Обучение работе с ИИ для сотрудников

Что такое обучение работе с ИИ для сотрудников?

Обучение сотрудников работе с ИИ — это систематическая практика использования инструментов генеративного ИИ в реальных рабочих задачах с развитием умения решать, достаточно ли хорош результат для использования. Это не то же самое, что демонстрация продукта. Демонстрация показывает, где находятся кнопки. Обучение показывает человеку, как ставить инструменту задачу, какие данные в него не вводить, как распознать выдуманную деталь и кто должен одобрить результат, прежде чем он попадёт к клиенту.

У большинства команд уже есть доступ хотя бы к одному ассистенту, например ChatGPT, Claude, Gemini или Microsoft Copilot, — часто ещё до согласования правил его использования. Проблема редко заключается в доступе. Дело в том, что у каждого сложились свои привычки: у одних осторожные, у других — нет, и никто не видит разницы. Обучение устраняет этот пробел, давая команде общий метод и единый стандарт проверки результатов.

Цель полезно сформулировать так: после обучения сотрудник должен уметь взять задачу из своей работы, с помощью разрешённого инструмента подготовить первый вариант и объяснить коллеге, какие данные он предоставил, что изменил и что проверил. Если он справляется с новым примером, обучение выполнило свою задачу. Если он умеет лишь пересказывать советы — нет.

Что должно охватывать обучение сотрудников работе с ИИ?

Обучение сотрудников работе с ИИ должно охватывать небольшой набор привычек, полезных в любой должности, с последующей отработкой на задачах каждого сотрудника. Ниже — основной набор, который мы рекомендуем. Каждому пункту посвящено подробное руководство в этом разделе сайта с разобранными примерами, которые можно использовать для практики.

Не каждому сотруднику нужны все темы с первого дня. Специалист поддержки может начать с ответов на письма и проверки краткого содержания длинного обращения. Финансовый аналитик — с электронных таблиц и обоснования причин отклонений. Рабочие привычки общие; порядок тем и примеры меняются.

Почему обучение работе с ИИ должно различаться в зависимости от должности?

Обучение работе с ИИ должно различаться в зависимости от должности: рабочие привычки одинаковы, но основания, которые проверяет оценивающий, в каждой профессии свои. Маркетолог проверяет, подтверждается ли утверждение в рекламной кампании исходным заданием. Специалист по подбору персонала проверяет, не выходит ли заметка по результатам отбора за рамки требований к должности. Сотрудник финансового отдела проверяет, соответствует ли объяснение цифрам. В универсальных упражнениях этот этап пропускают, хотя именно он важнее всего.

Практика с учётом должности также упрощает обратную связь. Руководитель, который никогда не пользовался инструментами ИИ, всё равно может оценить, верно ли в письме потенциальному клиенту изложены сведения о нём: это входит в его компетенцию. В таблице показано, как могут выглядеть первое практическое задание и вопрос для его проверки для нескольких распространённых должностей. Это пример для планирования, а не утверждённая учебная программа.

Как определить начальный уровень каждого сотрудника?

Определите исходный уровень с помощью короткого практического задания, а не только самооценки. Уверенность и навык — разные вещи. Тот, кто ежедневно пользуется ChatGPT, может никогда не проверять приведённые им цифры, а тот, кто считает себя новичком, может быть осторожен от природы. Самооценка показывает отношение и опасения, а задание — то, что человек делает на самом деле.

Практичная входная проверка занимает несколько минут. Дайте каждому небольшой фрагмент вымышленных исходных материалов и попросите подготовить один результат, например резюме в три строки, а также одно предложение с объяснением, что было проверено. Оцените работу по трём вопросам: был ли инструменту дан нужный контекст, остался ли результат в рамках источника и заметил ли человек ошибки? Зафиксируйте результат как исходный уровень конкретного навыка, а не как оценку самого человека.

Не используйте входную диагностику для ранжирования сотрудников или принятия кадровых решений. Она нужна, чтобы выбрать следующее практическое задание. Если использовать её для других целей, люди начнут подстраивать ответы под желаемый результат, и вы потеряете объективную картину, ради которой проводили диагностику.

Как выглядит хорошее практическое задание?

Хорошее практическое задание связано с реальной работой учащегося, содержит исходные материалы и заранее обозначенные критерии проверки, а также требует объяснить внесённые правки. Вот разобранный пример для вымышленной логистической компании «Харборлайн Фрейт» со штатом 40 человек. Учащийся работает координатором операционной деятельности.

Предоставленный материал: вымышленная переписка, в которой поставщик сообщает, что отправка груза на паллетах задерживается из-за вопроса по таможенным документам, указывает новое время забора груза — четверг или пятницу — и просит Harbourline подтвердить исправленный товарный код. Задание: с помощью одобренного инструмента ИИ написать для службы поддержки клиентов сводку о текущей ситуации в четыре строки.

Промпт, который может написать учащийся: Подведите итог этой переписки в виде сводки из четырёх строк для нашей службы поддержки клиентов. Укажите причину задержки, новое время забора, действие, которое мы должны выполнить для поставщика, и ответственного за него. Используйте только эту переписку. Если ответственный не указан, сообщите об этом.

Типичный первый ответ: Отправка задерживается из-за проблем на таможне. Новая дата доставки — четверг. Наша команда решила вопрос с товарным кодом. Клиентам следует сообщить, что доставка ожидается на этой неделе. Проблема есть в каждой строке. В переписке указан период забора груза, а не дата доставки. Там говорится «в четверг или пятницу», а не «в четверг». Вопрос с товарным кодом ещё требует решения, а не закрыт. А указание сообщить клиентам о доставке на этой неделе — это вывод, которого никто не делал.

Проверенная версия: Вывоз палет задерживается из-за вопроса по таможенным документам. По обновлённым данным поставщика, вывоз запланирован на четверг или пятницу; дата доставки не указана. Мы должны предоставить поставщику исправленный товарный код; в переписке не указано, кто за это отвечает. Не сообщайте клиентам дату доставки, пока вывоз не будет подтверждён. В примечании участника обучения объясняются четыре исправления. Проверяющий оценивает именно это примечание, а не гладкость итогового текста.

Какой формат обучения вам выбрать?

Выбирайте формат исходя из того, что вашей команде нужно отработать и какую поддержку вы можете оказать, а не из объёма материалов. Библиотеки курсов, семинары с преподавателем, внутренние наставники и практические учебные программы по должностям могут быть полезны; многие команды сочетают два формата. В таблице описаны их типичные сильные стороны и ограничения. Это инструмент планирования, основанный на том, как обычно работает каждый формат, а не оценка конкретного поставщика обучения.

Что бы вы ни выбрали, попросите показать одно задание целиком: инструкции, работу участника обучения, обратную связь и то, что видит руководитель. Такой пример скажет вам больше, чем список функций. Проверьте, может ли участник оспорить оценку и не подменяется ли в отчётах освоение навыка фактом прохождения обучения.

Сколько времени занимает обучение сотрудников работе с ИИ?

Планируйте короткие регулярные занятия, а не одно длительное. У сотрудника, который несколько раз в неделю тратит четверть часа на одну задачу и каждый раз получает обратную связь, больше возможностей исправить привычку, чем у того, кто один раз посетил долгий семинар. Конкретная продолжительность зависит от роли, начального уровня и того, какая часть работы вообще связана с ИИ.

Явно закрепите время для обучения. Если обучение приходится втискивать между другими делами, в загруженную неделю от него обычно отказываются в первую очередь. Выделенное время, пусть даже небольшое, и руководитель, который спрашивает о последнем задании, полезнее амбициозного расписания, которого никто не придерживается. Руководство по 30-дневному плану обучения ИИ показывает один из способов организовать первый месяц.

Как руководителю организовать внедрение обучения работе с ИИ?

Сначала внедрите инструмент в небольшой группе: назначьте ответственного, утвердите инструменты, выберите несколько задач и назначьте проверяющего. Расширяйте внедрение, когда процесс будет отлажен. Ниже приведён необходимый минимум шагов. В руководстве с планом на 30 дней каждый шаг раскрыт на примере с разбивкой по неделям.

Какие правила и стандарты применяются к обучению работе с ИИ на рабочем месте?

Несколько общедоступных рамочных моделей предусматривают обучение сотрудников, использующих ИИ, хотя ни одна не предписывает конкретный курс. В практическом руководстве к рамочной модели управления рисками ИИ от NIST, в разделе «Управление 2.2», говорится, что сотрудники и партнёры организации должны проходить обучение управлению рисками ИИ, чтобы выполнять свои обязанности, а раздел «Управление 2.1» требует документально закрепить роли и обязанности. Это служит основанием для плана обучения, в котором указаны ответственные и проверяющие, а не только изучаемые функции.

В Европейском союзе статья 4 EU AI Act касается ИИ-грамотности. В изменённом тексте, опубликованном справочной службой Европейской комиссии по EU AI Act, говорится, что поставщики и организации, использующие системы ИИ, должны принимать меры для развития ИИ-грамотности своих сотрудников и других лиц, работающих с ИИ от их имени, с учётом их знаний, опыта и контекста использования. В том же тексте сказано, что это обязательство не требует обеспечения какого-либо определённого уровня ИИ-грамотности у отдельного человека. Если вы работаете в ЕС или продаёте туда товары и услуги, уточните у квалифицированного консультанта, как это относится к вам.

В Великобритании правительственное руководство по ИИ, опубликованное 10 февраля 2025 года, предназначено для государственных органов, но его принципы полезны любой команде: понимать, что такое ИИ и каковы его ограничения, использовать его безопасно и сохранять содержательный контроль со стороны человека на нужных этапах. Этот раздел содержит общую информацию, а не юридическую консультацию.

Как понять, приносит ли обучение работе с ИИ результаты?

Чтобы понять, работает ли обучение, оценивайте образцы работ на новых примерах по одним и тем же критериям, а не только по доле завершивших обучение. Завершение показывает, что человек открыл материал. Проверенное задание показывает, предоставил ли он нужный контекст, заметил ли неподтверждённое утверждение и объяснил ли внесённую правку. Учитывайте оба показателя, но не подменяйте один другим.

При повторной оценке используйте новую, но сопоставимую задачу. Если участник повторяет то же упражнение, его результат отчасти улучшается потому, что он уже видел задание. Ищите конкретные, наблюдаемые изменения: теперь человек просит инструмент отмечать недостающие сведения, открывает источники, прежде чем переслать краткое изложение, или вручную проверяет формулу на трёх строках. Это привычки, и именно за них вы платите.

Осторожно относитесь к оценкам экономии времени. Субъективная оценка полезна как отправная точка для разговора, но это не измерение. Если вы хотите заявить о пользе для бизнеса, измерьте выполнение конкретной задачи до и после с учётом условий работы и будьте готовы к тому, что результат окажется скромным или неоднозначным. В руководстве по измерению навыков работы с ИИ подробнее рассматривается разработка оценки.

Сколько стоит обучение сотрудников работе с ИИ?

Затраты включают подписку, время сотрудников на практику, доступ к самим инструментам ИИ и время проверяющего на обратную связь. Цена пользовательской лицензии — самая заметная статья расходов, но часто не самая крупная. Дешёвая лицензия, которой никто не пользуется, не даёт экономии, а большой каталог не обязательно выгоднее для команды, которой нужно хорошо отработать три навыка.

Сравнивая варианты, сопоставьте расчётный период, минимальное число оплачиваемых пользователей, условия пробного периода и состав каждого тарифа. Планируемые тарифы Tosheo.ai с оплатой за пользователя, включая пробный период на 7 дней, указаны на странице цен. Это предположение о ценах на продукт, который ещё разрабатывается, поэтому воспринимайте их как планируемые значения, а не как ценовое предложение.

Когда такой формат обучения не подходит?

Практическое обучение работе с ИИ для повседневных задач подходит не для всех потребностей, и лучше узнать об этом до покупки. Если вашим инженерам нужно углублённое обучение машинному обучению или разработке программного обеспечения, им больше подойдёт специализированный технический курс. Если ваша организация не может покупать программное обеспечение без единого входа, интеграции с системой управления обучением, закупочной документации и формальной проверки безопасности, учтите: на момент планируемого запуска Tosheo.ai не будет поддерживать SSO, SCIM, интеграции с LMS и корпоративные договоры, поэтому вам лучше подойдёт поставщик корпоративных решений.

Обучение также преждевременно, если ещё не решено, какие инструменты разрешены и какую информацию можно в них вводить. Сначала определитесь с этим, иначе обучение сформирует привычки, которые позже будут противоречить вашим правилам. Если задача связана с юридическими, медицинскими, финансовыми или кадровыми решениями в отношении конкретных людей, обучение не заменяет необходимую проверку квалифицированным специалистом. На момент запуска уроки Tosheo.ai планируются только на английском языке; командам, которым нужно обучение на других языках, пока стоит поискать другой вариант.

Как разрабатывается Tosheo.ai, чтобы обеспечить такой результат?

Tosheo.ai создаётся как платформа для самостоятельного обучения работе с ИИ в командах численностью примерно от 5 до 200 человек. Разработка продукта ещё не началась, поэтому всё в этом разделе — запланированные возможности. Руководитель регистрируется, выбирает должностные роли сотрудников и используемые командой инструменты ИИ, при желании загружает несколько документов компании для контекста и приглашает команду.

Планируется, что каждый учащийся пройдёт короткую проверку начального уровня, а затем — адаптивную программу для своей роли из уроков продолжительностью от 10 до 15 минут. Каждый урок сочетает краткое объяснение, разобранный пример из работы в этой роли и практическое задание в реальном ИИ-инструменте. ИИ оценивает его по открытым критериям и даёт конкретную обратную связь. Учащиеся могут отправлять на пересмотр оценки, с которыми не согласны. Планируется, что руководители будут видеть развитие навыков и прохождение обучения, а также получать еженедельную сводку, но никогда не получат доступ к полным журналам переписки. По итогам заключительной практической оценки выдаётся признанный сертификат со ссылкой для проверки подлинности. Планируется хранить загруженные документы каждой компании изолированно, удалять их при закрытии учётной записи и никогда не использовать для обучения моделей.

Источники и границы рассмотрения

NIST, практическое руководство по управлению рисками ИИ: управление, дата обращения — 16 октября 2026 ↗

Справочная служба Европейской комиссии по закону об ИИ, статья 4: грамотность в области ИИ, дата обращения 16 October 2026 ↗

GOV.UK, практическое руководство по ИИ для правительства Великобритании, 10 февраля 2025 ↗

NIST, AI 600-1: профиль рисков генеративного ИИ, июль 2024 ↗