Key Takeaways
Wiedza ukryta: Standardowe procedury pomijają logikę decyzji stosowaną przez ekspertów, przez co nowi pracownicy i agenci AI są narażeni na powtarzające się błędy.
Wywiady z ekspertami: Ustrukturyzowane wywiady ujawniają praktyczne sygnały i sposób rozumowania skuteczniej niż proszenie specjalistów o samodzielne udokumentowanie złożonej pracy.
Sytuacje nietypowe: Porównanie udanych i nieudanych projektów ujawnia ukryte zasady, które wzmacniają szkolenia i pokazują słabe punkty decyzji podejmowanych przez AI.
Rzeczywiste rezultaty: Oceniaj zdobytą wiedzę na podstawie wykonanej pracy i kryteriów jakości, a nie testów mierzących zapamiętywanie zamiast praktycznych umiejętności.
Wspólny zasób: Sformalizowana baza wiedzy usprawnia wdrażanie nowych osób, chroni doświadczenie i zapewnia ludziom oraz agentom AI spójne wskazówki dotyczące podejmowania decyzji.
Niedawno spróbowałem wykorzystać AI do tworzenia materiałów reklamowych dla pewnej firmy. Eksperyment zakończył się sukcesem, więc zabrałem się za szkolenie nowego specjalisty ds. marketingu w tej firmie, aby również potrafił to robić.
Pokazałem mu i wyjaśniłem wszystko, a on próbował to odtworzyć, ale wciąż popełniał te same błędy. Mijały dni, a rezultatów nie było, i nie mogłem siedzieć obok niego przez cały dzień.
W rzeczywistości zrobiłem dokładnie to, przed czym zwykle przestrzegam. Uznałem, że skoro jestem dobry w tej pracy, wystarczy pokazać nowej osobie proces, a ona po prostu nabędzie moje umiejętności, obserwując mnie.
To przekonanie jest częstym błędem, ponieważ umiejętność samodzielnego wykonania czegoś i umiejętność przekazania komuś innemu logiki stojącej za podejmowanymi decyzjami to dwie różne rzeczy. Próbowałem już je połączyć i to nie zadziałało
Podczas skalowania mojej firmy, STEP IT Academy, globalnej sieci edukacji informatycznej, sam szkoliłem dyrektorów oddziałów. Szkolenie trwało około trzech miesięcy i w tym czasie nie mogłem wykonywać własnej pracy. Gdy wydobyliśmy i uporządkowaliśmy wiedzę ekspercką w taki sposób, że szkolenie nie zależało już ode mnie ani od innych osób, szkolenie dyrektorów skróciło się do dwóch tygodni, a zamiast otwierać 2–3 nowe oddziały rocznie, mogliśmy otwierać ich dziesiątki.
Problem transferu wiedzy dodatkowo komplikuje obecnie wdrażanie AI do procesów pracy. Agent AI może uzyskać dostęp do instrukcji i danych firmowych, ale nie do logiki, według której doświadczony specjalista podejmuje skuteczne decyzje. Dlatego agent AI będzie popełniał te same błędy co niedoświadczony nowicjusz.
Poniżej wyjaśnię, dlaczego tak się dzieje i jak przekształcić wiedzę najlepszych pracowników w zasób firmy.
W bazie wiedzy brakuje najważniejszego elementu
Kiedy coś robisz od lat, Twoje działania stają się automatyczne i zaskakująco trudno odpowiedzieć na pytanie: „Jak to robisz?”
Nazywa się to wiedzą ukrytą: człowiek wie więcej, niż potrafi wyjaśnić. Dotyczy to wielu specjalistów w ich dziedzinach.
Dlatego rada, aby „połączyć nowicjusza z najlepszym pracownikiem”, nie zawsze się sprawdza. Ekspert odrywa się od własnej pracy i próbuje wyjaśnić procedurę, często nie obejmując wszystkiego. Nowicjusz nie zdobywa niezbędnej wiedzy: pewne rzeczy wyjaśniono mu w biegu, niektóre odkrył sam, o inne musiał zapytać, a o kolejnych nawet nie pomyślał i w rezultacie popełnił błąd.
W efekcie obie osoby tracą czas, a pożądany rezultat nie zostaje osiągnięty.
Firmowe przepisy i instrukcje opisują standardowy proces: co otworzyć, gdzie kliknąć i komu wysłać dokument. Rzadko jednak wyjaśniają, dlaczego doświadczony specjalista w jednej sytuacji postępuje zgodnie z tym procesem, a w innej od razu rozumie, że musi od niego odstąpić.
Nie ma potrzeby, aby ekspert za każdym razem od nowa wyjaśniał to innym. Zamiast tego uporządkuj logikę stojącą za jego decyzjami, tak aby nie zależała już od jego obecności.
Have an account? Log In
Pozwól ekspertowi mówić
Spisywanie informacji to odrębna umiejętność i zajmuje znacznie więcej czasu, niż mogłoby się wydawać. Lepiej przeprowadzić wywiad i pozwolić ekspertowi mówić.
Wyślij pytania z wyprzedzeniem, aby dana osoba miała czas przypomnieć sobie praktyczne przykłady. Jeśli firma działa w różnych niszach, nie proś jej o skomentowanie każdej z nich – nie będzie temu końca. Musisz zidentyfikować 2–3 kluczowe czynniki, które wpływają na działania pracownika. Mogą to być na przykład rodzaj rynku (B2B lub B2C) albo długość cyklu sprzedaży (krótki lub długi).
Nagraj rozmowę. AI może ją przepisać i przygotować wstępną strukturę, ale ekspert musi ją sprawdzić oraz w razie potrzeby uzupełnić lub poprawić.
AI dobrze radzi sobie z porządkowaniem tego, co zostało powiedziane, ale nie może zagwarantować, że ekspert uwzględnił wszystkie kluczowe kwestie. Rezultat wywiadu zależy przede wszystkim od zadanych pytań. Jeśli zapytasz: „Opowiedz, jak pracujesz”, dana osoba odpowie ogólnie. O co więc należy zapytać?
Pytaj o konkretne działania
Od wielu lat zajmuję się opracowywaniem programów szkoleniowych dla pracowników i zauważyłem, że specjaliści niemal zawsze opisują swoją pracę w abstrakcyjny sposób: „analizować”, „oceniać”, „ustalać”. Takie słowa nie pokazują jednak, co dokładnie należy zrobić.
Dlatego warto zatrzymać się przy każdym z nich i zapytać: „Co dokładnie robisz? Jaki jest pierwszy krok? Gdzie szukasz informacji?”
Załóżmy, że specjalista mówi: „Najpierw trzeba ocenić, jak dobrze radzi sobie dział sprzedaży”.
Zapytaj: „Co dokładnie robisz, aby to osiągnąć?” Wtedy okaże się, że otwiera zadania menedżerów w systemie CRM i sprawdza odsetek zadań przeterminowanych. Jeśli ponad połowa z nich jest przeterminowana, jest to dla niego sygnał, że praca działu jest zdezorganizowana. Tego rodzaju logikę można następnie przekazać komuś innemu.
Gdy praca obejmuje szeroki zakres zadań, jednym z najczęstszych błędów jest próba natychmiastowego opisania każdego możliwego scenariusza. W złożonej firmie mogą być ich setki.
Zacznij od spojrzenia na to z drugiej strony: zastanów się, co pozostaje stałe niezależnie od klienta, projektu czy rynku. Pomoże ci to zidentyfikować istotę procesu. Dla nowego pracownika jest to fundament, od którego zaczyna pracę, a dla systemu AI — zestaw reguł, które nie zmieniają się w zależności od kontekstu.
Analizuj sytuacje graniczne, a nie tylko idealny proces
Zapytaj eksperta, jakich reguł przestrzega w swojej pracy, a wymieni dwie lub trzy oczywiste. Pozostałych przestrzega, nie zdając sobie z tego sprawy — i właśnie w nich tkwi jego doświadczenie.
Reguły te ujawnią się, jeśli przeanalizujesz różne studia przypadków. Poproś eksperta, aby przypomniał sobie projekt, w którym wszystko poszło wyjątkowo dobrze, oraz sytuację, w której wszystko niemal się rozpadło.
W pierwszym przypadku zapytaj, która decyzja lub działanie podjęte na początku miały największy wpływ na sukces. W drugim zapytaj, co poszło nie tak i co dokładnie zrobił ekspert, aby naprawić sytuację.
Pewnego razu członek mojego zespołu opowiedział mi, jak podczas ogólnego zebrania stażysta ostro skrytykował pracę osoby po stronie klienta. Ta osoba wycofała się, a projekt utknął w martwym punkcie. Musiał wkroczyć starszy specjalista — porozmawiał prywatnie z partnerem i wyjaśnił, że nikt nie planuje zmieniać sposobu, w jaki pracują. Wręcz przeciwnie, chcieli pomóc im samodzielnie osiągnąć rezultat.
Prowadzi to bezpośrednio do dwóch reguł: nie krytykuj czyjejś pracy publicznie i dbaj o to, aby twoja praca przynosiła przede wszystkim korzyści osobom, których obszaru odpowiedzialności dotyczy.
Właśnie takie sytuacje graniczne są również cenne dla AI. Standardowa dokumentacja najczęściej opisuje prawidłowy przebieg procesu, ale prawdziwa wiedza ekspercka ujawnia się wtedy, gdy brakuje danych, a standardowy proces nie przynosi oczekiwanego rezultatu. Takie scenariusze można przekształcić w sytuacje graniczne i przykłady, na podstawie których system AI będzie następnie testowany.
Określ, jak powinien wyglądać rezultat
Wyobraźmy sobie, że przeprowadziłeś rozmowę z najlepszym ekspertem w firmie. Narzędzia AI pomogły uporządkować ją w przejrzystą strukturę, a teraz masz dokładną instrukcję krok po kroku dla każdego nowego pracownika. Jak możesz sprawdzić, czy naprawdę ją opanował?
Pierwszą rzeczą, która przychodzi na myśl, jest test. To jednak najgorsza opcja: pokazuje, co dana osoba zapamiętała, a nie co rzeczywiście potrafi zrobić. Lepiej, aby nowicjusz wykonał zadanie w rzeczywistych warunkach. Od razu trzeba określić, jak powinien wyglądać rezultat: wypełniony arkusz kalkulacyjny, ukończony dokument, skonfigurowany ekran w systemie CRM lub nagranie rozmowy z klientem.
Aby określić kryteria jakości, zapytaj eksperta. Wyobraź sobie, że nowicjusz przekazał ci swoją pracę, ale nie masz czasu przeczytać jej w całości. Na jaki pojedynczy szczegół zwróciłbyś uwagę, aby stwierdzić, czy naprawdę ją zrozumiał, czy tylko skopiował szablon?
Możesz pójść jeszcze dalej. Zapytaj eksperta, jaki typowy błąd popełnia nowicjusz, i uwzględnij go w scenariuszu szkoleniowym. Sprawdź, czy pracownik zauważy problem i wybierze właściwy sposób działania.
Tę samą zasadę należy zastosować do agenta AI. Przedstaw mu rzeczywiste przypadki, zwłaszcza te, w których standardowy scenariusz nie działa, i porównaj jego rozwiązanie z tym, które wybrałby doświadczony specjalista.
Jeśli agent przyjął inne podejście, nie musi to oznaczać, że model nie jest wystarczająco dobry. Być może podczas rozmowy nie udało ci się zidentyfikować ważnego wyjątku lub reguły. W takim przypadku bazę wiedzy należy zaktualizować, a test powtórzyć.
Co to daje
Wiedzę ekspercką trzeba sformalizować, aby przestała być przypisana do jednej osoby. Gdy to zrobisz, wdrażanie nowych pracowników nie będzie już zależeć od dostępności najlepszego specjalisty: każdy nowo zatrudniony otrzyma tę samą logikę operacyjną, a nie tylko to, co ekspert zdoła sobie przypomnieć między kolejnymi zadaniami.
Ten sam zasób wiedzy eksperckiej może działać w dwóch kierunkach — dla ludzi i dla systemów AI. Możesz przekazać im reguły podejmowania decyzji, przykłady, wyjątki i scenariusze, a następnie wykorzystać je do testowania ich działania.