख्यांनुसार, स्तर 3 म्हणजे लोक त्यांच्या कामाच्या वातावरणात महत्त्वाच्या अपेक्षित कृती किती प्रमाणात करतात आणि स्तर 4 म्हणजे संस्थेने ठरवलेले अपेक्षित परिणाम किती प्रमाणात साध्य होतात. AI प्रशिक्षणासाठी उपयुक्त पुरावा सहसा स्तर 2 आणि 3 येथे मिळतो.
आधी निर्णय घ्या
प्रशिक्षण सुरू होण्यापूर्वी काम आणि अपेक्षित दर्जा स्पष्ट करा.
प्रारंभिक स्थिती
त्या निकषानुसार प्रत्येक व्यक्तीकडून कामाचा एक छोटा नमुना घ्या.
नव्याने पुन्हा चाचणी करा
प्रशिक्षणानंतर त्याच प्रकारचे पण नवीन काम द्या, तेच काम पुन्हा देऊ नका.
वापराचे निरीक्षण करा
AI च्या मदतीने केलेले आणि तपासलेले काम प्रत्यक्ष कामांमध्ये वापरले जात आहे का ते पाहा.
अंदाज काळजीपूर्वक बांधा
व्यवसायावरील परिणाम प्रत्यक्ष दिसत असतील तेव्हाच ते नोंदवा आणि वापरलेली पद्धतही सांगा.
कामाच्या नमुन्यासाठी चांगला निकष कसा असतो?
चांगला मापदंड म्हणजे अशी छोटी गुणांकन मार्गदर्शिका, जी दुसऱ्या व्यक्तीने वापरली तरी ती त्याच निष्कर्षापर्यंत पोहोचू शकेल. AI च्या मदतीने तयार केलेल्या ग्राहकाच्या उत्तरासाठी त्यात हे निकष असू शकतात: फक्त दिलेली तथ्ये वापरणे, ग्राहकाच्या मूळ प्रश्नाचे उत्तर देणे, संस्थेच्या लेखनशैलीशी जुळणे, अनिश्चित बाबी निदर्शनास आणणे आणि पाठवण्यापूर्वी दुरुस्त करावे लागेल असे काहीही नसणे.
प्रत्येक मुद्द्याचे सोप्या पद्धतीने गुणांकन करा, जसे की पूर्ण झाले, अंशतः पूर्ण झाले किंवा पूर्ण झाले नाही, आणि पुनरावलोकनकर्त्याची टिप्पणी जतन करा. टिप्पणी अनेकदा गुणांपेक्षा अधिक उपयुक्त असते, कारण पुढे कशाचा सराव करायचा ते तिच्यातून समजते.
आधीची आणि नंतरची तुलना कशी असते?
फर्नहिल आउटडोअर्स या 15 कर्मचाऱ्यांच्या काल्पनिक ऑनलाइन किरकोळ विक्रेत्याने आपल्या चार ग्राहक सहाय्य प्रतिनिधींना प्रशिक्षण दिले. प्रशिक्षणापूर्वी प्रत्येकाने ChatGPT वापरून एका नमुना तक्रारीचे उत्तर तयार केले. बहुतेक मसुदे नम्र होते, पण त्यात परतावा धोरणातील एक तपशील बनवून लिहिला होता आणि वितरणाच्या तारखांबद्दलचा ग्राहकाचा प्रश्न सुटला होता.
चार आठवड्यांनंतर प्रत्येक प्रतिनिधीने त्याच गुणांकन निकषांनुसार वेगवेगळ्या तक्रारीचे उत्तर तयार केले. सहाय्य प्रमुखाने कोणते निकष पूर्ण झाले याची नोंद केली आणि चारपैकी तीन मसुद्यांमध्ये आता वितरणाची तारीख मनाने लिहिण्याऐवजी ती अनिश्चित असल्याचे स्पष्ट केले आहे, हे नोंदवले. हा चार व्यक्तींनी एका कामात शिकल्याचा पुरावा आहे. हा अधिक जलद सहाय्याचा किंवा अधिक समाधानी ग्राहकांचा पुरावा नाही आणि पानावर तसा दावा करू नये.
याचा एखाद्या भूमिकेशी कसा संबंध आहे हे पाहायचे आहे का?
टीमसाठी नियोजित चाचणी जाणून घ्या ↗लोक प्रत्यक्ष कामात ते कौशल्य वापरतात की नाही हे कसे ओळखता?
लोक ते वापरतात का असे विचारण्याऐवजी नेहमीच्या कामात अपेक्षित वर्तन दिसते का ते पाहा. सामायिक फोल्डरमध्ये AI च्या मदतीने तयार केलेले आणि तपासलेले मसुदे असणे, प्रशिक्षणाने ज्या प्रकारच्या चुका कमी करण्यावर भर दिला होता त्या व्यवस्थापकाला कमी दुरुस्त कराव्या लागणे, आणि कृती करण्याआधी कोणती माहिती वापरणे किंवा शेअर करणे योग्य आहे याबद्दल लोकांनी प्रश्न विचारणे, हे उपयोगी संकेत आहेत.
साधनाच्या वापराचे अहवाल प्रवेशासंबंधीची बाजू समजून घेण्यास मदत करतात. उदाहरणार्थ, Microsoft चा Copilot वापर अहवाल सक्रिय वापरकर्ते आणि त्यांच्या शेवटच्या वापराच्या तारखा दाखवतो. या नोंदींवरून साधन वापरले गेले हे दिसते, ते चांगल्या प्रकारे वापरले गेले असे नाही. म्हणून त्यासोबत प्रत्यक्ष कामाचेही परीक्षण करा.
AI प्रशिक्षणातून मिळणारा गुंतवणुकीवरील परतावा मोजता येतो का?
तुम्ही त्याचा अंदाज लावू शकता, पण काय दावा करता याबाबत काळजी घ्या. कर्मचाऱ्यांनी सांगितलेली वेळेची बचत ही त्यांची धारणा असते, मोजमाप नव्हे. एखादा परिणाम महत्त्वाचा असल्यास, तुलनात्मक कामाला आधी आणि नंतर किती वेळ लागतो ते मोजा किंवा तपासलेल्या निष्पत्तीच्या गुणवत्तेची तुलना करा. तसेच त्या अंदाजात किती व्यक्ती आणि कामे समाविष्ट आहेत याची नोंद ठेवा.
खर्चाचाही प्रामाणिकपणे हिशोब करा; त्यात शिकणाऱ्यांचा आणि तपासणीचा वेळही धरा. अनेक लहान संघांसाठी, गुंतवणुकीवरील परताव्याच्या एका आकड्यापेक्षा तपासलेल्या कामाच्या नमुन्यांचा संच आणि लोक नियमितपणे वापरत राहतात अशी कार्यपद्धती हा अधिक स्पष्ट पुरावा ठरेल. पुढे सुरू ठेवायचे की नाही हे ठरवण्यासाठी हा भक्कम आधार आहे.
Tosheo.ai कुठे उपयोगी ठरते?
Tosheo.ai असे विकसित करण्याचे नियोजन आहे की प्रत्येक धड्याच्या शेवटी काम असेल, त्याला शिकणाऱ्याला दिसणाऱ्या मूल्यमापन निकषांनुसार गुण आणि नेमका अभिप्राय दिला जाईल. गुण मान्य नसल्यास शिकणाऱ्यांना पुनरावलोकनाची विनंती करता येईल. व्यवस्थापकांना भूमिकेनुसार कौशल्यातील प्रगती दाखवण्याचे नियोजन आहे, ज्यातून शिकण्याचा पुरावा मिळतो. हे तुमच्यासाठी व्यवसायाचे परिणाम मोजू शकत नाही.
Tosheo.ai हा उपाय कधी ठरत नाही?
निधी देणाऱ्यांसाठी किंवा संचालक मंडळासाठी नियंत्रण गट किंवा लेखापरीक्षित आकडे यांसह औपचारिक मूल्यमापन हवे असेल, तर तुम्हाला मूल्यमापन तज्ज्ञाची गरज आहे. मुख्यतः साधनांचे परवाने आणि वापर यांचा मागोवा घ्यायचा असेल, तर तुमच्या पुरवठादाराचे प्रशासकीय अहवाल ते काम करतात. सुरुवातीच्या आवृत्तीत Tosheo.ai हे कोणत्याही शिक्षण व्यवस्थापन प्रणालीशी जोडले जात नाही.
स्रोत आणि व्याप्ती
कर्कपॅट्रिक पार्टनर्स, कर्कपॅट्रिक प्रतिमान, 16 ऑक्टोबर 2026 रोजी तपासले ↗
Microsoft Learn, Microsoft Copilot वापर अहवाल, 14 July 2026 ↗