TL; DR: Внедрение ИИ на рабочем месте часто застопоривается не потому, что сотрудники отвергают инструменты, а потому, что они используют лишь небольшую часть их возможностей – обычно выбирая одну настройку и повторяя её повсюду. Такое «шаблонное мышление» возникает при подходе к мощному и гибкому ИИ, основанном на привычках, сформировавшихся при работе со старым, более ограниченным программным обеспечением. Это дорого: компании платят за возможности, к которым их команды никогда не прикасаются, и это одна из главных причин, почему большинство инвестиций в ИИ показывают низкую измеримую отдачу. Решение заключается не в давлении, а в пяти практических шагах: показать сотрудникам, что возможно, обучить их на практике, поощрять творческое использование и создавать постоянно растущую базу знаний. Обучение сотрудников эффективному использованию ИИ больше не будет просто «навязываться», а станет «привлекательным».
Многие руководители, внедряющие решения на основе ИИ, замечают, что сотрудники используют лишь малую часть возможностей этих инструментов. Это особенно актуально для инструментов ИИ, предназначенных для создания креативных проектов.
Это не узкоспециализированное наблюдение. В Исследование Gallup 2025 года, в котором приняли участие более 19 000 работников.44% сотрудников, не использующих ИИ, заявили, что причина в том, что они не верят, что он может помочь в их работе – не потому, что он недоступен; они не видят, какую пользу он может им принести. В этом и заключается суть шаблонного мышления: оценка нового инструмента на основе ограничений старых.
Почему шаблонное мышление обходится дорого, а не просто является неоптимальным решением.
Заманчиво рассматривать недоиспользованные возможности ИИ как незначительную неэффективность. На самом деле, шаблонное мышление — одна из самых дорогостоящих, но скрытых проблем в реализации ИИ, и этому есть две причины.
Во-первых, вы платите за весь инструмент, но используете лишь его небольшую часть. Цены на платформы искусственного интеллекта основаны на полном наборе их возможностей. Когда команда использует одну конфигурацию, один шаблон запроса или один шаблон отчета в каждой ситуации, организация тратит средства на ресурсы, которые никогда не приносят пользы. Стоимость лицензии одинакова независимо от того, используют ли сотрудники 10% или 90% приобретенного функционала.
Во-вторых, шаблонное мышление является одной из главных причин разрыва между Реализация ИИ и рентабельности инвестиций. В том же исследовании Gallup цитируется исследование Массачусетского технологического института, показавшее, что только около 5% организаций сообщают об измеримой рентабельности инвестиций от своих инвестиции в генеративный искусственный интеллект – Энтузиазм и доступность для большинства не привели к созданию коммерческой ценности. Причина редко кроется в самом инструменте. Она заключается в том, как люди его используют: привязка гибкого инструмента к старым привычкам приводит к старым результатам по новой цене. Ценность заключается в изменении способа выполнения работы, а не в самой покупке.
Таким образом, цель состоит не в том, чтобы «расширить использование ИИ» ради самого расширения. Речь идёт о том, чтобы вывести сотрудников за рамки их обычных обязанностей и предоставить им доступ к возможностям инструмента там, где они действительно приносят пользу.
Как выглядит шаблонное мышление в различных инструментах
Приведенный ниже пример аватара специфичен для нашей платформы, но шаблонное мышление встречается повсюду, где используются креативные инструменты искусственного интеллекта. Несколько закономерностей, которые узнает большинство команд:
- Один запрос, используемый бесконечно. Маркетолог находит один-единственный запрос в ChatGPT, который дает приемлемый результат, сохраняет его и пропускает через него все остальные запросы, никогда не корректируя тон, аудиторию или формат в соответствии с поставленной задачей. Результат всегда «хороший», но никогда не отличный.
- Один шаблон для любой аудитории. Отдел продаж создает одно электронное письмо, сгенерированное искусственным интеллектом, и отправляет слегка отредактированные копии каждому сегменту, исключая возможность персонализации сообщения и тональности для каждого получателя.
- Единый интерфейс панели мониторинга. Аналитик создает единый отчет с помощью ИИ и использует его повторно для всех заинтересованных сторон, в то время как инструмент может предоставлять разные данные для каждой аудитории.
Вот версия аватара. С нашей платформой вы можете создать аватар с искусственным интеллектом – цифровой персонаж, выступающий в роли ведущего или докладчика на презентации, вебинаре или другом видеоконтенте. Или же доступный аватар для чата. 24/7, выступая в роли агент службы поддержки, консультант по продажам или специалист по продукции.Авторы обладают практически неограниченной творческой свободой: они могут выбирать базовый внешний вид, голос, одежду, прическу и стиль общения для каждого аватара.
На практике часто все складывается иначе. Ответственный сотрудник выбирает один внешний вид, один голос и один фиксированный стиль общения – и этот аватар остается неизменным от презентации к презентации, от раздела к разделу, от отдела к отделу. Однако, кажется, более очевидный подход – создать уникальный аватар, точно соответствующий каждой конкретной ситуации: приветливого и дружелюбного человека. принять на работу новых сотрудников; четкий и авторитетный оратор для финансового отчета; разный язык и манера изложения для каждого рынка.
Почему это происходит? Не стоит списывать это на лень. Более вероятное объяснение, как показывают данные Gallup, заключается в том, что многие сотрудники привыкли к инструментам, которые либо предлагают гораздо меньше возможностей, чем ИИ, либо кажутся сложными и требуют длительного обучения. Они переносят эти ожидания на инструмент, который больше не работает таким образом.
Как определить, есть ли у вашей команды проблема шаблонного мышления
Прежде чем исправлять ошибку, убедитесь, что она действительно имеет место. Вот несколько конкретных признаков:
- Один и тот же результат работы ИИ, конфигурация или шаблон появляются в различных контекстах, где целевая аудитория или цель явно различаются.
- Сотрудники не могут описать более одной-двух функций этого инструмента, хотя на самом деле он выполняет гораздо больше задач.
- Активность низкая, но стабильная – люди заходят в систему и работают, но сложность задач со временем не увеличивается.
- Внедряются новые функции, но никто их не замечает и не использует.
- Когда вы спрашиваете, почему был выбран тот или иной вариант настроек, ответ звучит так: «Так мы делали в прошлый раз».
Если хотя бы несколько из этих утверждений верны, проблема не в инструменте или людях, а в том, что никто не показал команде, как выглядит «хороший» результат, или не создал безопасную среду для его изучения.
Что можно с этим сделать? Пять практических шагов.
Пять простых шагов могут значительно помочь сотрудникам в полной мере использовать потенциал искусственного интеллекта.
1. Продемонстрируйте реальные возможности инструментов искусственного интеллекта.
Создайте презентацию, демонстрирующую возможности выбранных вами инструментов ИИ и объясняющую, почему их творческое использование выгодно. Хорошо составленный обзор поможет каждому сотруднику начать собственное мышление и искать идеи, которые можно воплотить в жизнь с помощью ИИ. Наиболее эффективная презентация не просто перечисляет функции – она подкрепляет каждую возможность конкретным примером «до» и «после»: стандартная версия шаблона рядом с настраиваемой версией, чтобы ценность выхода за рамки настроек по умолчанию была очевидна с первого взгляда. Для максимального эффекта сама презентация должна быть создана с использованием тех же инструментов, которые она описывает – это одновременно и подтверждение концепции, и демонстрация.
2. Проведите практическое обучение, демонстрирующее простоту использования инструментов.
Старые добрые методы тренировки по-прежнему эффективны. Pitch AvatarНапример: любой, кто им пользовался, знает, что персонажей с искусственным интеллектом можно создавать быстро и легко, без каких-либо специальных навыков. Но без обучения большинство сотрудников никогда об этом не узнают. Вместо этого они подходят к инструментам ИИ, основываясь на прошлом опыте, что не всегда положительно. Структура тренинги В центре внимания — реальные проблемы, с которыми сотрудники действительно сталкиваются (а не абстрактные демонстрации), чтобы они ушли с чем-то полезным, что смогут привнести в свою работу. Особое внимание уделяйте практическим упражнениям. Главный принцип: попробовать что-то один раз гораздо ценнее, чем увидеть или услышать об этом сто раз.
Это важнее, чем может показаться, потому что именно в обучении сосредоточен самый мощный рычаг для внедрения. Гэллап найден что главные препятствия для Принятие AI К числу проблем относятся неясный сценарий использования (16%), юридические проблемы или проблемы конфиденциальности (15%), а также недостаток обучения или знаний (11%) – и специализированное обучение, ориентированное на выполнение конкретных задач, решает все три проблемы одновременно.
3. Регулярно проводите сессии обмена опытом.
Успешные идеи и креативные решения от отдельных членов команды должны стать общим ресурсом. Проводите регулярные встречи, на которых сотрудники смогут делиться идеями и открытиями. Делайте их краткими и по существу (один человек демонстрирует один сработавший пример, показывая фактический результат на экране), чтобы формат был простым в поддержании. Эти встречи также имеют дополнительное преимущество, предоставляя менее уверенным в себе сотрудникам конкретные примеры успешного использования инструментов ИИ в реальных условиях, снижая барьер для внедрения. Они также помогают руководству определить людей, наиболее подходящих для руководства инициативами, связанными с ИИ.
4. Признавать и поощрять творческое и эффективное использование ИИ.
Этот шаг не требует особых объяснений. Важно отметить, что в творческой работе с использованием ИИ критерии успеха не должны быть чисто формальными. Творческая работа заслуживает признания – вознаграждение должно получать изобретательное решение, а не просто то, которое соответствует ожиданиям. Признание не обязательно должно быть финансовым – демонстрация успешного применения ИИ на командном совещании или в базе знаний часто стимулирует эксперименты больше, чем просто бонус, поскольку это сигнализирует о том, что исследование замечено и ценится.
5. Создайте постоянно обновляемую базу знаний для ваших инструментов искусственного интеллекта.
Презентации, инструкции, советы, идеи и предложения всегда должны быть легкодоступны и удобны для поиска. Это позволяет сотрудникам освежать свои знания по мере необходимости, делиться собственными мыслями или использовать накопленный командой опыт. Ключевое слово здесь — «живой»: база знаний, созданная один раз и никогда не обновляемая, становится просто еще одним игнорируемым шаблоном. Распределяйте обязанности, используйте лучшие результаты сессий обмена опытом и поддерживайте ее в актуальном состоянии по мере развития инструментов. Внутренние знания — это ценный актив, который стоит активно развивать и защищать.
Общая нить: Лидеры задают тон.
Ни один из этих пяти шагов не сработает сам по себе, если руководство не вмешается. Исследование Gallup показало, что только 28% сотрудников организаций, внедряющих ИИ, твердо убеждены в том, что их руководитель активно поддерживает использование ИИ их командой, — однако сотрудники, получающие такую поддержку, в 2.1 раза чаще используют ИИ регулярно и гораздо чаще находят его полезным. Суть всех пяти шагов проста: сотрудники сосредотачиваются на том, в какой степени руководство ожидает, поддерживает и поощряет творческое использование ИИ. (Более подробную информацию о человеческом аспекте см. в нашей статье о...) внедрение ИИ ставит людей на первое место.).
