AI zināšanas bieži tiek pārtulkotas kā apmācība: modulis, sertifikāts, atzīmēta ķeksīte. Tas nav nepareizi, bet tas arī nav tas, ko šis vārds prasa. Zināšanas nozīmē, ka kāds saprot, ko sistēma dara un ko nedara, kur atbildei ir robežas, un kad rezultāts ir jāpārbauda, pirms tas nonāk kaut kur citur. Tā ir cita prasme nekā spēja apkalpot čata logu.
Darbinieks, kurš zina, kā formulēt uzvedni (prompt), nav automātiski zinātājs tajā nozīmē, kas šeit ir svarīga. AI zināšanas ir par risku atpazīšanu: kad atbilde satur kļūdu, kas nav pamanāma, kad uzņēmuma dati tiek kopīgoti ar sistēmu, kas šos datus izmanto citur, kad AI rezultāts kļūst par pamatu lēmumam, kuram patiesībā vajadzīga pārbaude. Kas šo neiemāca, iemāca darbiniekiem apkalpot rīku, nemācot viņiem, kad tam nevar uzticēties.
Zināšanas ir jaudīgas tikai tad, ja tās saskan ar to, kas notiek praksē. Ja darbinieki jau izmanto rīku, ko neviens nav apstiprinājis, tad vispārīga apmācība par AI principiem ir maz vērtīga, kamēr neviens nezina, kuri rīki tie ir un kam tie tiek izmantoti. Zināšanas bez pārskata par lietojumu ir programma, kas paiet garām praksei.
Tur arī ir vienkāršākais veids, kā kaut ko iemācīties: jautāt. Nevis jautāt, lai pieprasītu pārskatatbildību, bet jautāt, lai saprastu, kas notiek. Darbinieks, kurš izmanto rīku, lai strādātu ātrāk, to reti brīvprātīgi pastāsta, ja jautājums izraisa sajūtu, ka tas ir pārbaudes veids, kas var novest pie sekām. Tāpēc zināšanas nesākas ar instrukciju sniegšanu, bet ar tādas vides radīšanu, kurā ziņošana nav risks.
Apmācība var izskaidrot, kas ir valodas modelis, no kurienes rodas neobjektivitāte (bias) un kad rezultāts ir jāpārbauda. Apmācība nevar garantēt, ka šīs zināšanas tiks piemērotas tieši tad, kad tas ir svarīgi: laika spiediena apstākļos, termiņa priekšā, uzdevumā, kas jau simts reizes izdevies labi. Vienreizēja apmācība arī nevar sekot līdzi izmaiņām. Sistēmas tiek pielāgotas, jauni rīki kļūst pieejami, lietojums maina virzienu. Tāpēc zināšanas nepieder pie viena mirkļa, bet pie atkārtota ritma — tieši tāpat kā riska klasifikāciju atkārtota pārskatīšana nav vienreizējs uzdevums, bet atkārtots process.
Darbinieku zināšanas neatbrīvo organizāciju no jautājuma, kurš un ko uzrauga. Ja darbinieks pārņem AI rezultātu lēmumā, un šis lēmums izrādās nepareizs, tad jautājums kurš ir atbildīgs, kad AI risinājums pieļauj kļūdu nav atbildēts ar "darbiniekam vajadzēja to zināt". Atbildība ir vairākos līmeņos: pie tā, kurš sistēmu ieviesa, pie tā, kurš organizēja uzraudzību, pie tā, kurš noteica ietvarus. Individuālo darbinieku zināšanas ir šīs ķēdes daļa, ne to aizstājējs. Tas, ko cilvēka uzraudzība praksē nozīmē, ir saistīts ar jautājumu, vai cilvēks, kurš uzrauga, pietiekami saprot to, ko viņš uzrauga — bez šīs saprašanas uzraudzība ir formalitāte.
Maudzas organizācijas mēģina saistīt AI zināšanas ar esošu atbilstības vai riska procesu. Tas šķiet loģiski, bet praksē otrs slānis blakus esošam procesam bieži netiek izmantots: darbinieki seko procesam, ko viņi jau pazīst, un ignorē jauno, pat ja tas labāk saskan ar praksi. Kāpēc otrs process blakus esošajam tiek ignorēts ir jautājums, kas sniedzas tālāk par apmācību: tas ir par to, kur zināšanas tiek fiksētas, pārbaudītas un lietotas pašā darbā.
Mēs nevaram pateikt, cik daudz apmācības ir pietiekami, vai kāda daļa darbinieku pēc programmas patiesībā rīkojas citādi. Tas atšķiras pēc organizācijas, pēc funkcijas, pēc uzdevumu riska līmeņa, ko kāds veic. Kādam, kurš ik dienu sastāda klientu līgumus ar AI palīdzību, ir nepieciešams cits zināšanu līmenis nekā kādam, kurš AI izmanto reizēm kopsavilkuma sagatavošanai. Vienota atbilde uz jautājumu "cik daudz apmācības ir pietiekami" nepastāv, un mēs šādu atbildi arī nesniedzam.
Zināšanas bez pārskata par individuālo lietošanas situāciju riskiem paliek abstraktas. Darbinieks, kurš ievada uzņēmuma datus bezmaksas čata logā, ir citā riskā nekā darbinieks, kurš izmanto iekšēju, aizsargātu sistēmu, un ko jūs darāt ar uzņēmuma datiem bezmaksas čata logā ir jautājums, kam katrā situācijā ir cita atbilde. Tātad zināšanas nav viena programma visai organizācijai, bet saskaņa ar to, ar ko cilvēki patiesībā strādā.
Šī saskaņa sākas ar zināšanu par to, kuri uzdevumi jau tiek atbalstīti ar AI un cik lielā mērā. FTE TO AI darba scan aprēķina katram uzdevumam, kādu daļu no darba var pārņemt AI, un tādējādi dod konkrētu priekšstatu par to, kur zināšanas ir visvairāk vajadzīgas: nevis vispārīgā nozīmē, bet tajā vietā, kur darbs patiesībā mainās.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.