Почему подписка и курс по ИИ не внедряют ИИ в компанию

На встрече по автоматизации закупок разговор неожиданно перешёл к другой проблеме: доступ к нейросетям и обучение уже были, а привычки использовать ИИ в работе почти не возникло. Я разбираю, почему так происходит и почему начинать внедрение лучше с одной реальной задачи и одного человека, который получит заметный результат.

В предыдущей статье я разбирал, почему рекомендация ИИ не должна снимать с человека ответственность за итоговое решение.

На той же встрече разговор ушёл ещё дальше.
Мы обсуждали, как руководителю и сотрудникам вообще начать пользоваться нейросетями в повседневной работе.

И здесь клиент сформулировал проблему очень прямо.
Доступ к инструментам есть.
Обучение покупали и передавали сотрудникам.

Но культуры использования почти нет.
Несколько человек что-то пробуют.
Остальные продолжают работать как раньше.

Для меня это был знакомый сценарий. Потому что я сам уже проходил этап, когда пытался внедрить ИИ через доступ.
И увидел, что доступ сам по себе практически ничего не гарантирует.

Я тоже сначала думал, что нужно просто убрать барьер входа

Когда нейросети стали полезны в рабочих задачах, логика казалась очевидной.
Если сотруднику мешает платная подписка, компания может её оплатить.
Если человеку не хватает знаний, можно дать курс.
Если он не знает, как начать, можно показать несколько примеров.
То есть убрать барьеры.

Я так и делал. Оплачивал сотрудникам доступ к нейросетям.
Считал это инвестицией в скорость работы.
Ожидал, что люди сами начнут находить сценарии применения и постепенно встроят новый инструмент в свои процессы.

На практике это работало слабее, чем я ожидал.
Сам факт оплаченной подписки не делал инструмент частью работы.
Кто-то заходил редко.
Кто-то использовал только самые очевидные функции.
Кто-то вообще продолжал работать прежним способом.

В какой-то момент я перестал воспринимать корпоративную оплату подписки как способ внедрения.
Подписка решает только один вопрос:

есть ли у человека технический доступ?

Она не отвечает на другой:

изменился ли способ, которым человек выполняет свою работу?

А это две совершенно разные вещи.

С курсом происходит похожая история

На встрече клиент рассказал, что уже делился с руководителями обучением по работе с нейросетями.
Но выяснилось, что многие его даже не посмотрели.

Для меня это тоже не выглядит необычно.
Курс может хорошо объяснять инструмент.
Может показывать возможности.
Может дать базовые приёмы постановки задачи, передачи контекста и проверки результата.

Но после курса сотрудник возвращается к своему рабочему дню.
У него есть текущие задачи.
Есть привычный способ их решать.
Есть сроки.
Есть система, которая уже каким-то образом работает.

И теперь он должен сам сделать дополнительный интеллектуальный шаг:

вспомнить про нейросеть, определить подходящую задачу, правильно передать контекст, пережить несколько неудачных ответов, доработать запрос и только потом получить пользу.

Если человек пока не видел этой пользы на собственной работе, у него мало причин проходить весь путь.
Поэтому можно провести отличное обучение и через месяц обнаружить, что рабочее поведение почти не изменилось.

Это не обязательно означает, что курс плохой. Он просто решает другую задачу.
Курс передаёт знания. Внедрение меняет способ выполнения работы.

На встрече мы довольно быстро пришли к другому порядку

Клиент спросил, как внедрять новую привычку, если руководителей много и проходить один и тот же путь с каждым по отдельности долго.
Я предложил не начинать со всех.

Выбрать одного человека, который сейчас наиболее готов пробовать новое.
Не обязательно самого сильного.
Не обязательно самого старшего.
Но желательно человека, который готов взять реальную задачу и дойти до результата.

Например, у руководителя есть проблема в его зоне ответственности.
Он должен предложить варианты решения.

Вместо абстрактного занятия по нейросетям можно взять именно эту задачу.
Сначала попросить его самостоятельно поработать с ИИ.
Посмотреть, что получится.

Если результат слабый, не объяснять час теории, а показать на той же самой задаче другой способ работы.
Как передать контекст.
Как не пытаться решить всё одним запросом.
Как задавать уточняющие вопросы.
Как просить варианты.
Как проверять ответ.
Как продолжать диалог, если первая версия плохая.
И главное - сравнить результат до и после.

Тогда обучение перестаёт быть разговором о технологии.
Оно становится способом решить конкретную проблему человека.

Первый результат для меня важнее первой лекции

На встрече я вспомнил похожий эпизод из своей работы.

Коллеги говорили, что определённую задачу сделать нельзя или слишком сложно.
В какой-то момент я сам сел, попробовал новый способ и вернулся уже не с объяснением возможностей нейросети, а с готовым результатом.
Это подействовало намного сильнее.
Потому что абстрактное утверждение:

мир изменился, теперь можно работать иначе

легко проигнорировать. А конкретный результат, полученный на знакомой задаче, игнорировать намного сложнее.

Особенно если можно сравнить время.
Например, руководитель потратил на первичный разбор несколько часов.
Другой подход дал сопоставимый материал заметно быстрее.

Тогда появляется естественный вопрос:

Как ты это сделал?

И вот в этот момент обучение становится востребованным самим человеком.
Не потому, что собственник купил курс.
Не потому, что компания требует использовать новую технологию.
А потому, что сотрудник увидел рабочее преимущество на своей задаче.

Я бы разделил четыре уровня, которые часто смешивают

Когда говорят, что компания “внедрила ИИ”, под одной фразой часто скрываются совершенно разные состояния.

Первый уровень - доступ.
У сотрудника есть сервис, учётная запись или бесплатный инструмент.

Второй уровень - знание.
Он понимает базовые принципы: как поставить задачу, передать контекст, проверить ответ.

Третий уровень - рабочая привычка.
В подходящей задаче человек сам вспоминает про ИИ, использует его и умеет довести первую неудачную попытку до полезного результата.

Четвёртый уровень - новый стандарт работы.
В компании уже понятно, в каких типах задач сначала стоит использовать ИИ, какой результат считается приемлемым, где нужна проверка и как сотрудники обмениваются рабочими приёмами.

Подписка закрывает в основном первый уровень.
Курс может помочь со вторым.
Но третий и четвёртый появляются только через практику.

Именно поэтому можно потратить деньги на доступ и обучение и всё равно не получить заметного изменения в компании.

Самая сложная точка - первый плохой ответ

Есть ещё одна причина, по которой абстрактное обучение слабо превращается в привычку.
Человек открывает нейросеть. Пишет первый запрос.
Получает посредственный ответ. И делает вывод:

Ну понятно. Она ничего полезного не умеет.

Хотя проблема могла быть совсем в другом.
Не передан контекст.
Не объяснена роль задачи.
Не даны исходные материалы.
Не обозначен критерий готового результата.
Пользователь ожидал, что один запрос сразу решит сложную рабочую проблему.

На встрече мы как раз обсуждали, что нормальная работа часто требует последовательного диалога.
Сначала передать фактуру.
Потом получить первую версию.
Уточнить.
Добавить данные.
Попросить альтернативы.
Сверить выводы.
Проверить результат.

Если человеку это один раз показать на его собственной задаче, он начинает понимать сам принцип.
Если просто рассказать об этом на курсе, знание может так и остаться знанием.

Необязательно заставлять человека писать длинные запросы

На практике есть ещё один бытовой барьер.
Люди говорят:

Я не хочу всё это подробно писать.

Для меня это не аргумент против использования ИИ.
Большой контекст можно наговорить голосом.
Можно приложить рабочие материалы.
Можно сохранить удачный результат и использовать его как основу для следующей задачи.
Можно постепенно собирать рабочий контекст, а не начинать каждый раз с пустого окна.

То есть часть сопротивления снимается не мотивационной речью, а хорошим рабочим способом.
Но человек должен сначала увидеть, зачем вообще стоит менять привычку.
Поэтому я снова возвращаюсь к первому результату.

Один человек внутри компании может ускорить внедрение остальных

Когда клиент сказал, что руководителей больше десяти и обучать каждого отдельно слишком долго, я как раз не увидел в этом необходимость повторять один и тот же путь столько раз.

Если первый руководитель получил реальный результат, внутри компании появляется человек, который уже прошёл путь сам.
Он знает, где у него сначала не получилось.
Знает, что пришлось изменить.
Может показать коллегам свою задачу.
Может ответить на простой вопрос в рабочем чате.
Может сказать:

Я это делаю через нейросеть, вот здесь она мне реально помогает.

Для меня такой внутренний пример намного ценнее очередного общего письма “теперь используем ИИ”.

Потому что технология перестаёт быть инициативой сверху.
Она становится наблюдаемой практикой коллеги.

Следующему человеку уже не нужно верить презентации.
Он может спросить того, кто сидит рядом и уже получил результат.
Каждый следующий успешный пользователь уменьшает стоимость обучения остальных.
Так постепенно появляется то, что клиент на встрече назвал культурой использования нейросетей.

Но культура для меня не означает “использовать ИИ везде”

Здесь важно не перепутать внедрение с обязательным использованием инструмента в каждой задаче.

Я уже проходил эту крайность. В предыдущей статье я писал, к чему она приводит: сотрудники могут начать механически пересылать ответы модели и размывать собственную ответственность.

Поэтому цель не в том, чтобы увеличить количество открытий нейросети. Мне важно другое.
Человек должен понимать, где инструмент действительно ускоряет работу.
Где он помогает быстрее собрать варианты.
Где позволяет исследовать проблему.
Где экономит время на черновой работе.
А где его результат слишком рискован, требует дополнительной проверки или вообще хуже обычного алгоритма.

Нормальная культура использования ИИ включает и право сказать:

Здесь он мне не нужен.

Это взрослее, чем KPI по количеству запросов к модели.

Как бы я запускал внедрение после этой встречи

После разговора для себя я оставил довольно простой порядок.

1. Выбрать одного мотивированного человека.
Не пытаться одновременно переучить всю компанию.

2. Взять его реальную рабочую задачу.
Не учебный пример и не демонстрацию возможностей.

3. Зафиксировать текущий способ.
Сколько времени уходит, какой результат получается, где человек застревает.

4. Дать ему сначала попробовать самому.
Нужно увидеть его реальный уровень, а не предполагать его.

5. Показать альтернативный способ на той же задаче.
Передать контекст, разбить работу на несколько шагов, проверить промежуточные ответы.

6. Сравнить результат.
Не “понравилась ли нейросеть”, а стало ли быстрее или качественнее выполнять конкретную работу.

7. Повторить на следующей задаче уже руками сотрудника.
Если результат невозможно повторить без преподавателя, привычка ещё не сформировалась.

8. Зафиксировать удачный рабочий приём.
Не обязательно делать длинную инструкцию. Иногда достаточно примера, шаблона и понятного критерия проверки.

9. Использовать первого сотрудника как внутреннюю точку поддержки.
Следующие люди уже могут учиться не только у внешнего эксперта или собственника, но и у коллеги.
Для меня это намного ближе к реальному внедрению, чем массовая закупка лицензий.

Подписка и курс всё равно нужны, просто их место другое

Я не делаю вывод, что компании не должны оплачивать инструменты или обучение.
Иногда корпоративный доступ нужен из-за безопасности, удобства, единых правил или общей среды.
Хороший курс может сильно сократить путь человека.

Но я бы не ставил знак равенства между этими действиями и внедрением.
Подписка даёт возможность работать.
Курс объясняет, как можно работать.
Практика показывает, зачем человеку менять свой способ работы.
Повторяемый результат превращает новый способ в привычку.
А несколько людей с подтверждённым результатом постепенно превращают привычку отдельных сотрудников в рабочую норму компании.

На встрече для меня это стало особенно очевидно.
Клиент уже сделал вполне разумные вещи: дал доступ, делился обучением, сам пробовал инструменты.

Но следующий шаг оказался не в покупке ещё одного курса.
Нужно было выбрать конкретного руководителя, конкретную задачу и довести его до результата, который он сам признает полезным.
И только потом расширять контур.

Все материалы этого исследования собраны в серии “Автоматизация оптовой компании”.

В следующем материале я разберу последний управленческий вывод из этой встречи: почему руководитель не обязан заранее знать правильный ответ, но сегодня уже странно приходить с проблемой, вообще не подготовив варианты решения.