Самообучение через ботов с ИИ стало новым трендом. Особенно в сфере изучения иностранных языков и программирования. Посмотрел видео/почитал статью; если что-то непонятно — задал вопросы боту. Очень удобно. Практически как с наставником… только бесплатно, 24/7, и ответ получаешь моментально.
Конечно, нужно помнить про нюанс с галлюцинациями. Бот не всегда дает корректный ответ и может фантазировать.
Галлюцинации — именно тот фактор, почему обучение языкам и программированию занимают лидирующие позиции. Бот подсказал что-то не то в программировании? Ты узнаешь об ошибке моментально, как только напишешь свой код. Он просто не будет работать.
Если у тебя нет цели получить PhD по испанскому — галлюцинации не проблема. Для уровня В2 вполне допустимо допускать небольшие ошибки (так с ботом еще можно и голосом поговорить).
Звучит здорово, а как этот опыт перекладывается на корпоративное обучение? Давайте разбираться.
В начале обозначим самое очевидное:
1. Удобно (и полезно), когда ты можешь в свободной форме задать вопрос и получить на него ответ. Скорость и качество обучения ускоряются принципиально.
2. От галлюцинаций мы никуда не денемся: ИИ-наставник будет иногда учить сотрудников неправильно. Нужно признать это как факт (и смириться).
Бот-наставник требует активной позиции в обучении*. Ты понимаешь, что чего-то не понимаешь — пишешь боту и спрашиваешь.
*Конечно, мы можем (скорее должны) настроить наставника, чтобы он периодически сам задавал вопросы сотруднику: «С какими проблемами столкнулся сегодня?», «Есть какие-то вопросы по задачам?», «Расскажи, как ты выполнял сегодня вот такую задачу?». При таком подходе требуется меньше инициативы от сотрудника, но она все равно нужна. Бот — это не человек. Его можно просто проигнорировать или отвечать «дежурными» фразами.
Скорее всего, мы планируем обучать через бота сотрудников линейных позиций. У какого процента таких сотрудников есть тяга к обучению? Да вообще, у какого процента любых сотрудников есть серьезное желание учиться?
Если у человека активная позиция в обучении все же имеется, он сам хочет в чем-то разобраться — такой специалист напишет боту сам, и внутренний наставник (за разработку и поддержку которого мы платим) не понадобиться; можно воспользоваться бесплатным сервисом с ИИ. Главное — научить сотрудника учиться через бота.
Тут важно отметить 2 нюанса:
Во-первых, совершенно точно: ваши сотрудники не могут использовать Chat GPT или другие языковые модели с рабочих компьютеров. Если у вас будет наставник, пользовательский опыт будет лучше, ИИ станет доступнее; следовательно, им чаще и эффективнее будут пользоваться (но тут опять же мы спрашиваем себя: а точно ли нам нужен «наставник», или просто достаточно ИИ внутри контура?).
Во-вторых, языковые модели с открытым кодом (те, которые мы можем установить в контуре компании) не такие «умные», как GPT-4о. То есть, ИИ станет доступнее для пользователя, но ответы бота будут не такими качественными.
В-третьих, если вы боитесь, что сотрудники могут «закидывать» в Chat GPT чувствительную к разглашению информацию, наставник решит эту проблему (опять же задаем вопрос: а точно ли нам нужен именно «наставник», а не просто ИИ внутри контура?).
С другой стороны, если у вас специфическая область знаний, нужно разобраться в сложных и не очень известных темах (или вообще во внутренних правилах, регламентах или ПО), обучение через стандартные ИИ-сервисы вам не подойдет. Chat GPT, естественно, не знает, кому нужно написать письмо, если обнаружил пересорт товара на торговой точке, как правильно оформить кредитную карту на зарплатного клиента вашего банка… да и в ПОД ФТ и ФРОМУ он «плавает». А вот своего «наставника» вы можете дообучить на ваших данных. Загрузили регламенты, инструкции по работе в ПО, грамотно «рассказали» ИИ, почему (и как) не стоит содействовать отмыванию доходов — теперь бот сможет давать адекватные советы по нужным вам темам.
Сделать своего «наставника» с какой-то стандартной сборкой большой языковой модели — задача посильная для любой компании. Другое дело — дообучение модели. Здесь потребуется высокая экспертиза (а еще время и бюджеты). Если данные часто меняются, такой вариант вам точно не подойдет. Нужно вносить корректировки быстро — тоже мимо.
Тут на помощь может прийти (а может и не прийти) метод RAG (Retrieval Augmented Generation).
Коротко: мы берем стандартную ИИшку, ничему ее не учим, но используем ее вместе с базой знаний. Пользователь задает вопрос, мы ищем в базе знаний место (или места), где, предположительно, может содержаться ответ на его вопрос. Потом закидываем в ИИшку сразу вопрос пользователя и кусок базы знаний, и ставим задачу искать ответ в куске базы.
В итоге: частое изменение данных для нас не проблема, эксперт обновил базу знаний – ИИ ориентируется на новую информацию. Корректировки тоже будут прогружаться практически моментально.
В чем подвох?
Во-первых, не все так просто. Подход требует глубокой экспертизы и гигантского количества итераций. А это увеличивает стоимость продукта.
Не могу не процитировать статью с Хабра:
И без того не простую задачу усложняет разнородность и объем контента в базе знаний. Мы же хотим, чтобы наш бот был настоящим наставником, т.е. знал и как в программе что-то оформить (а тут желательно показать какие-то скриншоты или видео), и как с клиентом общаться подсказал и помог ответить на вопрос, который не прописан жестко в регламентах (т.е. ответа нет в базе знаний).
Во-вторых, мы отправляем в ИИ не только запрос пользователя, а еще и кусок базы знаний, или даже несколько кусков, которые, скорее всего, будут объемными. Чем больше контекста отправили в ИИ – тем больше вычислительных мощностей потребуется для ответа. Следовательно, придется раскошелиться на оборудование. Мы же не хотим, чтобы у нас бы наставник-тугодум, который по 5 минут отвечает на вопрос какую кнопку нажать для выдачи кредита?
В-третьих, для того чтобы RAG работал эффективнее, скорее всего, всю базу знаний придется причесывать под одну гребенку. И не под такую, как для пользователей. Не могу сказать что это однозначный минус…от части повод навести порядок в базе знаний. Но кто всем этим будет заниматься? Да и опять же нужны время и ресурсы.
Возникает вопрос, а точно ли нам нужен «наставник», или поисковики с ИИ по разным базам знаний подойдут нам лучше?
А точно ли ИИ единственное и самое эффективное решение?
Возможно лучше сделать удобную базу знаний, в которой сотрудник сможет быстро найти ответы (помимо обычного поиска можно добавить ИИ поиск). Возможно, сложности в работе в ПО можно решить другим способом. Оформление кредита не должно быть такой уж сложной процедурой: в строке ФИО указываешь ФИО, подгружаешь нужные сканы, сделал что-то не так или что-то забыл – веб интерфейс может тебе об этом сообщить. Может быть что-то не так с программой, если регулярно возникают сложности?
Будут ли ваши сотрудники использовать внутреннего бота?
Все мы знает правду про «анонимные» опросы. Сотрудники так же будут понимать, что все их запросы к наставнику может прочитать руководитель. Одно дело если твои запросы прочитает человек на другом конце земного шара, другое твой непосредственный начальник. Желание задавать боту глупые (да и не очень глупые) вопросы резко уменьшается.
Боты наставники совершенно точно являются полезным инструментом, но, как мне видится, есть другие сферы применения ИИ в L&D, где потенциал и востребованность технологии на данный момент выше.
Предоставляя сотрудникам дополнительный инструмент для обучения – мы никому хуже не сделаем (особенно, если предварительно обучим сотрудников пользоваться ИИ и расскажем о подводных камнях).
Alex Milyaev
Источник: vc.ru
