Key Takeaways
Hiljainen tieto: Vakiomenettelyt eivät tuo esiin asiantuntijoiden käyttämää päätöksentekologiikkaa, minkä vuoksi uudet työntekijät ja tekoälyagentit ovat alttiita toistuville virheille.
Asiantuntijahaastattelut: Jäsennellyt haastattelut paljastavat käytännön laukaisevat tekijät ja päättelyn luotettavammin kuin se, että asiantuntijoita pyydetään dokumentoimaan monimutkaista työtään itse.
Poikkeustapaukset: Onnistuneiden ja epäonnistuneiden projektien vertaileminen paljastaa piileviä sääntöjä, jotka vahvistavat koulutusta ja tuovat esiin tekoälyn päätöksenteon heikkouksia.
Todelliset tuotokset: Arvioi oppimista valmistuneiden töiden ja laatukriteerien perusteella, älä testeillä, jotka mittaavat käytännön kyvykkyyden sijaan ulkoa muistamista.
Yhteinen voimavara: Muodollistettu tietopohja tehostaa perehdytystä, säilyttää asiantuntemuksen ja tarjoaa ihmisille sekä tekoälylle yhdenmukaiset ohjeet päätöksentekoon.
Kokeilin äskettäin tekoälyn käyttöä mainosmateriaalien tekemiseen eräälle yritykselle. Koe onnistui, joten ryhdyin kouluttamaan yrityksen uutta markkinointiasiantuntijaa tekemään sitä.
Esittelin ja selitin asian, ja hän yritti jäljitellä sitä, mutta teki jatkuvasti samoja virheitä. Päivät kuluivat ilman tuloksia, enkä voinut istua hänen vieressään koko päivää.
Itse asiassa tein juuri sen, mitä yleensä kehotan välttämään. Päätin, että koska olen hyvä tässä työssä, riittää, että näytän uudelle työntekijälle prosessin, ja hän omaksuu taitoni yksinkertaisesti seuraamalla.
Tämä uskomus on yleinen virhe, sillä se, että osaa tehdä jotain itse, ja se, että osaa välittää päätöstensä taustalla olevan logiikan toiselle henkilölle, ovat kaksi eri asiaa. Olin jo yrittänyt yhdistää nämä, eikä se toiminut
Kun laajensin STEP IT Academya, maailmanlaajuista IT-koulutusverkostoa, koulutin sivukonttoreiden johtajat itse. Koulutus kesti noin kolme kuukautta, enkä pystynyt tuona aikana hoitamaan omia työtehtäviäni. Kun olimme irrottaneet ja jäsentäneet asiantuntijatiedon niin, ettei koulutus enää riippunut minusta tai muista ihmisistä, johtajien koulutusaika lyheni kahteen viikkoon, ja sen sijaan että olisimme avanneet 2–3 uutta toimipistettä vuodessa, pystyimme avaamaan kymmeniä.
Tiedon siirtämisen ongelma vaikeuttaa nykyään myös tekoälyn integroimista työprosesseihin. Tekoälyagentti voi käyttää ohjeita ja yrityksen tietoja, mutta se ei tunne logiikkaa, jonka avulla kokenut asiantuntija tekee tehokkaita päätöksiä. Siksi tekoälyagentti tekee samoja virheitä kuin kokematon uusi työntekijä.
Seuraavaksi selitän, miksi näin on ja miten parhaiden työntekijöidesi tietämys muutetaan yrityksen omaisuudeksi.
Tietopohjastasi puuttuu tärkein osa
Kun olet tehnyt jotain vuosien ajan, toimintasi muuttuu automaattiseksi, ja kysymykseen "miten teet tuon?" on yllättävän vaikea vastata.
Tätä kutsutaan hiljaiseksi tiedoksi: ihminen tietää enemmän kuin pystyy selittämään. Tämä pätee moniin eri alojen ammattilaisiin.
Siksi neuvo "laita uusi työntekijä työskentelemään parhaan työntekijäsi kanssa" ei aina toimi. Asiantuntija joutuu irrottautumaan omasta työstään yrittäessään selittää menettelytapaa, usein kattamatta kaikkea. Uusi työntekijä ei omaksu tarvittavaa tietoa: joitakin asioita hänelle selitettiin lennossa, jotkin hän selvitti itse, joistakin hänen täytyi kysyä, kun taas joitakin näkökohtia hän ei tullut ajatelleeksi ja päätyi tekemään virheen.
Seurauksena molemmat tuhlaavat aikaa, eikä haluttua lopputulosta saavuteta.
Yrityksen määräykset ja ohjeet määrittelevät vakioprosessin: mitä avataan, minne klikataan ja kenelle asiakirja lähetetään. Ne kuitenkin harvoin selittävät, miksi kokenut asiantuntija noudattaa tätä prosessia yhdessä tilanteessa mutta ymmärtää toisessa heti, että siitä täytyy poiketa.
Asiantuntijan ei tarvitse selittää tätä muille yhä uudelleen. Jäsennä sen sijaan hänen päätöstensä taustalla oleva logiikka niin, ettei se enää riipu hänen läsnäolostaan.
Have an account? Log In
Anna asiantuntijan puhua
Asioiden kirjoittaminen muistiin on oma taitonsa, ja siihen kuluu paljon enemmän aikaa kuin voisi kuvitella. On parempi tehdä haastattelu ja antaa asiantuntijan puhua.
Lähetä kysymykset etukäteen, jotta henkilöllä on aikaa palauttaa mieleen käytännön esimerkkejä. Jos yritys toimii eri markkinasegmenteillä, älä pyydä häntä kommentoimaan jokaista niistä – sille ei tulisi loppua. Sinun on tunnistettava 2–3 keskeistä laukaisevaa tekijää, jotka vaikuttavat työntekijän toimintaan. Tällaisia voivat olla esimerkiksi markkinatyyppi (B2B tai B2C) tai myyntisyklin pituus (lyhyt tai pitkä).
Nauhoita keskustelu. AI voi litteroida sen ja laatia alustavan rakenteen, mutta asiantuntijan on tarkistettava se ja tarvittaessa täydennettävä tai korjattava sitä.
AI järjestää sanotun hyvin, mutta se ei voi taata, että asiantuntija on käsitellyt kaikki keskeiset kohdat. Haastattelun lopputulos riippuu ennen kaikkea kysymyksistä. Jos kysytään "Kerro, miten työskentelet", ihminen vastaa yleisluontoisesti. Mitä siis pitäisi kysyä?
Kysy konkreettisista toimista
Olen osallistunut henkilöstön koulutusohjelmien kehittämiseen useiden vuosien ajan ja huomannut, että asiantuntijat kuvailevat työtään lähes aina abstraktein termein: "analysoida", "arvioida", "selvittää". Tällaiset sanat eivät kuitenkaan paljasta, mitä tarkalleen ottaen pitää tehdä.
Siksi jokaiseen niistä kannattaa pysähtyä ja kysyä: "Mitä tarkalleen ottaen teet? Mikä on ensimmäinen vaihe? Mistä etsit tietoa?"
Oletetaan, että asiantuntija sanoo: "Ensin on arvioitava, miten hyvin myyntiosasto suoriutuu."
Kysy: "Mitä tarkalleen ottaen teet tämän saavuttamiseksi?" Silloin käy ilmi, että hän avaa esihenkilöiden tehtävät CRM-järjestelmässä ja tarkistaa myöhässä olevien tehtävien osuuden. Jos yli puolet tehtävistä on myöhässä, se on hänen mielestään merkki siitä, että osaston toiminta on järjestäytymätöntä. Tällainen logiikka voidaan sitten välittää jollekulle toiselle.
Kun työhön kuuluu laaja valikoima tehtäviä, yksi yleisimmistä virheistä on yrittää kuvata heti kaikki mahdolliset tilanteet. Monimutkaisessa liiketoiminnassa niitä voi olla satoja.
Aloita tarkastelemalla asiaa toisesta näkökulmasta: kysy, mikä säilyy muuttumattomana asiakkaasta, projektista tai markkinasta riippumatta. Tämä auttaa tunnistamaan prosessin ytimen. Uudelle työntekijälle tämä on perusta, jolta hän aloittaa työnsä, ja tekoälyjärjestelmälle se on joukko sääntöjä, jotka eivät muutu kontekstin mukaan.
Tarkastele poikkeustapauksia, älä vain ihanneprosessia
Kysy asiantuntijalta, mitä sääntöjä hän noudattaa työssään, ja hän mainitsee kaksi tai kolme ilmeistä sääntöä. Loput hän toteuttaa tiedostamattaan, ja juuri näissä piilee hänen kokemuksensa.
Nämä säännöt tulevat esiin, jos analysoit erilaisia tapaustutkimuksia. Pyydä asiantuntijaa muistelemaan projektia, jossa kaikki sujui erityisen hyvin, sekä tilannetta, jossa asiat olivat lähellä romahtamista.
Ensimmäisessä tapauksessa kysy, millä päätöksellä tai toimenpiteellä projektin alussa oli suurin vaikutus onnistumiseen. Toisessa kysy, mikä meni pieleen ja mitä asiantuntija tarkalleen teki tilanteen korjaamiseksi.
Kerran eräs tiimini jäsen kertoi, kuinka yleisessä kokouksessa harjoittelija arvosteli jyrkästi erään asiakkaan puolella työskennelleen henkilön työtä. Tämä henkilö vetäytyi, ja projekti pysähtyi. Kokeneen asiantuntijan oli puututtava tilanteeseen: hän puhui kumppanille kahden kesken ja selitti, ettei kukaan aikonut muuttaa heidän työskentelytapaansa. Päinvastoin, he halusivat auttaa kumppania saavuttamaan tuloksen itse.
Tästä seuraa suoraan kaksi sääntöä: älä arvostele toisen työtä julkisesti ja varmista, että työsi hyödyttää ensisijaisesti niitä, joiden vastuualueeseen se vaikuttaa.
Juuri nämä poikkeustapaukset ovat arvokkaita myös tekoälylle. Vakiomuotoinen dokumentaatio kuvaa useimmiten ongelmatonta etenemistä, mutta todellinen asiantuntemus tulee esiin, kun tietoja puuttuu eikä vakioprosessi tuota odotettua tulosta. Tällaiset tilanteet voidaan muuttaa poikkeustapauksiksi ja esimerkeiksi, joiden avulla tekoälyjärjestelmää sitten testataan.
More Articles
Määrittele, miltä tuloksen pitäisi näyttää
Kuvitellaan, että olet haastatellut yrityksen parasta asiantuntijaa. Tekoälytyökalut ovat auttaneet jäsentämään haastattelun selkeäksi kokonaisuudeksi, ja sinulla on nyt täsmällinen vaiheittainen opas jokaiselle uudelle työntekijälle. Miten voit selvittää, ovatko he todella omaksuneet sen?
Ensimmäisenä mieleen tulee koe. Se on kuitenkin huonoin vaihtoehto: se osoittaa, mitä henkilö on opetellut ulkoa, ei sitä, mitä hän todella osaa tehdä. On parempi antaa uuden työntekijän suorittaa käytännön tehtävä. Sinun on määriteltävä heti, miltä tuloksen pitäisi näyttää: täytetty laskentataulukko, valmis asiakirja, CRM-järjestelmään määritetty näkymä tai tallenne keskustelusta asiakkaan kanssa.
Pyydä asiantuntijaa myös määrittelemään laatukriteerit. Kuvittele, että uusi työntekijä on palauttanut työnsä sinulle, mutta sinulla ei ole aikaa lukea sitä kokonaan. Mihin yksittäiseen yksityiskohtaan kiinnittäisit huomiota selvittääksesi, onko hän todella ymmärtänyt asian vai vain kopioinut mallipohjan?
Voit mennä vielä pidemmälle. Kysy asiantuntijalta, minkä tyypillisen virheen uusi työntekijä tekee, ja sisällytä se harjoittelutilanteeseen. Katso, havaitseeko työntekijä ongelman ja valitseeko hän oikean toimintatavan.
Samaa periaatetta tulisi soveltaa tekoälyagenttiin. Anna sille tosielämän tapauksia, erityisesti sellaisia, joissa vakiotilanne ei toimi, ja vertaa sen ratkaisua siihen, jonka kokenut asiantuntija olisi valinnut.
Jos agentti lähestyi asiaa eri tavalla, se ei välttämättä tarkoita, ettei malli ole riittävän hyvä. Ehkä et haastattelun aikana tunnistanut tärkeää poikkeusta tai sääntöä. Tässä tapauksessa tietopohjaa on päivitettävä ja testi toistettava.
Mitä tällä saavutetaan
Asiantuntijatieto on formalisoitava, jotta asiantuntemus ei enää ole sidoksissa yhteen henkilöön. Kun tämä on tehty, perehdytys ei enää riipu siitä, onko paras asiantuntija saatavilla: jokainen uusi työntekijä saa saman toimintalogiikan sen sijaan, että hän saisi vain sen, mitä asiantuntija onnistuu muistamaan tehtävien lomassa.
Sama asiantuntijatietokokonaisuus voi palvella kahta tarkoitusta – ihmisiä ja tekoälyjärjestelmiä. Niille voidaan antaa päätöksentekosääntöjä, esimerkkejä, poikkeuksia ja skenaarioita, joiden avulla niiden suoriutumista voidaan sitten testata.
