فريقك لديه إمكانية الوصول إلى الذكاء الاصطناعي، لكن هذا لا يجعله جاهزًا له
يفتح موظف المساعد الذكي الجديد في شركته لأول مرة. قيل له إنه سيوفر وقته، ويحسّن عمله، ويساعد الشركة على التحرك أسرع. ثم يجد أمامه مربعًا فارغًا. ماذا يسأله؟ أي معلومة من الآمن أن يلصقها؟ أي جزء من الإجابة يصدّق؟ هل يبدو استخدامه مبادرة، أم يبدو عجزًا عن إنجاز العمل؟ وإذا كانت النتيجة خاطئة، فمن المسؤول؟
لا أحد يطلق أداة جديدة ويتوقع أن تكون اللحظة اللاحقة هي الجزء الصعب. لكنها عادةً ما تكون كذلك. كل ما يسبقها—عمليات الشراء، والمراجعة الأمنية، والدمج، والبريد الإلكتروني للإطلاق—مجرد مراحل تنفيذ. أما ما يليها فهو قدرة القوى العاملة. ويُخطط للأمرين ويُموّلان كأنهما شيء واحد.
ندوة عبر الإنترنت: هل ما زلنا بحاجة إلى أدوات التأليف؟
بينما يعيد الذكاء الاصطناعي تشكيل طريقة إنتاج محتوى التعلم، هل ما تزال أدوات التأليف التقليدية الخيار الصحيح؟ انضم إلى هذه الندوة لتكتشف كيف يعيد الذكاء الاصطناعي تشكيل تطوير الدورات التدريبية، وما الذي يجب أن تضعه في اعتبارك قبل الاستثمار في تقنية التعلم القادمة.
ما معنى الجاهزية للذكاء الاصطناعي؟
القوى العاملة الجاهزة للذكاء الاصطناعي ليست تلك التي يصبح فيها الجميع خبراء أو يستخدمون الأداة في كل شيء. بل هي التي يستطيع أفرادها أن يقرروا بوعي أين يصلح الذكاء الاصطناعي في عملهم وأين لا يصلح. عمليًا، يتلخص الأمر في أربعة أمور: أن يتمكن الموظف من تحديد الأجزاء المناسبة فعلًا للذكاء الاصطناعي في وظيفته، وأن يعطي النموذج سياقًا كافيًا لينتج شيئًا مفيدًا لا شيئًا عامًا، وأن يعرف متى تكون النتيجة خاطئة، وأن يفهم الحدود التي وضعتها المؤسسة: أي البيانات يجوز إدخالها، وما يجب الإفصاح عنه، والقرارات التي تبقى بيد الإنسان مهما بدت المسودة جيدة.
واحد فقط من هذه الأمور يتعلق بالأداة في معظمه. أما الباقي فيرجع إلى معرفة الموظف بعمله جيدًا بما يكفي ليسلّم جزءًا منه ويشرف على النتيجة. هذه مشكلة تدريب مختلفة عن مجرد تعلم صياغة الأوامر، وهي تفسر لماذا تبدو برامج التمكين نشيطة دون أن تغيّر كثيرًا.
المهارة التي لا يخصص لها أحد وقتًا
معظم التدريب المبكر على الذكاء الاصطناعي يركز على صياغة الأوامر، وهذا أمر مفهوم؛ فالأوامر ظاهرة، وقابلة للتعليم، وتعرض بشكل جيد. لكن يمكن لشخص أن يكتب أمرًا مصقولًا ومع ذلك يستخدم الأداة بشكل سيئ: يختار مهمة خاطئة، أو يلصق معلومة لا يجوز، أو يغفل عن افتراض هش، أو يسلّم نتيجة لم يتحقق منها فعلًا.
المهارة المهمة هي التحقق، وهي موزعة في الاتجاه المعاكس تمامًا. مخرجات الذكاء الاصطناعي سلسة، والسلاسة توحي بالكفاءة. الخبير يكتشف بسرعة الخطأ الذي يُطرح بثقة، أما من مضى في وظيفته ثلاثة أشهر فغالبًا لا يكتشفه. لذا فإن المهارة الأكثر حمايةً للناس هي الأقل توفرًا لدى من هم الأكثر احتمالًا للاعتماد على الأداة.
هذا التباين يحتاج إلى حل في التصميم، لا إلى شريحة تحذيرية. أحد الحلول أن تُمرَّر الأعمال المُنجزة بمساعدة الذكاء الاصطناعي من الموظفين الجدد عبر مراجع محدد خلال الأشهر الأولى، تمامًا كما تفعل مع أي قرار مهم لم يحن وقت أن يتخذه شخص. وأيًا كانت الآلية التي تختارها، يجب أن تكون موجودة قبل انتشار الأداة على نطاق واسع، لا بعد وصول أول نتيجة سيئة إلى عميل.
يمكن للتدريب أن يبني هذه المهارة مباشرة، والتمرين أبسط مما يبدو: اطلب من الأشخاص التعليق على نتيجة، وأن يحددوا ما قبلوه، وما عدّلوه، وما رفضوه، ولماذا. يستغرق عشر دقائق، ويجعل التفكير الخفي مرئيًا، ويعطي المدير شيئًا ملموسًا يدرب عليه. وكدليل على أن شخصًا ما يمكنه فعلًا القيام بهذا، فإنه يتفوق بسهولة على درجة اختبار.
ابدأ من العمل، لا من الدورة
عندما يلاحظ القادة فجوة في مهارات الذكاء الاصطناعي، يكون رد الفعل التلقائي هو إعداد دورة تمهيدية عنه. الأساس المشترك يستحق أن يكون موجودًا، خصوصًا عندما تتفاوت المعرفة كثيرًا في أرجاء الشركة. المشكلة عندما يصبح المحتوى التمهيدي هو الاستراتيجية كلها. ينتهي الناس منه ويعودون إلى مكاتبهم، فيصطدمون بالسؤال الذي بدأوا به: ماذا يعني هذا بالنسبة لي؟
البديل يبدأ من الوظيفة لا من التقنية. اجلس مع قادة الأعمال والخبراء المتخصصين وانظر ماذا يفعل الدور فعلًا في أسبوع. أي الأنشطة تنطوي على صياغة، أو تلخيص، أو مقارنة، أو تصنيف، أو استرجاع معلومات؟ هذه مرشحة بقوة. وأيها تنطوي على مساءلة، أو تفاوض، أو قرارات لها عواقب؟ هذه ليست مرشحة جيدة، وقول ذلك بوضوح يمنحك مصداقية لدى الموظفين أكثر من الحماس العام.
ما يخرج من هذا التمرين ليس قائمة بموضوعات الذكاء الاصطناعي، بل خريطة للحظات التي يحتاج فيها الشخص إلى معرفة جديدة، أو سلوك جديد، أو حكم أفضل. وحول هذه اللحظات يجب بناء التعلم، مع الاستعانة بأمثلة حقيقية من الدور الوظيفي. فموظف تسوية المطالبات، والفني الميداني، ومسؤول التوظيف جميعهم “يستخدمون الذكاء الاصطناعي”، لكن لا يكاد ينتقل بينهم أي شيء مما يتعلق بكيفية استخدامه.
المديرون نصف عملية الإطلاق
هناك نمطان من الفشل يظهران في كل عملية نشر تقريبًا. بعض الناس يتجنبون الأداة خوفًا من الخطأ، وآخرون يستخدمونها باستخفاف شديد لأن أحدًا لم يرسم خطًا واضحًا. كلاهما علامة على أن المؤسسة تركت الكثير من التفسير للفرد، ولا يُصلح أي منهما بدورة تدريبية.
يجب أن يكون التدريب مرتبطًا بتوجيهات صريحة بشأن الأدوات المعتمدة، والاستخدامات المقبولة، والتعامل مع البيانات، والتحقق، والإسناد، والتصعيد، حتى لا يعيد الموظفون بناء السياسة من وثائق متناثرة وأحاديث في الممرات.
المديرون يحتاجون إلى إعداد أكبر من فرقهم، لا إلى القدر نفسه. هم من سيتلقون الأسئلة، ويراجعون العمل، ويقررون ما إذا كان شخص ما يستخدم الأداة بشكل مناسب. المدير الذي حصل على الجلسة نفسها التي مدتها ساعة مثل أي موظف سيرتجل معيارًا، والمدير في المكتب المجاور سيرتجل معيارًا مختلفًا. التوقعات غير المتسقة تضر بتبني الأداة أكثر مما تضر به أداة متوسطة.
الجزء الذي ينهار: التوسع
هنا المأزق. التدريب الخاص بالدور الواحد ينجح، لكنه يتضاعف أيضًا. افترض شركة من 4000 موظف فيها 40 عائلة وظيفية، وهذا ليس نادرًا في هذا الحجم. بناء 40 برنامجًا مخصصًا وفق الجداول الزمنية التقليدية للتطوير ليس واقعيًا لمعظم الفرق، لذا يصبح الحل الوسط دورة عامة واحدة، وهذا بالضبط ما لا ينجح.
المخرج بنيوي لا بطولي. نواة مشتركة تحمل المفاهيم الأساسية، والسياسة، ومواد الاستخدام المسؤول التي يحتاجها الجميع، وتُصان في مكان واحد فقط. وفوقها مسارات خاصة بالأدوار تحمل السيناريوهات، والأمثلة، ومستويات الكفاءة الخاصة بكل عائلة وظيفية. غيّر سياسة، فتحدّث النواة. غيّر سير عمل، فتحدّث مسارًا واحدًا.
هذا يوضح أين تكمن الصعوبة فعلًا. تصميم مسار جيد واحد في متناول أي فريق تقريبًا. أما تصميم 40 مسارًا، وإبقاء كل منها محدثًا، وفعل ذلك بينما الأدوات التي تحتها تتحرك باستمرار، فمشكلة إنتاجية. والإنتاج هو المجال الذي تنفد فيه مساحة فرق التعلم والتطوير قبل أن تنفد أفكارها.
هذه هي المشكلة التي صُممت من أجلها منصات التعلم القائمة على الذكاء الاصطناعي. على سبيل المثال، توظف CYPHER Learning الذكاء الاصطناعي في جانب الإنتاج، لتحوّل معرفة الشركة، والوثائق الحالية، وخبرة المتخصصين إلى مسارات خاصة بالأدوار دون دورة بناء منفصلة لكل مسار. السرعة هي الفائدة الظاهرة، لكنها الأقل أهمية. الأثر الحقيقي أن 40 مسارًا تتوقف عن كونها خيالًا، والساعات التي يستعيدها الفريق تذهب إلى السؤال الذي لا يصبح أسهل أبدًا: ماذا ينبغي أن يكون في كل مسار، وماذا لا.
قياس السلوك، لا الحضور
سجل الإكمال يخبرك أن شخصًا ما اطّلع على المادة، لكنه لا يقول شيئًا عما إذا كان سيصدر قرارًا سليمًا تحت ضغط الوقت، بينما عميل ينتظر.
الأسئلة الأفضل: هل يستطيع أن يتعرف على حالة استخدام مناسبة؟ هل يستطيع أن يكتشف معلومة لا يجوز إدخالها؟ هل يستطيع أن يلتقط ادعاءً غير مدعوم في نتيجة تبدو مقنعة؟ هل يستطيع تحسين نتيجة ضعيفة بسياق أفضل؟ هل يستطيع شرح متى تكون المراجعة البشرية مطلوبة؟ تقييمات السيناريو، وعينات العمل، وتمرين الشرح أعلاه ستجيب عن هذه الأسئلة. أما الاختبار النهائي فلن يجيب.
يجدر أيضًا مراقبة جودة التبني لا حجمه. فزيادة استخدام الذكاء الاصطناعي لا تعني تلقائيًا استخدامًا أفضل، ولوحة الاستخدام التي ترتفع بحدة قد تكون تحذيرًا بقدر ما تكون نجاحًا.
لماذا لا ينتهي هذا أبدًا
قدرة الذكاء الاصطناعي لا تبقى ثابتة. الميزات تتغير، وسلوك النموذج يتغير، وما كان يُعد ممارسة جيدة قبل فصلين يصبح خاطئًا بصمت. التدريب الذي كُتب لأداة العام الماضي يستمر إكماله، ويستمر في إظهار اللون الأخضر، ويستمر في تعليم شيء لم يعد صحيحًا، وهو نمط فشل لا تكتشفه إلا من خلال الخطأ الذي يسفر عنه في النهاية.
المؤسسات التي تتعامل مع هذا جيدًا أعطت الجاهزية للذكاء الاصطناعي المكانة نفسها التي تعطيها للكفاءة السريرية أو لشهادة السلامة في الأعمال الخاضعة للوائح: مسؤولًا محددًا، وتيرة مراجعة، ومحتوى تنتهي صلاحيته عمدًا.
القوى العاملة الجاهزة للذكاء الاصطناعي تظهر في طريقة قرارات الناس: متى تضيف الأداة قيمة، ومتى تضيف خطرًا، وكم من حكمهم الشخصي ما تزال النتيجة تحتاجه. الوصول يفتح الباب. أما ما يحدث بعده فهو مشكلة تعلم.
معرفة ما يحتاجه كل دور هو الجزء القابل للتحقيق. أما بناؤه 40 مرة والحفاظ عليه محدثًا بينما تتحرك الأدوات، فهو حيث يتعثر العمل. سد هذه الفجوة هو ما صُممت له CYPHER Learning. ويمكنك أن ترى كيف تبني المؤسسات تدريبًا خاصًا بالأدوار قائمًا على الذكاء الاصطناعي على نطاق واسع.