AI-kursus til virksomheder: sådan vælger I et forløb, der kan bruges i arbejdet

Skriv, hvad medarbejderne skal kunne bagefter

“Vi skal lære AI” er svært at omsætte til et godt forløb. Et bedre mål er eksempelvis, at kundeservice kan lave et fagligt korrekt svarudkast, eller at projektledere kan omforme mødenoter til en handlingsliste uden at tilføje aftaler, der ikke blev truffet.

Vælg nogle få opgaver, som deltagerne faktisk udfører. Beskriv et godt resultat og de fejl, der er uacceptable. Det giver underviseren et konkret grundlag og gør det muligt at se, om læringen kan anvendes bagefter.

Afklar også, hvad der ligger uden for forløbet. En workshop i at bruge eksisterende værktøjer er en anden opgave end at udvikle en integration til virksomhedens systemer. Begge kan være relevante, men bør ikke blandes i ét uklart løfte.

Tilpas indholdet til deltagernes roller

En fælles introduktion kan skabe sprog og forståelse på tværs af virksomheden. Derefter bliver øvelserne mere nyttige, når de følger de opgaver, deltagerne har. En medarbejder, der besvarer kundehenvendelser, behøver ikke samme fordybelse som en udvikler, der forbinder systemer.

Kortlæg erfaring, adgang til værktøjer og forventninger på forhånd. Nogle deltagere kan være rutinerede, mens andre først skal lære at formulere en opgave og kontrollere et svar. Gruppér efter behov frem for stillingsbetegnelse alene.

Ledelsen bør have sit eget beslutningsspor: prioritering, ansvar, datarammer og opfølgning. Det er svært for medarbejdere at omsætte læring, hvis virksomheden ikke har besluttet, hvilke værktøjer og arbejdsformer der er godkendt.

Fjern praktiske forhindringer før kursusdagen

Deltagerne skal kunne logge ind i de værktøjer, de forventes at bruge. Afklar licenser, computeradgang og eventuelle begrænsninger fra IT. Et kursus mister hurtigt værdi, hvis halvdelen af tiden bruges på at få konti og rettigheder til at fungere.

Vælg eksempler, der må anvendes. Brug syntetiske eller godkendte data frem for at bede deltagerne medbringe vilkårlige kundemails. En anonymiseret øvelse skal reelt være anonymiseret; at fjerne navnet er ikke altid tilstrækkeligt.

Aftal også, hvor prompts, skabeloner og øvelsesmateriale skal ligge efter forløbet. Deltagerne bør kende det godkendte sted at finde hjælp, så gode arbejdsmetoder ikke forsvinder i en enkelt persons private dokumenter.

Brug øvelser med et synligt kvalitetskriterium

En brugbar øvelse består af opgave, input, rammer og kontrol. Bed eksempelvis deltageren om at skrive et svar på en kundehenvendelse ud fra en godkendt produktbeskrivelse. Lad derefter en kollega kontrollere, hvilke udsagn der støttes af materialet.

Gentag øvelsen med en oplysning, der mangler. Den bedste løsning kan være et opklarende spørgsmål. På den måde lærer deltagerne både at få hjælp fra AI og at opdage, hvornår systemet ikke har et tilstrækkeligt grundlag.

Sammenlign med den tidligere arbejdsmåde. Hvad gik hurtigere? Hvad krævede mere kontrol? Hvilken instruktion gjorde en forskel? Saml erfaringerne i en enkel skabelon, der beskriver opgaven og kontrollen frem for én lang prompt, ingen forstår.

• Opgave: Hvilket resultat skal vi skabe?
• Input: Hvilke oplysninger må bruges?
• Rammer: Hvad skal svaret indeholde og undgå?
• Kontrol: Hvordan opdager vi fejl og mangler?

Lær datarammer og ansvar sammen med værktøjet

Medarbejderne skal vide, hvilke data de må arbejde med, hvordan output skal kontrolleres, og hvem de spørger ved tvivl. Gør reglerne konkrete med eksempler fra deres arbejdsområde. En generel opfordring til at “huske GDPR” er ikke en anvendelig instruktion.

OpenAI oplyser, at virksomhedsdata i blandt andet ChatGPT Business og API-platformen som udgangspunkt ikke bruges til modeltræning. Det fritager ikke virksomheden for at afklare godkendt brug, datatyper og aftaler. Forskellige produkter og funktioner har forskellige rammer.

EU-Kommissionens vejledning om AI-færdigheder behandler virksomhedernes arbejde med medarbejdernes forståelse af AI. Et bestemt kursusbevis, antal timer eller standardprogram bør ikke præsenteres som en generel garanti for, at alle virksomhedens forpligtelser er opfyldt.

Planlæg opfølgningen, mens I planlægger kurset

Aftal, hvilke opgaver deltagerne afprøver i dagene efter forløbet, og hvem der samler erfaringerne. En intern kontaktperson kan hjælpe med spørgsmål og sikre, at fejl bliver brugt til at forbedre metoden. Personen skal have tid til opgaven.

Følg nogle få praktiske mål: bruger medarbejderne metoden, bliver resultatet godkendt med færre rettelser, og hvad tager stadig for lang tid? Tilfredshed med undervisningen er nyttig feedback, men siger ikke alene noget om anvendelsen i arbejdet.

Et opfølgende møde kan gennemgå konkrete eksempler og justere rammerne. Nogle arbejdsopgaver bør måske have en fælles skabelon, mens andre er bedre egnet til en integration. Oplæringen kan dermed give et bedre grundlag for at vælge senere projekter.

Det skal I afklare, før I bestiller et AI-kursus

Beskriv teamets størrelse og roller, de nuværende værktøjer og nogle konkrete opgaver. Angiv om målet er fælles forståelse, praktisk træning eller udvikling af arbejdsmetoder. Del også de begrænsninger, underviseren skal kende.

Bed om et forløb med tydelig forberedelse, øvelser, leverancer og opfølgning. Spørg, hvad deltagerne skal medbringe, hvordan niveauet tilpasses, og hvilket materiale virksomheden får bagefter. Så kan I sammenligne et åbent standardkursus med et virksomhedsforløb på et oplyst grundlag.

Vælg efter opgaven og læringsmålet. Et længere kursus er ikke automatisk bedre, og et kort kursus er kun tilstrækkeligt, hvis målet faktisk kan nås inden for rammen.