Писатель Максим Горький хотя и не был, по понятным причинам, амбассадором искусственного интеллекта, но некоторые его высказывания в отношении технического прогресса звучат очень современно. К примеру, такая его фраза: «Чем дальше, тем все легче современная техника превращает вымыслы и домыслы, фантазии и гипотезы в реальности, вооружающие человека в его борьбе за жизнь» – сейчас могла бы стать красивым аргументом в пользу внедрения ИИ в системы корпоративного обучения.
Первый блин – комом
Зачем нужны подобные аргументы? Затем, что совершенствование решений, основанных на ИИ, продвигается вперед семимильными шагами, а их внедрение «на местах» стопорится, все больше наталкиваясь, в том числе, на барьеры недоверия.
Взять, к примеру, генеративные ИИ. Эмоции, которые они вызывали чуть менее года назад – искреннее удивление, тихий восторг и легкая тревога. Очень быстро эмоциональные краски потускнели. Опыт пользования показал, что нейросети, с одной стороны, не предлагают «волшебных пилюль», с другой стороны – пока не готовы к глубокой персонализации. А еще бывают неряшливы в деталях, когда рисуют картинки, и небрежны в фактах, когда пишут тексты.
Всплыли и технические ограничения, такие как сложность объединения ИИ с различными платформами обучения.
Но главное, что командам L&D, по словам доктора психологии Дитера Вельдсмана, не хватило зрелости для эффективной интеграции ИИ в свою работу. На первых порах внедрение принесло пользу тем, кто создает учебный контент, но обошло вниманием учащихся и их опыт.
Первый блин, как это бывает, вышел комом. Зато остальные, по мнению экспертов, имеют все шансы стать круглыми и румяными. Главное, как отметил Вельдсман, подходить к делу системно, включать осознанность и критическое мышление. Оптимизм в данном случае связан с тем, что исправление ошибок и выявление недочетов уже перешло в трендовую область и теперь то, что раньше не работало, активно развивается.
Доступность, персонализация, интерактивность и генеративность
Посмотрим, что уже удалось поменять с помощью ИИ. Успехи не заставили себя ждать в области удовлетворения потребностей различных пользователей. То, что еще недавно относилось к дорогостоящим процессам, а потому ограничивающим доступ к обучению (преобразование контента в различные форматы, цветовые схемы и языки) для искусственного интеллекта оказалось несложной задачкой.
ИИ предоставил возможность автоматически транскрибировать аудио— и видеоконтент в текст для слабослышащих учащихся и переводить на разные языки.
Двигаясь в сторону персонализации обучения, ИИ начал использовать различные источники данных, такие как интересы учащихся, карьерные цели и прошлый опыт обучения, чтобы быстро конструировать и предлагать индивидуальные образовательные программы. Это то, чего не хватало в первых попытках внедрения искусственного мозга.
ИИ также стал тренером по обучению, который в режиме реального времени предоставляет учащимся обратную связь и предложения, связанные с конкретными навыками. К примеру, система LinkedIn Learning развертывает новую систему коучинга на базе искусственного интеллекта, которая позволит участникам обращаться за советом по конкретным бизнес-вопросам.
«Мощным производителем контента» ИИ пока не стал. Хотя создатели генеративных нейросетей почти ежемесячно стараются совершенствовать свои умные машины, то, что у них получается, пока что требует внимания человека – фактчекинг и еще раз фактчекинг.
Это в личных запросах ошибки можно простить. В любом обучении крайне важна точность. Вот почему при внедрении ИИ в системы корпоративного обучения и развития нужно проявлять осторожность.
Шесть ступеней на пути к экологичному внедрению ИИ
Уже упоминаемый в статье доктор Вельдсман в своем материале для блога AIHR «выстроил» шесть последовательных ступеней на пути к экологичному и ответственному внедрению ИИ в обучение и развитие. Следовать этим путем, по его мнению, могут HR-специалисты.
В начале пути нужно четко понять, как относиться к ИИ: как к наставнику для сотрудников или как к создателю контента. Выбор в данном случае будет иметь разные последствия и подходы к внедрению.
В качестве отправной точки стоит составить четкое экономическое обоснование того, что входит и выходит за рамки действия ИИ. Нужно понять, нуждается ли аппаратное обеспечение, программное обеспечение и сетевые возможности в обновлении или дополнении для поддержки инструментов обучения ИИ.
Важно найти ответ на вопрос, как инструменты обучения ИИ будут интегрироваться с существующими системами и инструментами L&D, такими как системы управления обучением, системы управления персоналом и инструменты рабочих процессов.
Так как «искусственный интеллект» стал модным понятием, в своих целях его часто используют не вполне добросовестные маркетологи. Терминологию предлагают, а в реальные решения ее не воплощают. Поэтому стоит потратить время на тщательную комплексную проверку потенциального поставщика.
Очень важно выбирать партнеров, которые демонстрируют приверженность этическим практикам искусственного интеллекта. Это включает в себя прозрачность в том, как их системы ИИ работают, обрабатывают данные и устраняют потенциальные предвзятости.
Обеспечьте ответственный темп внедрения ИИ, позволяющий ответить на несколько вопросов:
Не стоит утаивать от сотрудников информацию о том, как и где искусственный интеллект используется в процессе обучения. Лучше провести открытый разговор и сообщить все подробности. Можно также создать документ с часто задаваемыми вопросами на тему ИИ.
Убедитесь, что существует прозрачное управление в отношении того, как будут отслеживаться варианты использования, как вы будете собирать отзывы сотрудников о ИИ. А также – как связать его использование с измерением эффективности обучения.
Со временем можно расширить использование ИИ. Только для этого вы должны быть уверены, что ИИ ответственно обеспечивает ожидаемую ценность.
Такой подход, как отметил доктор, позволяет осуществлять тщательный мониторинг и тонкую настройку систем искусственного интеллекта, гарантируя, что они эффективно и этично удовлетворяют потребности в обучении ваших сотрудников.
