Как не терять время и быстро собрать данные для принятия решения: quick wins с ИИ на этапе анализа

Как не терять время и быстро собрать данные для принятия решения: quick wins с ИИ на этапе анализа

Сегодня поговорим на примере обучения, хотя применять эту методологию можно в любом подразделении.

Где сотрудник теряет время?

Самая большая потеря происходит на этапе анализа, когда получив задачу, специалист отдела обучения бросается изучать ЦА и разрабатывать курс, не определив, является ли проблема дефицитом навыков. А в результате вместо премии и похвалы легко схлопотать выговор за длительный и бесполезный проект.

Пример: На производстве растут инциденты по технике безопасности. Первое решение — «срочно обновите курс по безопасности!». Но поможет ли он, если дело в сломанном оборудовании или отсутствии контроля на местах?

Чтобы не делать лишнюю работу, нужно быстро выдвинуть гипотезы и проверить их до того, как методолог сядет за сценарий.

И тут на помощь нам приходят нейросети.

У сотрудника вполне законно возникает сопротивление - "зачем мне это, я что гипотезы не могу сформулировать?". Конечно, любой специалист может создать список вопросов для анализа ЦА, при этом на его работу будут влиять человеческие факторы:

◾️Когнитивные искажения (эффект подтверждения, эффект якоря и тд)

◾️Недостаток или искажение информации

◾️Сильная специализация ("туннельное зрение")

◾️Давление со стороны руководства, ограничение по времени, стресс

◾️Влияние личного опыта или мировоззрения

◾️Высокий уровень неопределенности

и это только ряд факторов, которые мне выдала нейросеть на мой запрос😉

➡️ Поэтому, используя беспристрастную модель, в которой собрано огромное количество информации по любой изучаемой теме, мы можем получить более объективные и разносторонние результаты.

▪️При этом, конечно, итоговую обработку осуществлять должен специалист, чтобы отсеять "галлюцинации".

Методология быстрого анализа ситуации:

1️⃣ Докапываемся до сути бизнес-задачи

Даже при минимуме вводных ИИ поможет собрать пул вопросов, которые отделят проблему навыка от проблемы системы.

ПРОМПТ: (здесь вы задаете контекст ситуации, чтобы понять, решается ли задача обучением или мотивацией/контролем).

2️⃣ Ищем точки влияния (кто владеет информацией?)

Вместо того чтобы две недели ждать аудиенции у начальника цеха и получить общий ответ на общий вопрос, можно заранее смоделировать ситуацию и прийти к сотрудникам, которые являются реальными исполнителями, с конкретными вопросами, а у начальника только подтвердить общую ситуацию и уточнить детали.

ПРОМПТ: (выясняем, какие должности задействованы, кто реально владеет информацией и почему на самом деле могут возникать инциденты).

3️⃣ Генерируем варианты решений под разный бюджет

Собранную информацию (ответы экспертов, цифры, наблюдения) снова отправляем в нейросеть, чтобы получить набор гипотез.

ПРОМПТ: (формируем список решений: от короткой памятки до изменения системы KPI).

✅ Что в итоге?

На весь цикл анализа уходит 1–2 дня (с учетом скорости ответов от мастеров на местах).

Вы получаете варианты решения конкретной бизнес-задачи с прогнозируемым результатом. С этими данными можно смело идти к руководству для утверждения обоснованной стратегии.

Иногда лучшее обучение - это его отсутствие и вовремя предложенная альтернатива.

Чтобы осознанно применять ИИ, я решила, что с 7 марта буду учиться у своего партнера Стебаковой Наташи - “Методология будущего: AI инструменты на всех этапах цикла обучения”. Я вижу сколько она сама учится и насколько глубоко вникает в механику, плюс понимаю, что мне навыки быстрой работы с нейросетями нужно улучшать.

А также, кому будут полезны рабочие промпты под эту задачу, пишите в комментариях, поделимся лично!

Оргдизайн Вконтакте | Оргдизайн в МАX