Бесплатный фрагмент - ТренИИнг

Предупреждение

Это первая версия книги. Выпустил ее без редактуры. Наверняка, наткнетесь на опечатки и ошибки. Надеюсь, это не оттолкнет от чтения и вы найдете много полезного.

Еще момент. Нейросети постоянно развиваются. Описанное в книге — это мой опыт на конкретный момент. Не отказывайтесь пробовать возможности нейросетей там, где я оценил их навыки слабыми. Ваш опыт может оказаться продуктивнее.

Начало

Глава 1. Пумоджи, злой Джин, Палочка-выручалочка, Золотая рыбка или Двое из ларца. Вместо введения

На днях закончился ПиР 2024 года с темой «чИИловек». Четыре дня участники исследовали, как эволюционировало взаимодействие человека и машины в эпоху технологического прогресса. В моей голове продолжают мелькать цитаты спикеров и вопросы участников.

Волна хайпа вокруг нейросетей в обучении поднялась нешуточная. Из каждого утюга слышно, какие они замечательные ассистенты. Не то эксперты, не то инфоцигане предлагают пройти обучение и обзавестись личным помощником, который будет писать тексты, составлять презентации, рисовать картинки, создавать видеоролики и много чего еще.

Есть мнение, что нейросети смогут работать за нас и вместо нас. Кажется, что они уже начинают это делать!

Лично мне не хочется, чтобы меня заменил искусственный интеллект — ИИ. Моя работа кормит и одевает мою семью. Я получаю удовольствие, когда придумываю новое обучение, создаю красивые презентации и провожу тренинги. Менять профессию не планирую. Мне достаточно, чтобы нейросети брали на себя рутину и спасали, когда нужно сделать что-то быстро и приемлемого качества.

Но где правда? Какую роль нейросети уже играют в работе методолога и тренера? Как они будут развиваться в обозримом будущем? Можно ли заглянуть еще дальше и увидеть, какое место они займут по итогу?

Постойте, а при чем здесь Джин, Золотая Рыбка и остальные из названия главы? Все просто. Это метафоры. Они ассоциируются у меня с мнениями, которые слышал о нейросетях.

Пумоджи — веселое, но бесполезное создание. С такими нейросетями можно поиграть, но ничего толкового для реальной работы они не делают. Составить прикольное поздравление для коллег, нарисовать себя любимого в необычном образе, поболтать ни о чем, если скучно — вот область их применения.

Злой Джин. Он исполняет желания, но так, чтобы навредить своему хозяину. Достаточно загадать что-то недостаточно конкретно. Например: «Сделай меня богатым». Вжух! Ты оказываешься в роскошном дворце, но на необитаемом острове. Вокруг много золота и роскоши, но ни капли воды и ни крошки хлеба. То же самое и нейросети. Можно долго формулировать запрос, но ИИ все равно исполняет «желание» как-то не так: рисует человека с причудливыми конечностями и дает шаблонные ответы на вопросы.

Палочка-выручалочка. Она способна решать ряд рабочих задач и порой выручает. Но область ее применения пока узкая или специфическая.

Золотая Рыбка умеет творить чудеса. Она из той сказки, когда результат радует и хочется большего. Сторонники Золотой Рыбки говорят — главное уметь правильно формулировать запрос для нейросети. Они уверены, этот этот навык станет отдельной профессией — промпт-инжинирингом.

Двое из ларца. Помните этих персонажей из сказки про Вовку в тридевятом царстве? Они все делали за него. Но самое главное — они не только работали вместо Вовки, но и ели вместо него. Сторонники этой метафоры считают, что в некоторых областях нейросети полностью заменят человека. Например, пропадут дизайнеры, переводчики, корректоры текста и курьеры-доставщики. В нашем случае интересно, что в списках на «вымирание» можно увидеть учителей.

Вот такие метафоры помогут нам исследовать, какие возможности нейросетей можно использовать в обучении уже сейчас и как это делать. Возможно, получится заглянуть и немного в будущее. Что будет с обучением, заменят ли методологов и тренеров нейросети, или человек продолжит обучаться у человека? Но самая главная цель нашего путешествия по страницам книги — изучить возможности нейросетей, чтобы сделать обучение максимально качественным и полезным. Превратить его в «конфетку».

Глава 2. Что еще сказка, а что уже быль. Немного о нейросетях для тех, кто мало погружен в тему

Что такое нейросеть? Объясню максимально упрощенно. Для экспертов в теме мои объяснения будут смехотворными, но для целей нашего исследования их будет достаточно.

Упрощенно нейросеть состоит из множества «нейронов», которые обрабатывают информацию и передают ее друг другу. При этом ИИ обучается на примерах и объяснениях, которые в нее загружены.

Large Language Model (LLM) или большая языковая модель работает с тексом. Создатели загрузили в нее данные книг, статей, инструкций, диалогов и веб-страниц. Нейросеть запомнила, как строятся предложения в языке, какие слова часто используются вместе и какие темы связаны между собой. Так она научилась предсказывать следующее вероятное слово в тексте, отвечать на вопросы и вести диалог.

Правда ИИ не понимает смысла слов, как его понимаем мы. Если задать ей вопрос, она даст ответ, похожий на многочисленные тексты, которые ей знакомы. Поэтому, чем больше данных проанализировала нейросеть по широкому кругу вопросов, тем лучше она решает поставленную задачу.

У нейросети есть несколько уровней знаний (таблица «Уровни знаний LLM»).

Чтобы модель умела решать прикладные задачи, например, анализировать запрос на обучение, она должна иметь знания на уровнях L1 и L2 в области бизнеса заказчика. Тогда ИИ сможет отвечать на конкретные вопросы. Если такие данные в нее не загружены, ответом на запрос будет «абра-кадабра».

Еще нейросеть учится, когда вы оцениваете ее ответы. Лайки за хорошие и дизлайки за менее удачные помогают ей с каждом разом отвечать точнее.

Есть нейросети, которые имеют доступ в интернет. Они могут использовать информацию из него, чтобы ответить на запрос. В этом случае ИИ работает как умный поисковик — находит информацию, обрабатывает ее за вас и выдает готовый результат. Например, так умеет делать Yandex GPT. В решении можно посмотреть, какой ресурс она использовала, чтобы дать ответ.

Похожим образом нейросеть обучают рисовать. Программе дают много примеров. Она их запоминает. Например, если хотим научить ИИ рисовать человека, показываем ей картинки с людьми и говорим: «это человек». Повторяем много-много раз с разными вариантами, на которых изображены разные люди в разных позах. Каждый раз объясняем, что изображено на данном примере. Чем больше вариантов покажут нейросети, объяснят контекст изображения и опишут его детали, тем лучше ИИ будет понимать запросы и точнее их воплощать.

Упрощенно алгоритм работы нейросети выглядит так:

1. Нейросеть получает запрос.

2. Она разбивает его на части.

3. Анализирует, к какому типу относится запрос.

4. Обращается к знаниям, полученным во время обучения, и выбирает стратегию для генерации ответа.

5. Создаёт ответ в зависимости от типа задачи.

Нейросеть не просто находит ответ в текстах и копирует его. Она может генерировать новые ответы, которых изначально в ее знаниях не было.

Правда ИИ не может сгенерировать качественный ответ по темам, по которым в нее не были загружены данные. Как, впрочем, и люди. Чтобы решать конкретные задачи, нам тоже нужны конкретные знания. В этом мы схожи. Разница в том, что мы можем иметь доступ к данным, к которым у ИИ пока нет доступа — личный опыт, области из сфер, которые в нее еще не загрузили. Задачи, связанные с такими знаниями, нейросеть будет решать не как Золотая Рыбка, а как злой Джин или хуже.

Зато в нейросеть загружено гораздо больше информации, чем есть в голове у любого человека. Понятно, что мы можем найти ее и проанализировать сами, но нейросеть сделает это быстрее.

Нельзя заранее понять, с какой задачей и насколько хорошо справится ИИ. Тем более, что нейросети развиваются. Нужно пробовать и экспериментировать. Этим и займемся.

Глава 3. Третья нога, полуфабрикат и фастфуд. Возможности ИИ

Есть нетерпеливые люди. Для них слишком долгий путь: пошагово исследовать вопрос, насколько нейросети полезны в работе методолога и тренера. Хочется получить быстрый ответ как можно раньше. Ты один из них? Тогда приоткрою занавес.

Вот список задач, с которыми нейросеть справляется в обучении. То, что занимает у нас минуты и даже часы, ИИ выполняет за мгновение:

— Сочиняет текст. Например, приглашение на тренинг, текст кейса и даже целый сценарий тренинга.

— Объясняет сложную тему и приводит понятные примеры.

— Пишет инструкции к заданиям.

— Создает изображения для презентаций.

— Предлагает индивидуальные траектории обучения и дает персональные рекомендации.

— Проверяет домашние задания и тесты, в которых участники дают развернутые ответы.

— Дает рекомендации по редизайну учебных программ и советы, как улучшить конкретные активности.

— Помогает отрабатывать некоторые навыки.

— Поддерживает мотивацию к обучению через общение с участниками в процессе обучения.

Когда ИИ — это третья нога

Внимательно посмотрел на список задач, с которыми справляются нейросети? Заметил, что часть из них — это привычные задачки, которые решаем с помощью поисковика в браузере? Вводишь в строку запрос и получаешь ссылки на ресурсы, в которых могут быть ответы.

К чему это я? Порой быстрее получить желаемый результат без нейросети, привычным способом — через поисковик.

Например, создаешь презентацию или электронный курс и тебе нужны бесплатные картинки со свободной лицензией. Достаточно зайти на любой ресурс с банком изображений и свободной лицензией. Вводишь ключевые слова и на экране мгновенно появляются готовые варианты. Остается выбрать подходящий.

Если тоже самое делать с помощью нейросети, получится заметно дольше и не факт, что лучше. Нужно сформулировать грамотный запрос. ИИ какое-то время обрабатывает его и выдает одну или несколько картинок. Они могут не подойти. Тогда нужно сгенерировать новые картинки. Это дополнительное время. И таких циклов может потребоваться несколько. Среди стоковых картинок найти подходящую часто быстрее.

Если авторские права не важны, нейросеть уступит еще больше. На бескрайних просторах интернета есть множество интересных картинок. Можно быстро выбрать подходящую.

Получается, как иллюстратор, ИИ для методолога и тренера — своего рода третья нога. Подобная ситуация возникает достаточно часто, когда работаешь в паре с ИИ.

Когда ИИ — это полуфабрикат

Правда есть проблема, с которой ИИ справляется на ура. Современный интернет напоминает большую информационную свалку. Контента стало чрезвычайно много. Он дублируется в разных источниках. Чтобы разобраться в нем и собрать нужную информацию, тратишь уйму времени.

Нейросеть берет на себя эту работу. Она сама анализирует информацию и дает ответ. Но это не готовое решение, а полуфабрикат. Методологу и тренеру остается довести заготовку до готовности — сделать итоговый материал.

Например, нужно создать тренинг, но по теме нет готового материала. Его надо нарыть и причесать, чтобы он стал похож на стройную концепцию и инструментарий, которые можно применять в работе. Еще лучше обкатать на практике, чтобы убедиться в пользе для участников и бизнеса.

Формулируешь запрос, и нейросеть практически наверняка даст годный полуфабрикат. Это в разы быстрее, чем самому собирать предварительный материал. Так ИИ высвобождает время для творчества и более качественного взаимодействия с участниками обучения.

Когда подойдет полуфабрикат от ИИ

С этим вопросом все просто. Взвешивай трудозатраты:

— Если время сформулировать запрос, будет меньше, чем время на поиск информации в интернете, есть резон позвать на помощь ИИ.

— Если не знаешь, с чего начать, ИИ поможет справиться со страхом «чистого листа». Потри лампу и позови Джина. Нейросеть подкинет несколько идей или сделает первичный набросок, который доведешь до ума.

— Тоже самое относится к ситуации, когда попадаешь в творческий тупик. Чтобы выйти из него, можно поштурмить идеи с коллегой. Но если коллега занят, загадай желание Джину.

— Если трудозатраты на общение с ИИ не стоят того, пускай Джин остается в лампе.

Когда фастфуд подходящий компромисс

Еще пример. От заказчика поступила задача быстро разработать и провести обучение, чтобы справиться с горящей проблемой. Такой запрос часто звучит так: «обучение нужно еще вчера!» Как обычно решаются такие запросы? Лезешь в свой тренерский чемоданчик и опрашиваешь коллег, у кого что есть по этой теме.

Следующим шагом готовишь обучение из того, что окажется под рукой. Если тема для тебя новая, получается каша из топора. Пользы в ней близко к нулю. Когда с таким обучением выходишь к участникам, есть только одно желание — чтобы никто не заметил шарлатанства.

Многие именно по этой причине добавляют в свою кашу из топора много приправ и усилителей вкуса — увеселительные разминки, фасилитацию и геймификацию. В таких случаях они нужны, чтобы никто не заметил подлога. Так вместо обучения ты проводишь развлечение.

Но есть другой путь, когда столкнулся со срочным запросом на обучение, а в тренерском чемоданчике ничего подходящего нет. Зови на помощь ИИ. В подобных случаях получится аналог современного фастфуда. Не очень здоровое питание, но для большинства участников, которые еще не избалованы изысканным обучением, вполне съедобно и питательно — лучше каши из топора.

Если заказчик согласен, что обучение будет собрано из типовых активностей и шаблонных текстов, если его устраивает компромисс скорости разработки и качества материалов, нейросеть будет твоей Палочкой-выручалочкой.

К фастфуду относятся многие умения ИИ, которые человек может выполнить лучше. Но если он перегружен другой работой или задачу важно сделать срочно, ИИ выручает.

Например, ИИ составит:

— Описание программы обучения.

— Теорию для мини-лекции на тренинге иди электронного курса.

— Упражнения на актуализацию и отработку умений.

— ИИ умеет играть роль, которая ей задана. В ролевой игре она сыграет за тренера клиента или сотрудника.

Когда фастфуд полезнее домашней еды

Домашняя стряпня бывает хуже фастфуда. Еду можно пересолить или она может сгореть. Готовим мы ее не всегда из качественных и здоровых продуктов. Но времени на готовку всегда нужно больше, чем постоять в очереди предприятия быстрого питания.

Тоже самое происходит с обучение. Вот несколько примеров фастфуда от ИИ, который, скорей всего, будет лучше, чем готовка своими руками:

— ИИ проанализирует данные об успеваемости сотрудников в обучении, их производительности в работе и предложит темы для обучения.

— Если на проверку приходит много домашних заданий, тренер в них тонет. Качество обратной связи резко падает. Зато нейросеть не устает читать ответы и писать рекомендации. В таких случаях ИИ даст обратную связь даже более персонализировано.

— Можно попросить нейросеть проанализировать, чего не хватает в учебном задании или кейсе, и она даст свои рекомендации.

— Еще ИИ может выделить в тестах и заданиях моменты, в которых участники допускают больше ошибок. Тогда методолог и тренер смогут лучше их проработать.

Итоги

В целом нейросети пока находятся на этапе юности. Они далеки от идеальной работы, но стремительно развиваются.

Есть исследования, в которых современный ИИ называют «Narrow AI». Это значит «слабый». Он состоит из набора инструментов, которые имитируют некоторые возможности человеческого разума.

Сильный ИИ (Artificial General Intelligence) — максимально приближенный к человеческому, по прогнозам появится к 2075 году.

Но ничто не мешает уже сегодня использовать полезные возможности нейросетей. Конкретные примеры, когда ИИ — это третья нога, а когда полуфабрикат и фастфуд, будут в следующих главах.

Глава 4. Формула общения с джином. Как составить запрос ИИ

Чтобы исследовать возможности нейросетей в обучении, стоит разобраться, как найти с ними общий язык.

Общение с ИИ происходит с помощью промптов. С английского «prompt» переводится, как «запрос» или «подсказка». Я буду использовать русское название — запрос. Не вижу необходимости англицизма. В нем нет чего-то такого, что не передает русскоязычный термин.

Нейросети имеют особенности, которые стоит учитывать, когда формулируешь запрос. Выделяют даже отдельную профессию или навык — Prompt Engineering. Важно владеть им на приемлемом уровне, чтобы Джин приносил пользу.

Если поисковик выдает все, что найдет в интернете по ключевым словам из строки поиска, то нейросеть работает иначе. Она выдаст один или два варианта.

ИИ понимает запрос буквально и не может угадать, что от нее хотели на самом деле. Качество ответа напрямую зависит от того, насколько конкретна формулировка и детализация запроса. Если что-то не указано в запросе, нейросеть ответит, как посчитает нужным. Есть Скорей всего результат будет «в молоко».

Правда и такой результат может быть полезен. Ты понимаешь, какой информации не хватает в запросе и доуточняешь его. Нейросеть генерирует новые варианты.

Поэтому главное правило при работе с нейросетями звучит так. Формулируй запрос как можно конкретнее. Иначе будешь общаться с коварным Джином, который неправильно исполняет желания.

Разобьем главное правило на несколько действий, которые нужно будет выполнить, когда составляешь запрос нейросети.

Обозначь тип запроса

Первым делом напиши нейросети, какая помощь тебе нужна. Например:

— Напиши, сочини, придумай, расскажи…

— Проанализируй… И на основе анализа составь…

— Проанализируй… Что не учтено? Как улучшить?

— Объясни, обоснуй…

— Распредели по категориям, рассортируй по группам…

Конкретизируй запрос

С общими запросами в большинстве случаев поможет привычный поисковик. Если помощь нужна в определенной сфере или важно учесть контекст, нейросеть подойдет лучше. Но чтобы она помогла, конкретизируй запрос. Тогда ИИ использует эту информацию и даст более содержательный ответ.

Конкретизируй запрос

Задай роль

Назначь роль для нейросети или опиши свою. Тогда ИИ даст более экспертный ответ.

Например:

— Ты работаешь маркетологом.

— Ты продавец-консультант.

— Представь, что ты руководитель отдела продаж.

— Я методолог, создаю программы обучения.

Конкретизируй запрос

Опиши контекст

Уточни задачу через контекст: описание целевой аудитории, детали ситуации и т. п.

Например:

— Я разрабатываю программу обучения по теме…

— Эта программа предназначена для…

Если нужна картинка:

— Опиши центральный объект: внешний вид, размер и формы.

— Задай сцену: что происходит с объектом в пространстве.

— Опиши фон и передний план.

— Укажи дополнительные детали: освещение и цветовую гамму.

Конкретизируй запрос

Дай инструкцию

Нейросети понимают инструкции — в каком виде представить ответ.

Например:

— Ответ дай до 1000 слов.

— Сформируй 10—15 вариантов.

— Ответ дай в формате таблицы со столбцами…

— Ответ дай в формате…

Конкретизируй запрос

Через стиль ответа

Задай стиль, в котором ответит нейросеть.

Например:

— Напиши текст … (например, приглашения на тренинг) в деловом стиле.

— То же самое с картинками. Нейросеть знает разные стили и направления. Это может быть: фото, портрет, акварельный рисунок, киберпанк, манера определённого художника и другое.

Обучи ИИ, как ответить

Нейросеть можно обучать самому. Достаточно написать пример ответа, который хочешь получить. ИИ обучится на нем. Так как данных для обучения будет совсем немного, такой подход называют few-shot, то есть «несколько выстрелов».

Например:

— Составь кейс по теме… Построй его по такой же структуре, как в примере, который я тебе дал.

— Составь … (например, программу обучения). Построй ее по структуре, как в примере…

Задай дополнительный вопрос/условия

Нейросеть запоминает историю диалога. Поэтому можно дополнить свой запрос. Тогда ИИ даст более точный ответ.

Например:

— Измени тон на более дружелюбный.

— Напиши еще пять вариантов, но для продавца, который продает…

— Переформулируй ситуацию в…

Пиши запрос на английском

Это правило справедливо для иностранных нейросетей. Их обучали на английском, поэтому запрос на «родном языке» они поймут лучше.

Если сам не знаешь английского, используй нейросеть для перевода. Например, Google Переводчик.

Повторять информацию в одном чате не нужно

В книге я буду приводить шаблоны запросов, которые учитывают описанные правила. Но на практике повторять нейросети одну и туже информацию обычно излишне. В интерфейсе текстовых нейросетей сохраняются отдельные чаты. ИИ запоминает историю диалога в нем. Поэтому достаточно в первом сообщении чата описать контекст запроса и дальше можно его не повторять.

Итоги

— Содержание и форма ответа ИИ зависят от формулировки запроса. Придерживайся правил конкретного запроса, чтобы получить точный ответ.

— Чтобы улучшить качество ответа, дополни запрос: ролью, контекстом, инструкцией, задай желаемый стиль и т. д.

— Эти правила применимы как для работы с текстом, так и для создания изображений.

В качестве подсказки, как писать запрос, можно использовать гайды из интернета. В GigaChat есть встроенный гайд и готовые шаблоны. Они не по обучению, но кто знает, может когда-нибудь появятся и такие.

Анализ запроса на обучение

Глава 5. Приказывай, повинуюсь. Проясняем запрос заказчика

Запросы на обучение появляются по двум основным сценариям:

— Заказчик обращается с проблемой, которую хочет решить с помощью обучения.

— Тренер сам видит проблему и считает, что ее можно вылечить обучением.

Оба способа таят в себе критичные ошибки.

Сценарий первый — приказ

Заказчик приносит не саму проблему, а конкретный запрос — хочу тренинг по такой-то теме. Часто такой запрос воспринимается, как приказ. Тренер берет его под козырек: разрабатывает и проводит тренинг по заданной теме.

Но большинство проблем в бизнесе имеет несколько корней. Корявые бизнес-процессы, противоречивая система премирования, неэффективная организационная структура, завышенные требования руководства, неконкурентоспособный продукт или его слабое продвижение на рынке. Вот целый ряд причин, которые могут быть источником проблем. Среди них может оказаться и та, что лечится обучением: сотрудники чего-то не знают и не умеют.

Первое правило работы с запросом знает каждый тренер. Важно уточнить запрос:

1. Убедиться, что он решается обучением.

2. Если да, понять — как должно измениться поведение сотрудников после обучения.

3. На какие бизнес-показатели должно быть направлено обучение.

Но почему тренеры воспринимают запрос, как приказ?

Часто культура компании поощряет слепое исполнение указаний руководства.

Или тренеру важна загруженность. Если уточнять каждый запрос, может сложиться ситуация, что он останется без работы. Лучше поучаствовать в кипучей деятельности. Тем более, что ее инициирует заказчик.

Правда такой подход работает до поры до времени. Заказчик видит, что болезнь не прошла и назначает виноватых. Часто им назначают тренера. Со словами: «Нам не нужно обучение для галочки!» заказчик выпускает новый приказ — уволить тренера.

Сценарий второй — инициатива наказуема

Тренер замечает проблемы в компании и сам предлагает организовать обучение. Такой подход чаще встречается у внешних тренеров.

Например, команды не соблюдают производственный процесс? Значит тимлиды их не мотивируют. Тренинг в помощь! Тем более, что есть отличная модель Маслоу-Икроу, которой тимлиды точно не владеют.

Но с чего тренер так решил? Причина может быть все той же. Тренеру важно, чтобы компания видела — он отрабатывает свою зарплату. У внешнего тренера тройная мотивация продать идею обучения.

Даже, если мы искренне хотим причинить непоправимое добро, получается медвежья услуга. Тренер продает руководству идею тренинга, разрабатывает и проводит обучение. На это уходят ресурсы компании, а потом участники пишут в анкетах или рассказывают в кулуарах, что на тренинге было прикольно, но нового они не узнали.

Если тренер не угадал с основной причиной проблемы, и она не в знаниях и умениях сотрудников, ситуация на местах остается паршивой. Руководство спрашивает с тренера за обещанный результат, но его нет. Доверие к обучению падает и с тренером расстаются. Вот так инициатива оказывается наказуемой.

Хотите разделить участь этих бедолаг? Или все-таки стоит прояснять запрос и предлагать актуальное решение проблемы?

Брифинг заказчика

Чтобы прояснить запрос заказчика, с ним проводят брифинг. Для  этого используют структурированный опросник. В интернете без проблем можно найти готовый вариант и адаптировать под себя.

Чем тогда может быть полезна нейросеть?

Обычно в качестве первого шага заказчику высылают стандартную анкету. Он заполняет ее и так готовится к брифингу, чтобы встреча с тренером прошла более осознанно.

На брифинге тренер задает дополнительные вопросы. Они должны учитывать ситуацию заказчика и специфику работы, по которой поступил запрос.

Тренер не всегда эксперт в теме, чтобы подготовить актуальные вопросы. Вот тут на помощь и приходит ИИ. Опиши ей сферу работы заказчика и получишь экспертные вопросы для брифинга. Отбери подходящие и дополни своими.

Шаблон запроса ИИ для брифинга заказчика:

[Описание проблемы]

[Задача для ИИ: Составь вопросы для опросника, который можно будет использовать, чтобы прояснить запрос заказчика на обучение]

[Направления, по которым должны быть вопросы в брифе:

— Вопросы, чтобы понять, решается проблема обучением или нет.

— Вопросы, чтобы понять, какие знания и умения будут полезны участникам.

— Вопросы, чтобы понять, на какие бизнес-результаты должно быть направлено обучение]

Пример запроса, чтобы ИИ составил вопросы для брифинга заказчика (вариант №1):

Заказчик обратился с проблемой. Сотрудники команд не соблюдают процесс производства программного обеспечения, новички долго осваивают даже устоявшиеся в командах практики. Это увеличивает время выпуска фич, из-за чего реже поставляем клиентам ценность. При этом качество ПО недостаточно высокое и случаются критичные инциденты.

Хотим разработать и провести обучение для тимлидов ИТ команд, которое поможет решить описанную проблему.

Составь вопросы для опросника, который можно будет использовать, чтобы прояснить запрос заказчика на обучение.

(+) Вариант брифа с заказчиком, предложенный Алисой:

Вопросы, чтобы понять, решается проблема обучением или нет:

— Какие основные проблемы возникают при соблюдении процесса производства ПО?

— Каковы причины медленного освоения новых практик новичками?

— Как часто происходят критические инциденты и их причины?

— Какие методы и подходы используются для стимулирования сотрудников к соблюдению процесса и освоению новых практик?

— Какие инструменты и технологии применяются в вашей команде для автоматизации процессов и повышения эффективности работы?

— Какие меры предпринимаются для обеспечения безопасности и качества разрабатываемого программного обеспечения?

Вопросы, чтобы понять, какие знания и умения будут полезны участникам:

— Какие аспекты процесса производства программного обеспечения требуют особого внимания и улучшения?

— Какие конкретные навыки и знания необходимы для успешного выполнения задач в вашей команде?

— Какие стратегии используются для обучения и развития сотрудников, включая новичков и опытных специалистов?

Вопросы, чтобы понять, на какие бизнес-результаты должно быть направлено обучение:

— Какие показатели и критерии оценки эффективности процесса производства ПО применяются в вашей команде?

— Какие изменения и улучшения вы хотели бы видеть в процессе производства ПО после проведения обучения для тимлидов?

Алиса (YandexGPT) составила полезные вопросы. Они позволят понять, решается проблема обучением или нет, какие знания и умения будут нужны участникам и на какие результаты должно повлиять обучение. С этой задачей хорошо справляются и другие нейросети: GigaChat и ChatGPT.

Если есть желание получить вопросы по конкретным направлениям для исследования запроса заказчика, их важно указать в запросе ИИ.

Пример запроса, чтобы ИИ составил вопросы для брифинга заказчика (вариант №2):

…

В брифе для заказчика должны быть вопросы:

— Об ожиданиях заказчика от обучения: на что оно должно повлиять и т. п.

— О ресурсах, которые он готов выделить на проект

— О целевой аудитории, чтобы учесть ее особенности в обучении

— Организационные вопросы заказчику

— И какие посчитаешь нужными

(+/-) Вариант брифа с заказчиком, предложенный GigaChat:

Тип запроса

— Цель обучения: Что именно вы хотите улучшить через обучение? Какие конкретные проблемы необходимо решить? Например: Улучшить соблюдение процессов разработки, ускорить выпуск фич, повысить качество кода и уменьшить количество инцидентов. 
— Формат обучения: Предпочитаете ли вы онлайн-обучение, очные тренинги, вебинары или смешанный формат? Онлайн-обучение может быть удобным для распределенных команд, но очные встречи могут обеспечить большую вовлеченность участников. 
— Ожидаемые результаты: Каких изменений вы ожидаете после завершения обучения? Какие метрики будут использоваться для оценки успеха программы?

Примеры: Увеличение скорости выпуска фич на X%, снижение количества инцидентов на Y%, улучшение соблюдения процессов на Z%. 
— Целевая аудитория: Кого конкретно вы планируете обучать? Это исключительно тимлиды или также разработчики и другие члены команды?
Важно понять, кто является основной аудиторией, чтобы адаптировать программу под их потребности и уровень знаний.

Ожидания от обучения

— Фокус на процессы: На каких аспектах процесса разработки вы хотели бы сосредоточиться больше всего? Есть ли определенные методологии или инструменты, которые вам важны?
Возможно, заказчик хочет углубить знания в Agile/Scrum, DevOps, CI/CD или других подходах. 
— Уровень подготовки: Какой текущий уровень знаний у вашей команды? Есть ли уже внедренные практики, которые работают хорошо, или нужно начинать с основ?
Это поможет определить, нужен ли базовый курс или углубленное обучение. 
— Поддержка после обучения: Планируете ли вы предоставлять поддержку участникам после окончания курса? Нужны ли дополнительные материалы или консультации?
Поддержка после обучения может включать в себя коучинг, доступ к дополнительным материалам или форумы для обсуждения. 
— Оценка эффективности: Как вы планируете оценивать эффективность обучения? Будут ли проводиться тесты, опросы или другие формы обратной связи?
Оценка эффективности важна для понимания, насколько успешно достигаются цели обучения.

Ресурсы

— Бюджет: Какой бюджет вы готовы выделить на проведение обучения? Включает ли это оплату тренеров, разработку материалов, аренду помещений и т.п.?
Понимание бюджета позволит предложить наиболее подходящие варианты обучения. 
— Время: Сколько времени участники смогут уделять обучению? Готовы ли они проходить обучение в рабочее время или предпочтительнее вечерние занятия?

Учет временных ограничений поможет выбрать оптимальный график занятий.

— Техническая поддержка: Есть ли у вас необходимые технические ресурсы для проведения онлайн-обучения (платформы, оборудование)?

Если планируется онлайн-обучение, важно убедиться, что у всех участников есть доступ к необходимым технологиям.

— Материалы: Есть ли у вас готовые учебные материалы, которые можно использовать, или требуется разработка новых?

Использование существующих материалов может сократить затраты и сроки разработки программы.

Целевая аудитория

— Профили участников: Можете ли вы предоставить информацию о профиле участников (опыт работы, роли, возраст, уровень образования)?

Эта информация поможет адаптировать содержание и методы обучения под конкретную аудиторию.

— Особенности аудитории: Есть ли у участников специфические требования или предпочтения в обучении (например, визуальные материалы, интерактивность, практические задания)?

Некоторые люди лучше усваивают материал через практическое применение, другим нужны подробные теоретические объяснения.

— Языковые барьеры: На каком языке предпочтительно проводить обучение? Нужно ли учитывать языковые различия среди участников?

Важно учитывать языковую среду, особенно если команда международная.

— Культурные аспекты: Есть ли культурные особенности, которые следует учитывать при разработке программы обучения?

В разных культурах могут быть разные подходы к обучению и работе в команде, что стоит учитывать.

Организационные вопросы

— График: Когда вы планируете начать обучение? Есть ли жесткие временные рамки?

Четкое понимание сроков поможет спланировать подготовку и проведение обучения.

— Место проведения: Где будет проходить обучение (офлайн или онлайн)? Если офлайн, то где находится ваша компания?

Место проведения влияет на логистику и доступность для участников.

— Сертификация: Планируется ли выдача сертификатов участникам по окончании обучения? Если да, то какого типа сертификаты необходимы?

Сертификаты могут мотивировать участников и подтвердить их квалификацию.

— Координация: Кто будет ответственным за координацию обучения со стороны вашей компании? С кем мы будем взаимодействовать на этапе планирования и проведения?

Назначение ответственного лица упростит коммуникацию и решение возникающих вопросов.

Дополнительные вопросы

— Опыт предыдущих тренингов: Проводились ли ранее подобные тренинги? Если да, то что сработало хорошо, а что можно было бы улучшить?

Опыт прошлых тренингов может дать ценные инсайты для улучшения текущей программы.

— Риски и ограничения: Видите ли вы какие-то потенциальные риски или ограничения, которые могут повлиять на успешное проведение обучения?

Понимание возможных рисков позволяет заранее подготовиться и минимизировать их влияние.

— Дополнительные пожелания: Есть ли у вас еще какие-то пожелания или требования, которые не были учтены в предыдущих вопросах?

Этот вопрос дает возможность заказчику добавить любые важные детали, которые могли быть упущены.

GigaChat в целом справился с задачей. Но некоторые вопросы избыточны. Например, «На каком языке предпочтительно проводить обучение?» Зато ИИ пояснил, зачем нужен каждый вопрос (выделено курсивом). Это поможет задавать их осмысленно и, если заказчику будет сложно ответить на открытый вопрос, сформулировать наводящий.

Дополнительно я бы «прощупал» еще пару моментов:

— Насколько на проблему могут влиять «мягкие» навыки сотрудников? Есть вероятность, что заказчик видит проблему только в «жестких» навыках. Например, думает, что тимлиды не знают стандарты производственного процесса, не транслируют их командам и не контролируют соблюдение. Но на деле правильнее автоматизировать процессы производства ПО. Тогда их не нужно помнить или искать описание в многочисленных инструкциях. Скорее проблема в нехватке у тимлидов «гибких» навыков. Например, они не понимают свою роль при внедрении изменений. Тогда эту тему стоит включить в обучение.

— Можно задать вопросы, чтобы узнать, кого обучать: только тимлидов или других сотрудников, включая наставников. Например, новички перенимают опыт у старших коллег, которые могут не владеть технологией наставничества. Тогда важно обучить и этой теме.

Глубинное интервью ЦА

Достаточно часто заказчик и целевая аудитория смотрят на проблему по-разному. Например, заказчик считает, что сотрудники сопротивляются изменениям а производственном процессе, и не выполняют элементарных вещей. Сами сотрудники видят проблему иначе. По их мнению, отдел, который меняет процесс, не учитывает специфику конкретных команд и проектов.

Есть разные способы исследовать запрос целевой аудитории (ЦА), чтобы учесть его при разработке.

Например, наблюдение за работой. Это длительный процесс, зато он дает самую правдивую информацию.

Еще вариант — провести опросы. Это быстрее и проще, но как правило, ответы ЦА слишком общие и поверхностные, чтобы на них можно было опереться.

Компромиссный вариант — глубинное интервью. Так как оно проводится в прямом диалоге с сотрудниками, они отвечают более искренне и всегда можно задать уточняющие вопросы, чтобы вытащить больше полезной информации.

Здесь снова может пригодиться ИИ, если методолог недостаточно знаком со спецификой работы сотрудников.

Шаблон запроса ИИ для глубинного интервью ЦА:

[Запроса заказчика]

[Гипотеза о проблеме, если есть]

[Целевая аудитория]

[Задача для ИИ: Составь вопросы для глубинного интервью, которые помогут понять, в чем на взгляд целевой аудитории заключаются проблемы и какие темы будет полезно включить в обучение, чтобы помочь их решить]

Пример запроса ИИ (по проблемам с соблюдением производственного процесса в ИТ):

…

Нужно провести глубинное интервью с целевой аудиторией — тимлидами производственных команд.

Составь вопросы, которые помогут понять, в чем на их взгляд заключаются проблемы и какие темы будет полезно включить в обучение, чтобы помочь их решить.

(+/-) Вопросы для глубинного интервью ЦА, предложенные Алисой:

— Какие основные проблемы и трудности возникают при соблюдении процесса производства программного обеспечения?

— Как вы оцениваете уровень освоения новых практик новичками в команде?

— В чём причина медленного внедрения нового процесса?

— Какие препятствия мешают внедрению новых задач тестирования и ведения артефактов в трекере?

— Как вы оцениваете пользу от сбора метрик и упрощения взаимодействия на крупных проектах?

— Какие изменения в процессе разработки программного обеспечения могли бы улучшить ситуацию и повысить эффективность работы команд?

— Какие меры можно предпринять для преодоления сопротивления команд новым процессам и требованиям?

— Как вы оцениваете влияние скорости разработки на качество программного обеспечения и удовлетворение потребностей клиентов?

— Какие аспекты обучения для тимлидов вы считаете наиболее важными и полезными для решения описанных проблем?

Вопросы, составленные Алисой, пересекаются с вопросами для брифинга заказчика. Но несколько полезных я отметил жирным курсивом. В принципе и без экспертизы в теме эти вопросы напрашиваются. Поэтому в данном примере ИИ сработал скорее для подстраховки, чтобы не упустить их.

Еще исследовать ЦА можно по конкретному функционалу.

Например, нужно разработать мини-тренинг по теме «Технология продаж фототоваров и услуг» для сотрудников копировальных центров. С одной стороны, технология продаж — тема, понятная любому методологу. С другой, какие боли есть у сотрудников именно в этой сфере? Если методолог никогда не работал в ней — для него это «темная комната».

Попросим помощи у нейросети. Сделаем это на примере темы для тимлидов в ИТ.

Шаблон запроса ИИ для глубинного интервью ЦА по узкоспециализированному функционалу:

[Запроса заказчика]

[Гипотеза о проблеме, если есть]

[Целевая аудитория]

[Задача для ИИ: Составь вопросы для глубинного интервью, которые помогут понять, в чем на взгляд целевой аудитории заключаются проблемы и какие темы будет полезно включить в обучение, чтобы помочь их решить]

Пример запроса ИИ по теме найма ИТ сотрудников:

Проблема: долго закрываются вакансии ИТ сотрудников, так как есть сложности найти кандидатов и часть из тех, кому предложили офферты, отказываются от них.

Гипотеза: тимлиды не умеют на собеседовании продавать вакансию и компанию.

Хотим обучить тимлидов, как проводить собеседования в условиях дефицита персонала.

Составь вопросы, которые помогут понять, в чем на взгляд тимлидов заключается проблема и какие темы будет полезно включить в обучение.

(-) Вопросы для глубинного интервью ЦА, предложенные Алисой:

— Какие сложности возникают при поиске кандидатов на открытые вакансии? 
— Какие факторы влияют на решение кандидатов принять предложение о работе? 
— Какие аспекты собеседования вы считаете наиболее важными для оценки кандидатов? 
— Какие методы и инструменты используете для проведения собеседований? 
— Какие типичные ошибки допускаете на собеседованиях и как их избежать? 
— Как учитываете особенности корпоративной культуры и ценностей компании при подборе кандидатов? 
— Какие дополнительные источники информации используете для поиска подходящих кандидатов? 
— Как оцениваете эффективность проведённых собеседований и принимаете решение о найме кандидата? 
— Какие темы и аспекты хотите изучить или улучшить в ходе обучения?

(+) Вопросы для глубинного интервью ЦА, предложенные GigaChat:

— Какие ключевые моменты вы обсуждаете на собеседовании?

— Как вы оцениваете опыт кандидата?

— Как вы представляете проект/команду/компанию?

— Что, по вашему мнению, вызывает наибольший интерес у кандидатов?

— Какие факторы влияют на принятие решения соискателем?

— Какие навыки и качества важны для успешного кандидата?

— Какие вопросы вы задаете, чтобы узнать больше о мотивации кандидата?

— Каковы по-вашему основные причины отказов от предложенных офферов?

— Как вы думаете, какие аспекты вашего подхода к собеседованию требуют улучшения?

— Какие методы привлечения кандидатов, кроме стандартных собеседований, могли бы быть эффективными?

Вариант Алисы не подходит. Часть вопросов мимо — они не о том, как продавать вакансию на собеседовании, а как найти кандидатов. Этим занимаются специалисты отдела персонала. Остальные «не заточены» под проблему, которую я описал в запросе.

GigaChat справился с задачей заметно лучше. Правда каких-то вопросов, которые учитывали бы специфику рынка ИТ вакансий, он не предложил. Жирным курсивом выделил подходящие. На самом деле их можно составить и самому. Но кому-то помощь ИИ пригодится.

Заказчик и назойливая муха. Составляем техническое задание сами и утверждаем у заказчика

Техническое задание для узкой проблемы

Есть еще ситуация, когда нейросети сослужат полезную службу. Заказчик не всегда находит время на брифинг. Ему проще, чтобы тренер сам решил, в чем проблема и как ее лечить. Думаю, у каждого тренера было такое: прилетает срочный запрос на обучение. Тренер идет его уточнять, но заказчику некогда отвечать на расспросы. Он переадресует тренера к другому человеку. Тот тоже динамит с брифингом. Время идет, но понятнее, в чем запрос и как его решать, не становится. Что делать?

Можно самому составить техническое задание на обучение и дать утвердить заказчику. Так тренер сэкономит время заказчика, но ответственность все равно остается у заказчика.

Если методолог не разбирается в специфике бизнеса, по которой поступил запрос, можно дать нейросети описание запроса и попросить составить техническое задание.

Техническое задание от ИИ на основе описанной заказчиком проблемы

Шаблон запроса ИИ, чтобы нейросеть составила техническое задание на основе описанной заказчиком проблемы:

[Твоя роль/должность в компании]

[Запроса заказчика]

[Задача для ИИ: Составь техническое задание на обучение, которое будет решать описанную проблему. В нем должно быть указано, что должны знать, понимать и уметь сотрудники после обучения]

Пример запроса ИИ (по проблемам с соблюдением производственного процесса в ИТ):

…

Составь техническое задание на обучение, которое будет решать описанную проблему. В нем должно быть указано, что должны знать, понимать и уметь сотрудники после обучения.

(-) Техническое задание на обучение для тимлидов ИТ-команд, предложенное Алисой (вариант №1):

После прохождения обучения сотрудники должны знать:

— основы процесса разработки программного обеспечения;

— принципы управления проектами;

— принципы эффективной коммуникации;

— методы управления рисками и проблемами;

— подходы к обучению и развитию сотрудников;

— основы управления изменениями и улучшениями;

— стандарты безопасности и качества;

— лидерские навыки и методы управления командой.

Введение в процесс разработки программного обеспечения:

— основные этапы разработки;

— роли и обязанности участников команды;

— принципы взаимодействия между участниками.

Основы управления проектами:

— планирование и управление временем;

— определение приоритетов задач;

— контроль выполнения задач.

Принципы эффективной коммуникации:

— активное слушание;

— обратная связь;

— разрешение конфликтов.

Управление рисками и проблемами:

— идентификация и анализ рисков;

— разработка стратегий для минимизации рисков;

— мониторинг и контроль рисков.

Обучение и развитие сотрудников:

— методы обучения и мотивации;

— оценка эффективности обучения;

— адаптация новых сотрудников.

Управление изменениями и улучшениями:

— внедрение изменений в процесс разработки;

— проведение ревью кода;

— оптимизация процессов.

Основы безопасности и качества программного обеспечения:

— стандарты безопасности и качества;

— тестирование и отладка кода;

— обеспечение стабильности и надёжности продукта.

Лидерские навыки и управление командой:

— мотивация и поддержка сотрудников;

— делегирование задач и контроль их выполнения;

— создание благоприятной рабочей атмосферы.

Алиса выдала не совсем тот результат, который мне нужен. У нее получилась не техническое задание, а смесь, что должны знать и уметь тимлиды, чтобы наладить более системный производственный процесс разработки ПО. Причем она не особо учла ситуацию из запроса. У нее получился общий список типовых моментов управления разработкой в ИТ. Часть пунктов не актуальна для компании. Например, «Управление изменениями и улучшениями: внедрение изменений в процесс разработки». Этим в компании занимается специальный отдел. Тимлиды с командами должны уметь участвовать в пилотах и понимать свою роль, чтобы изменения проходили успешно.

Жирным курсивом я отметил полезные моменты. Их стоит вынести на суд заказчику: включать в обучение или нет. Но список нужно точно расширить тем, что участники должны понимать. Этот момент Алиса упустила.

Вариант Giga Chat отличается от предложенного Алисой, но он тоже неудачный. ИИ предлагает обучать не процессу разработки, а инструментам и технологиям. Это абсолютно разные вещи. Проблема, с которой обратился заказчик, точно не в этом.

(-) Техническое задание на разработку обучения от Giga Chat (фрагмент):

Цель обучения: Повышение уровня знаний и навыков тимлидов и членов команды для улучшения процесса разработки программного обеспечения, снижения времени выпуска фич и повышения качества продукта.

Целевая аудитория: тимлиды и члены команды разработки (разработчики, тестировщики, DevOps-инженеры).

После прохождения обучения сотрудники должны знать:

1) Современные методологии разработки:

— Понимание принципов Agile, Scrum, Kanban и других гибких методологий.

— Как применять эти методологии в повседневной работе.

2) Инструменты и технологии:

— Основы использования систем контроля версий (Git).

— Принципы непрерывной интеграции и доставки (CI/CD), использование соответствующих инструментов (например, Jenkins, GitLab CI).

— Автоматизированное тестирование (JUnit, Selenium, TestNG и др.).

Инструменты мониторинга производительности и логирования (Prometheus, Grafana, ELK Stack).

3) Управление проектами:

— Основные принципы планирования проектов, распределения задач и управления временем.

— Методы оценки сложности задач и рисков.

— Управление изменениями и версиями продукта.

…

Техническое задание от ИИ на основе гипотез самой нейросети о проблеме

Есть еще вариант, как можно добиться от нейросети более полезного ответа. Можно разбить запрос на несколько более простых:

1. Дать запрос ИИ составить гипотезу о причинах проблемы.

2. Затем уже дать запрос на техническое задание.

Шаблон запроса ИИ, чтобы нейросеть составила техническое задание на основе собственных гипотез:

[Твоя роль/должность в компании]

[Кто заказчик]

[Запроса заказчика]

[Задача для ИИ: Предложи гипотезы, почему это может происходить]

Пример запроса ИИ (по проблемам с соблюдением производственного процесса в ИТ):

…

Предложи гипотезы, почему это может происходить.

(-) Вариант №1 гипотез от GigaChat (фрагмент):

— Недостаточная формализация процессов. Возможно, процессы разработки не достаточно четко описаны и документированы. Это приводит к тому, что новичкам сложно понять, какие шаги нужно выполнять для успешного выполнения задач.

— Отсутствие культуры обучения и наставничества. В команде могут отсутствовать программы адаптации новых сотрудников, нет менторства или систематического обучения. Новички вынуждены самостоятельно разбираться в процессах, что замедляет их адаптацию.

— Неэффективная коммуникация внутри команды. Недостаток взаимодействия между членами команды, особенно между опытными разработчиками и новичками, может приводить к недопониманиям и ошибкам. Например, важные моменты процесса обсуждаются устно, но не фиксируются письменно.

— Несоответствие инструментов и технологий требованиям проекта. Команда использует устаревшие инструменты или технологии, которые затрудняют выполнение стандартных операций. Также возможно отсутствие автоматизации рутинных задач, что снижает производительность.

5. Недостаточно строгий контроль качества кода. Процесс code review либо отсутствует, либо проводится формально без глубокого анализа кода. Из-за этого ошибки остаются незамеченными до момента запуска продукта в продакшн.

…

Гипотезы GigaChat хороши тем, что полностью основаны на специфике ИТ. Плохо то, что они практически не связаны с умениями и навыками команды. Можно попробовать конкретизировать запрос. Для этого надо прямо указать, что гипотезы должны быть связаны с нехваткой знаний и навыков у тимлидов и команды.

Шаблон запроса ИИ, чтобы нейросеть составила техническое задание на основе собственных гипотез (с указанием, чтобы они выбыли связаны с нехваткой знаний и навыков):

[Роль/должность в компании]

[Кто заказчик]

[Запроса заказчика]

[Задача для ИИ: Предложи гипотезы описанной проблемы, чтобы они были связаны с нехваткой знаний и навыков у тимлидов и команды]

Пример запроса ИИ (по проблемам с соблюдением производственного процесса в ИТ):

…

Предложи гипотезы описанной проблемы, чтобы они были связаны с нехваткой знаний и навыков у тимлидов и команды.

(-) Вариант №2 гипотез от GigaChat (фрагмент):

— Недостаточный уровень технического лидерства. Тимлиды могут не обладать достаточными техническими знаниями для эффективного управления командой. Они не способны обеспечить правильную постановку задач, контроль качества кода и внедрение лучших практик разработки.

— Отсутствие опыта в управлении проектами. Тимлидам может не хватать управленческих навыков, таких как планирование, распределение задач, управление рисками и временем. Это приводит к хаосу в процессе разработки и задержкам в выпуске фич.

— Плохое понимание современных методологий разработки. Команда может не владеть современными методологиями разработки, такими как Agile, Scrum или Kanban. Это затрудняет соблюдение процессов и координацию работы.

…

Проблема сохранилась. ИИ предлагает типовые причины проблем с разработкой, но они не совпадают с моей гипотезой. Все потому, что ИИ не знает реальной ситуации. Поэтому получается медвежья услуга.

Техническое задание на основе гипотезы методолога

Пойдем еще одним путем. Добавим в запрос для нейросети мою собственную гипотезу, в чем состоит проблема.

Шаблон запроса ИИ, чтобы нейросеть составила техническое задание на основе гипотез самого методолога:

[Запроса заказчика]

[Гипотеза, в чем состоит проблема]

[Задача для ИИ: Составь техническое задание на обучение, которое будет решать описанную проблему в рамках текущей гипотезы]

[Формат ответа: Ответ дай по структуре: что должны знать, понимать и уметь сотрудники после обучения]

Пример запроса ИИ (по теме проблем с соблюдением производственного процесса в ИТ):

Моя гипотеза, что проблема в следующем.

Тимлиды и команды привыкли работать по-старому: оформлять задачи в трекере, как им удобно и сопротивляются новому процессу. Они считают многие нововведения бюрократией, которая нужна для отчетности руководству, но замедляет разработку новых фич.

Это входит в противоречие с бизнесом. Ему нужна скорость разработки — чтобы команды максимум времени тратили на программирование.

Задачи тестирования на качество, надежность, кибербезопасность и нагрузку — компания обозначает тоже как важные, но они замедляют процесс разработки ПО.

Тоже самое с ведением артефактов в трекере по определенным правилам.

С одной стороны это упрощает взаимодействие на крупных проектах и позволяет собирать метрики, чтобы принимать управленческие решения.

С другой — команды сопротивляются, так как не видят пользы для себя в моменте.

Составь техническое задание на обучение, которое будет решать описанную проблему в рамках текущей гипотезы.

Ответ дай по структуре: что должны знать, понимать и уметь сотрудники после обучения.

(+/-) Техническое задание на обучение для тимлидов ИТ-команд, предложенное Алисой:

— Знание основных принципов и подходов к разработке программного обеспечения, включая Agile, Scrum, Kanban и другие методологии.

— Понимание процесса производства программного обеспечения, включая этапы разработки, тестирования и внедрения.

— Умение выявлять и анализировать проблемы, связанные с соблюдением процесса производства, и предлагать возможные решения.

— Знание инструментов и методов управления задачами и проектами, таких как Jira, Trello, Asana и другие.

— Умение разрабатывать и внедрять новые процессы и инструменты для улучшения взаимодействия между командами и повышения эффективности работы.

— Понимание важности тестирования на разных этапах разработки, включая модульное тестирование, интеграционное тестирование и системное тестирование.

— Знание методов и инструментов автоматизации тестирования, таких как Selenium, Cucumber, JUnit и другие.

— Умение проводить анализ требований и создавать тестовые сценарии для проверки качества продукта.

— Навыки коммуникации и лидерства, необходимые для эффективного управления командой и донесения информации о необходимости изменений.

— Способность мотивировать сотрудников к обучению и адаптации к новым процессам, а также поддерживать их в процессе изменений.

Алиса добавила новые варианты. Какие-то из них «в молоко», какие-то можно использовать (выделил жирным курсивом). Но в целом помощь ИИ оказалась минимальной. Техническое задание придется разрабатывать самому.

На самом деле я предложил нейросети достаточно сложный кейс. Он комплексный. Не удивительно, что ИИ выдает ошибочное решение. Составить точные гипотезы и техническое задание можно только глубоко погрузившись в особенности компании и проблемы.

Заказчик и назойливая муха. Составляем техническое задание сами и утверждаем у заказчика

Техническое задание для узкой проблемы

Если дать ИИ более узкую задачу, наверняка, она справится с ней лучше. Посмотрим на примере.

Шаблон запроса ИИ:

[Роль/должность в компании]

[Кто заказчик]

[Запроса заказчика]

[Гипотеза, в чем состоит проблема]

[Задача для ИИ: Составь техническое задание на обучение, которое будет решать описанную проблему в рамках текущей гипотезы]

[Формат ответа: Ответ дай по структуре: что должны знать, понимать и уметь сотрудники после обучения]

Пример запроса ИИ по теме мошенничества в банке:

Я работаю в банке методологом.

Ко мне обратился заказчик — отдел контроля качества.

Его специалисты регулярно прослушивают звонки и читают чаты сотрудников с клиентами. Так они выявили проблему. Существенная доля некачественных консультаций связана с темой мошенничества, когда клиентов пытались обмануть мошенники и поэтому они обратились в службу поддержки.

Моя гипотеза, что причина проблемы в следующем. Сотрудники не знают, как обрабатывать такие обращения.

Составь техническое задание на обучение, которое будет решать описанную проблему в рамках текущей гипотезы.

Ответ дай по структуре: что должны знать, понимать и уметь сотрудники после обучения.

(+/-) Техническое задание, предложенное Алисой, чтобы обучить сотрудников обрабатывать обращения, связанные с мошенничеством:

— Знание основных видов мошенничества и схем обмана клиентов: сотрудники должны быть осведомлены о различных видах мошенничества, таких как фишинговые атаки, схемы с использованием социальной инженерии и т. д. 
— Понимание процесса обработки обращений, связанных с мошенничеством: сотрудники должны понимать этапы обработки таких обращений, включая регистрацию инцидента, расследование, принятие мер и уведомление клиента о принятых мерах. 
— Умение выявлять признаки мошенничества: сотрудники должны быть обучены методам определения подозрительных действий или запросов от клиентов, которые могут указывать на мошенничество. 
— Навыки коммуникации и взаимодействия с клиентами: сотрудники должны уметь эффективно общаться с клиентами, объяснять им процесс обработки обращений и предоставлять необходимую информацию для решения проблемы. 
— Знание законодательства и внутренних процедур банка: сотрудники должны быть ознакомлены с законодательством, регулирующим обработку персональных данных и противодействие мошенничеству, а также с внутренними процедурами банка по обработке обращений, связанных с мошенничеством. 
— Умение работать с инструментами и системами безопасности: сотрудники должны быть обучены использованию систем мониторинга, обнаружения мошенничества и других инструментов безопасности для повышения уровня защиты клиентов и банка.

— После обучения сотрудники должны быть способны эффективно обрабатывать обращения, связанные с мошенничеством, выявлять признаки мошенничества, взаимодействовать с клиентами и соблюдать все необходимые законодательные и внутренние процедуры банка.

В ответе Алисы не хватает структуры. Тот же самый запрос дал GigaChat. По содержанию он дал похожий вариант, но структурировал информацию, как я просил.

(+) Техническое задание, предложенное Алисой, чтобы обучить сотрудников обрабатывать обращения, связанные с мошенничеством:

Знать:

— Типы мошеннических схем, наиболее часто встречающихся при взаимодействии с клиентами (например, фишинг, социальная инженерия, поддельные сайты).

— Законодательство и нормативные акты, регулирующие вопросы защиты прав потребителей и противодействия мошенническим действиям.

— Политики и процедуры банка по обработке случаев мошенничества, включая правила информирования клиента о возможных угрозах и способах их предотвращения.

— Основные методы идентификации подозрительных операций и признаки, указывающие на возможное мошенничество.

Понимать:

— Психологические аспекты взаимодействия с пострадавшими клиентами: стрессовые состояния, эмоциональная реакция, необходимость проявить эмпатию и профессионализм.

— Роль службы поддержки в предотвращении дальнейшего ущерба для клиента и минимизации репутационных рисков для банка.

— Последовательность действий при выявлении признаков мошеннической активности: блокировка счетов, приостановка транзакций, уведомление соответствующих служб безопасности.

Уметь:

— Эффективно общаться с клиентом, оказавшимся жертвой мошенника: сохранять спокойствие, давать четкую информацию, предлагать конкретные шаги по защите интересов клиента.

— Определять признаки потенциальной угрозы на основе информации, предоставленной клиентом, и оперативно реагировать на них.

— Проводить первичную проверку подозрительной операции или транзакции, используя доступные инструменты и базы данных.

— Правильно оформлять документы и отчеты по случаям мошенничества, а также передавать информацию в соответствующие подразделения банка.

Если методолог не эксперт в теме, ему потребовалось бы значительное время, чтобы самому разобраться во всех этих вопросах и составить подобное техническое задание. У нейросети это заняло секунды. Нужно будет свериться с заказчиком, что предложенные темы подходят сотрудникам и решают проблему. В остальном помощь ИИ очень кстати.

Итоги

— Это пригодится новичкам, у которых еще нет собственной анкеты.

— В случае брифинга ИИ полезен, если методолог или тренер не имеют экспертизы в бизнесе заказчика, чтобы самостоятельно быстро подготовить узкоспециализированные вопросы.

Технические задания на разработку обучения нейросети составляют разные по качеству. Все зависит от сложности проблемы:

— Если запрос на обучение комплексный и требует понять специфику компании, методологу нужно будет самому исследовать проблему и вместе с заказчиком составить техническое задание.

— Если проблема относится к типовым для многих компаний и затрагивает конкретные темы, ИИ сможет помочь составить техническое задание.

— Если методолог не эксперт в теме и заказчик не готов выделить время, чтобы детально проработать собственный запрос, ИИ предложит вариант технического задания, которое можно будет передать утвердить заказчику.

Проектирование

Глава 6. Фундамент, который заложил ИИ. Модель компетенций и стандарты работ, без которых обучение — дом на песке

Запрос на обучение снят. По итогу заполнен бриф и заказчик утвердил техническое задание. В нем в структурированном виде записаны его ожидания от обучения.

Так как нейросеть не смогла составить толковое техническое задание, возьмем за основу свое.

Техническое задание на разработку обучения для тимлидов, чтобы решить проблему с соблюдением производственного процесса.

Проблемы, которые важно решить:

— Сотрудники команд не соблюдают процесс производства программного обеспечения.

— Новички долго осваивают даже устоявшиеся практики.

— Это увеличивает время выпуска фич, из-за чего реже поставляем клиентам ценность.

— При этом качество ПО остается недостаточно высоким: случаются критические инциденты и сбои при высоких нагрузках.

— В некоторых командах частично проблема связана с нехваткой сотрудников (разработчиков и тестировщиков). Открытые вакансии закрываются достаточно долго. Все это время команда перегружена и вынуждена жертвовать некоторыми правилами производственного процесса, чтобы успевать выпустить фичи, согласованные с бизнесом. При этом регулярно случается, что кандидаты, которым предложили оффер, отказываются от него и выбирают предложение других компаний.

Причины, которые выявили после брифинга заказчика и глубинного интервью с тимлидами:

1) Тимлиды и команды привыкли работать по-старому: оформлять задачи в трекере, как им удобно и сопротивляются новому процессу.

2) Они считают многие нововведения бюрократией, которая нужна для отчетности руководству, но замедляют разработку новых фич.

3) Есть противоречие с бизнесом:

— Ему одновременно нужна скорость разработки (чтобы команды максимум времени тратили на программирование).

— При этом задачи тестирования на качество, надежность, кибербезопасность и нагрузку — компания обозначает тоже как важные. Но они замедляют процесс разработки ПО.

4) Тоже самое с ведением артефактов в трекере по определенным правилам:

— С одной стороны это упрощает взаимодействие на крупных проектах и позволяет собирать метрики, чтобы принимать управленческие решения.

— С другой — команды сопротивляются, так как не видят пользы для себя в моменте.

5) Причина медленного закрытия вакансий — дефицит кадров на рынке труда. Важно не только найти кандидатов (этим занимаются служба персонала), но и заинтересовать их в работе именно у нас. При этом тимлиды не умеют «продавать» вакансию и работу в их команде.

Метрики, на которых отражаются проблемы и на которые должно быть направлено обучение:

1) Бизнес-метрики. на которые нацелена компания и которым должны способствовать метрики производственного процесса:

— АКБ программы лояльности (ПЛ).

— Акцепт ПЛ — сколько клиентов выбирают категории с кэшбэком.

— Доля главных клиентов, которые приносят высокий доход.

— Us on US — сколько клиентов пользуются нашей картой в наших терминалах.

— NPS и/или CSI ПЛ.

2) Показатели вовлеченности клиентов в экосистему:

— % оттока клиентов.

— Среднее количество продуктов на одного клиента.

Показатели скорости работы команды:

— Lead Time — время работы над задачей.

— Deployment Frequency — частота поставки.

Качественные метрики:

— Change Failure Rate — доля неуспешных поставок.

Метрики соблюдения производственного процесса:

— Доля фич, которые связаны с описанием требований в шаблоне Confluence.

— Доля историй, которые связаны с релизом.

— Workflow историй соответствует стандарту.

— Истории связаны с кодом.

— Тестовая модель связана с историями релиза.

— Дефекты связаны с историями или релизом, в которых обнаружены.

— Дефекты ПРОМ связаны с релизами, в которых планируется исправление.

— Workflow дефектов соответствует стандарту.

Метрики эффективно проведенного собеседования:

— Рост % принятых кандидатами офферов.

Бизнес цель обучения: — соблюдение командами производственного процесса. Достижение проверяется через метрики производственного процесса.

Учебные цели:

Участники обучения знают:

— Тимлиды знают, как взаимодействовать с отделом управления производственным процессом, чтобы совершенствовать производственный процесс: видят проблемы в процессах, понятно доносят суть проблемы и предлагает реалистичные варианты решения.

Понимают:

— Тимлиды и действующие сотрудники понимают, почему важно перестроиться и начать следовать новому производственному процессу. — Они убеждены, что важно освоить и следовать новым процессам.

— Тимлиды понимают, что они отвечают за то, чтобы заинтересовать кандидатов работать в их команде.

Умеют:

— Наставники умеют передавать опыт новым сотрудникам (владеют технологией наставничества).

— Тимлиды и сотрудники владеют навыками саморазвития (как осваивать новые привычки).

— Тимлиды умеют договариваться с бизнесом о том, какие обязательства берет команда по разработке фич (объем задач), с учетом требований к качеству и надежности ПО.

— Тимлиды умеют презентовать работу в компании и в их команде так, чтобы заинтересовать кандидатов.

Кажется, можно браться за разработку. Но обучение не яичница, быстро не приготовить. Сначала составляют архитектуру комплексной программы обучения или трека развития. Потом — карту обучения для каждого мероприятия этой программы.

Одна из задач такого проектирования — развеять туман, чтобы заказчик уже на старте понимал, каким будет обучение и что оно закроет его запрос. На архитектуре видна структура и логика, как тренер приведет участников к целям обучения, которая зафиксирована в техническом задании.

Если построить архитектуру и карты обучения на пустом месте, есть риск, что обучение не попадет в бизнес-цели. Нужен фундамент: модель компетенций или стандарты работы по должности. Они основаны на рабочих задачах сотрудников. Это копирка с действий среднестатистического сотрудника. Не идеал, к которому трудно приблизиться, а именно реальная модель, которую можно наблюдать у значительного числа сотрудников, когда они успешно справляются с работой.

Если модели компетенций или стандартов работы нет, их важно создать. Например, методолог наблюдает за реальной работой нескольких среднестатистических сотрудников и систематизирует увиденное в документе. Или организует встречу с экспертами. Через индивидуальные интервью или групповое обсуждение методолог описывает модель компетенций вместе с ними.

На такую работу нужно время. Не каждый заказчик готов ждать.

В случае привлечения тренинговой компании есть еще проблема. Создать модель компетенций или стандарты работы стоит дороже, чем разработать, например, тренинг. Хорошо, если у заказчика уже есть необходимый фундамент. Но обычно он ожидает, что у провайдера есть собственная экспертиза именно в области его бизнеса. Возможно, заказчик угадал — в портфеле провайдера есть эксперт-методолог, который работал точно в такой же сфере и специализируется на ней. Но на практике это маловероятно.

Что делать методологу, если он получил заказ на разработку и ему не дают эксперта, чтобы заложить фундамент? Точно не надо строить дом на песке. Вспоминаем о лампе с Джином. Посмотрим, на что способны нейросети, когда нужно создать модель компетенций и стандарты работы.

Шаблон запроса ИИ, чтобы составить модель компетенций:

[Роль/должность в компании]

[Кто заказчик]

[Техническое задание]

[Задача дли ИИ: Составь модель компетенций для тимлидов этих команд]

Пример запроса ИИ (по теме несоблюдения командами производственного процесса в ИТ):

Составь модель компетенций для тимлидов этих команд. Используй техническое задание, которое я дал.

(+) Ответ GigaChat:

Взаимодействие с отделом управления производственным процессом:

— Знает, как выявлять проблемы в производственных процессах.

— Умеет ясно формулировать суть проблем и предлагать реалистичные пути их решения.

Необходимость изменений в процессе:

— Понимает важность перестройки текущих процессов для повышения эффективности работы команды.

— Способен убедить команду в необходимости освоения новых подходов и следования им.

Ответственность за привлечение кандидатов:

— Осознаёт свою роль в привлечении квалифицированных специалистов в команду.

— Считает важным мотивировать потенциальных кандидатов выбрать именно его команду.

Наставничество:

— Владеет технологиями передачи опыта новым сотрудникам. Может эффективно обучать новичков, передавая знания и навыки.

Саморазвитие:

— Обладает навыком самоорганизации и самообразования.

— Эффективно осваивает новые привычки и улучшает свои профессиональные качества.

Договоренности с бизнесом:

— Умело ведет переговоры с заказчиками/бизнес-заказчиками относительно объема задач и сроков выполнения.

— При этом учитывает требования к качеству и надёжности разрабатываемого программного обеспечения.

Презентация команды:

— Создает привлекательное представление о работе в своей команде.

— Презентует преимущества работы в команде таким образом, чтобы привлечь лучших кандидатов.

Получилась рабочая модель компетенций. Она дает понимание, какие темы можно включить в архитектуру обучения. Времени на это ушло несколько минут — на порядок меньше, чем самому собирать информацию в интернете и анализировать ее.

Нейросети вместо подробного технического задания можно дать только запрос заказчика, но тогда результат будет хуже. ИИ предложит обобщенную модель компетенций для роли тимлида в ИТ компаниях.

Теперь попросим как нейросеть детализировать модель компетенций на индикаторы успешного поведения и конкретные стандарты работ. Для этого дополним предыдущий запрос.

Шаблон запроса ИИ, чтобы составить индикаторы проявления компетенции:

[Роль/должность в компании]

[Кто заказчик]

[Запроса заказчика]

[Модель компетенций или одна из компетенций]

[Задача для ИИ: Составь для компетенции… индикаторы конкретного поведения, как именно она должна проявляться]

Пример запроса ИИ:

В модель компетенций, на основании которой будет построено обучение, входит компетенция «Взаимодействие с отделом управления производственным процессом». В нее включено:

— Понимает важность перестройки текущих процессов для повышения эффективности работы команды.

— Способен убедить команду в необходимости освоения новых подходов и следования им.

Составь для этой компетенции индикаторы конкретного поведения, как именно она должна проявляться.

(+) Вариант GiGaChat для компетенции «Взаимодействие с отделом управления производственным процессом»:

Индикатор 1: Выявление проблемных зон в текущем производственном процессе

— Регулярно анализирует текущие процессы разработки и производства продукта.

— Определяет узкие места и неэффективные этапы в рабочих процессах.

— Фиксирует отклонения от стандартов и нормативов, влияющие на производительность команды.

Индикатор 2: Предложение реалистичных решений для улучшения процессов:

— Формирует предложения по оптимизации процессов на основе анализа данных.

— Консультируется с командой и специалистами отдела управления производственными процессами при разработке предложений.

— Представляет предложения руководству с обоснованием экономической выгоды и влияния на эффективность работы команды.

Индикатор 3: Ясная коммуникация сути проблемы и предложенных решений:

— Четко формулирует проблему, используя понятный язык без излишней технической терминологии.

— Объясняет последствия текущей ситуации и потенциальные риски при отсутствии изменений.

— Описывает предлагаемые изменения в терминах, понятных всем участникам процесса.

Индикатор 4: Участие в реализации улучшений:

— Активно участвует в внедрении предложенных изменений вместе с командой.

— Контролирует выполнение плана мероприятий по улучшению процессов.

— Оценивает результаты внедрения и корректирует дальнейшие шаги при необходимости.

Индикатор 5: Мотивация команды на принятие изменений:

— Проводит встречи с командой, объясняя необходимость изменений и их положительное влияние на общую продуктивность.

— Демонстрирует личный пример приверженности изменениям.

— Поддерживает позитивный настрой среди членов команды, акцентируя внимание на выгодах от нововведений.