آموزش هوش مصنوعی به کارکنان یعنی هر نفر در تیم یاد بگیرد با ابزارهایی مثل ChatGPT یا Gemini، چند کار تکراری و وقت‌گیرِ خودش را سریع‌تر و درست‌تر انجام بدهد. کارگاه خوب با کار واقعی همان تیم شروع میشود، قانون استفاده از داده را روشن می‌کند و بعد از جلسه هم پیگیری دارد.
خلاصه در یک نگاه
– قبل از هر کلاسی، از هر واحد بپرسید کدام کار هر هفته بیشترین وقت را می‌گیرد. سرفصل کارگاه همین فهرست است.
– کارکنان را سطح‌بندی کنید: مدیران، کاربران عادی و آن چند نفری که می‌خواهند جلوتر بروند، یک کلاس نمی‌خواهند.
– به‌جای معرفی ده‌ها ابزار، یک ابزار و یک روش پرامپت‌نویسی یاد بدهید و روی پرونده‌های واقعی تمرین کنید.
– قبل از کارگاه یک صفحه قانون بنویسید: چه داده‌ای هرگز وارد ابزار هوش مصنوعی نمی‌شود.
– بعد از کارگاه، دو تا چهار هفته پیگیری داشته باشید؛ آموزش بدون پیگیری زود فراموش میشود.
چرا بیشتر آموزشهای هوش مصنوعی در شرکت‌ها جواب نمی‌دهد؟
من در کارگاه‌های سازمانی زیاد این صحنه را دیده‌ام: یک روز کامل ارائه درباره‌ی ابزارهای جذاب، همه هیجان‌زده‌اند، و دو هفته بعد کسی از آنها استفاده نمی‌کند. مشکل از کارکنان نیست؛ از طراحی آموزش است.
سه دلیل اصلی دارد. اول اینکه مثال‌های کلاس به کار روزانه‌ی آدم‌ها ربط ندارد. حسابدار شرکت پخش وقتی ساختن تصویر فانتزی را می‌بیند، نمی‌فهمد این به گزارش ماهانه‌اش چه ربطی دارد.
دوم اینکه کسی نگفته چه چیزی مجاز است و چه چیزی نه. کارمند محتاط از ترس اشتباه اصلاً دست نمی‌زند و کارمند بی‌احتیاط اطلاعات مشتری را در ابزار کپی می‌کند. سوم اینکه بعد از کلاس، هیچ‌کس پیگیری نمی‌کند.
نکته: هدف آموزش هوش مصنوعی به کارکنان «آشنایی با هوش مصنوعی» نیست. هدف این است که هر نفر از فردا صبح حداقل یک کار مشخص را با آن انجام بدهد.
آموزش هوش مصنوعی به کارکنان؛ کارگاه سازمانی را در ۷ قدم طراحی کنید
این همان مسیری است که خودم برای کارگاه‌های سازمانی می‌روم. برای یک شرکت ۱۰ نفره هم جواب می‌دهد، برای یک سازمان بزرگ هم.
-
فهرست کارهای تکراری را جمع کنید. از هر واحد بخواهید پنج کاری را بنویسد که هر هفته تکرار میشود و وقت زیادی می‌گیرد. نتیجه‌ی این قدم، یک فهرست واقعی است که سرفصل کارگاه از دلش بیرون می‌آید.
-
کارها را اولویت‌بندی کنید. کارهایی را انتخاب کنید که هم تکراری‌اند، هم متن‌محورند، هم اگر خراب شوند فاجعه نمی‌سازند. مثل پیش‌نویس ایمیل، خلاصه‌ی جلسه، جواب پیام‌های پرتکرار مشتری یا مرتب کردن یک گزارش. نتیجه: سه تا پنج کار هدف برای هر واحد.
-
شرکت‌کننده‌ها را سطح‌بندی کنید. مدیران یک جلسهی کوتاه‌تر می‌خواهند که درباره‌ی تصمیم‌گیری، ریسک و انتخاب کارهای مناسب باشد. کاربران عادی کارگاه عملی می‌خواهند. چند نفر علاقه‌مند را هم برای نقش «مسئول هوش مصنوعی واحد» جدا کنید.
-
یک صفحه قانون استفاده بنویسید. قبل از کارگاه مشخص کنید چه داده‌ای مجاز نیست: اطلاعات شخصی مشتری، قراردادها، اطلاعات مالی محرمانه و رمزها. نتیجه: کارکنان بدون ترس و بدون بی‌احتیاطی شروع میکنند.
-
یک ابزار و یک روش یاد بدهید. همه را روی یک ابزار اصلی و یک ساختار پرامپت‌نویسی هم‌زبان کنید. من برای این کار پنج اصل روش دکتر اخوان را یاد می‌دهم که در مقاله‌ی پرامپت نویسی چیست کامل توضیحش داده‌ام.
-
کارگاه را روی پرونده‌های واقعی برگزار کنید. هر نفر با یک نمونه‌ی واقعی از کار خودش بیاید، البته بدون اطلاعات محرمانه. نتیجه‌ی جلسه باید چند پرامپت آماده باشد که هر نفر فردا دوباره استفاده می‌کند.
-
پیگیری و سنجش بگذارید. دو تا چهار هفته بعد، یک جلسهی کوتاه بگذارید: چه کسی از چه پرامپتی استفاده کرد، کجا جواب نداد و چه چیزی باید اصلاح شود. قبل و بعد از کارگاه، زمان انجام یکی دو کار مشخص را خودتان اندازه بگیرید تا اثر آموزش را واقعاً ببینید.
سرفصل پیشنهادی کارگاه برای هر گروه
لازم نیست همه یک کلاس را بنشینند. این جدول کمک می‌کند برای هر گروه برنامه‌ی جدا بچینید.
| گروه | تمرکز آموزش | خروجی مورد انتظار |
|---|---|---|
| مدیران | کجا هوش مصنوعی به درد می‌خورد، ریسک‌ها، قانون استفاده، انتخاب کارهای اول | فهرست اولویت‌دار کارهای هدف و تأیید قانون استفاده |
| فروش و پشتیبانی | جواب پیام‌های پرتکرار، پیگیری مشتری، پیش‌نویس پیشنهاد قیمت | بانک جواب‌های آماده و پرامپت پیگیری |
| مالی و اداری | خلاصه‌ی گزارش، نامه‌نگاری اداری، مرتب کردن جدول‌ها در اکسل | پرامپت گزارش ماهانه و قالب نامه |
| بازاریابی و محتوا | ایده‌ی محتوا، کپشن، تقویم محتوایی | تقویم یک‌ماهه و پرامپت کپشن با لحن برند |
| مسئولان هوش مصنوعی واحد | پرامپت‌نویسی پیشرفته‌تر، ساختن قالب برای همکاران، اتوماسیون ساده | کتابخانه‌ی پرامپت واحد |
برای یک تیم کوچک، دو جلسهی سه ساعته معمولاً از یک روز کامل کلاس بهتر جواب می‌دهد. فاصله‌ی بین دو جلسه فرصت تمرین واقعی است.
پرامپت‌های آماده برای کارگاه سازمانی
این پرامپت‌ها را میتوانید همین الان در کارگاه استفاده کنید. جای کروشه‌ها اطلاعات مجموعه‌ی خودتان را بگذارید.
قبل و بعد؛ چرا پرامپت ساختارمند بهتر جواب می‌دهد
پرامپت ضعیفی که بیشتر کارکنان در روز اول می‌نویسند این است:
«یه گزارش برای مدیرم بنویس.»
جوابش یک متن کلی و بی‌خاصیت است، چون ابزار نمی‌داند گزارش درباره‌ی چیست، برای چه کسی است و چه شکلی باید باشد. حالا همین درخواست با پنج اصل روش دکتر اخوان:
نقش: تو یک کارشناس باتجربه‌ی گزارش‌نویسی اداری در یک شرکت پخش مواد غذایی هستی.
هدف: از یادداشت‌های خامی که می‌دهم، گزارش هفتگی واحد فروش را برای مدیرعامل بنویس.
زمینه: مدیرعامل وقت کمی دارد و فقط می‌خواهد بداند چه چیزی خوب پیش رفته، کجا مشکل داریم و چه تصمیمی از او لازم است. یادداشت‌ها: [یادداشت‌های هفته، بدون اسم مشتری و مبلغ قرارداد]
قالب: سه بخش با تیتر «پیشرفت‌ها»، «مشکلات» و «تصمیم‌های لازم»، هر بخش حداکثر چهار بولت کوتاه.
محدودیت: حداکثر ۲۰۰ کلمه، لحن رسمی ولی ساده، هیچ عددی را که در یادداشت‌ها نیست از خودت اضافه نکن.
نسخه‌ی دوم بهتر جواب می‌دهد چون مخاطب، هدف، اطلاعات خام و شکل خروجی را مشخص کرده است. بند آخر هم جلوی ساختن عدد از خیال را می‌گیرد، که در گزارش اداری خطرناک است.
پرامپت نیازسنجی واحدها
نقش: تو یک مشاور بهره‌وری هستی که به تیم‌ها کمک می‌کند کارهای مناسب برای هوش مصنوعی را پیدا کنند.
هدف: از فهرست کارهای هفتگی واحد [نام واحد]، کارهایی را پیدا کن که برای شروع با هوش مصنوعی مناسب‌اند.
زمینه: ما یک [نوع کسب‌وکار] در [شهر] هستیم. فهرست کارها: [فهرست کارها و زمان تقریبی هر کدام]
قالب: جدولی با ستون‌های «کار»، «مناسب برای شروع؟»، «دلیل» و «ریسک».
محدودیت: کارهایی را که با اطلاعات محرمانه‌ی مشتری یا تصمیم مالی سروکار دارند، «نامناسب برای شروع» علامت بزن.
پرامپت پیش‌نویس قانون استفاده
نقش: تو یک مشاور منابع انسانی و امنیت اطلاعات در یک شرکت ایرانی هستی.
هدف: یک صفحه قانون ساده برای استفاده‌ی کارکنان از ابزارهای هوش مصنوعی بنویس.
زمینه: شرکت ما [نوع کسب‌وکار] است و اطلاعاتی مثل [نوع اطلاعات حساس] داریم. کارکنان بیشتر برای نوشتن متن، خلاصهسازی و جواب مشتری از هوش مصنوعی استفاده میکنند.
قالب: سه بخش «مجاز»، «ممنوع» و «اگر شک داشتی»، هر بخش چند بند کوتاه.
محدودیت: زبان ساده و غیرحقوقی، حداکثر یک صفحه، و تأکید روشن که خروجی هوش مصنوعی قبل از ارسال باید توسط خود کارمند بازبینی شود.
دو مثال ایرانی: آموزشگاه زبان در شیراز و شرکت پخش در تبریز
آموزشگاه زبان در شیراز: مدیر آموزشگاه می‌خواست منشی‌ها و معلم‌ها با هوش مصنوعی کار کنند. نیازسنجی نشان داد بیشترین وقت منشی‌ها صرف جواب دادن به سؤال‌های تکراری والدین در پیام‌رسان میشود و معلم‌ها وقت زیادی برای ساختن تمرین و آزمون کوتاه می‌گذارند.
پس کارگاه دو بخش شد: منشی‌ها روی یک بانک جواب آماده و پرامپت لحن مؤدبانه کار کردند و معلم‌ها روی ساختن تمرین سطح‌بندی‌شده. هیچ ابزار تصویر و ویدیویی در کارگاه نبود، چون نیازش نبود.
شرکت پخش در تبریز: واحد فروش گزارش هفتگی می‌نوشت و حسابداری هر ماه کلی نامه‌ی پیگیری مطالبات داشت. اولین قانونی که نوشتند این بود که نام مشتری و مبلغ واقعی وارد ابزار نمی‌شود؛ به‌جایش «مشتری الف» و «مبلغ X» می‌نویسند و بعد خودشان جایگزین میکنند.
یک محدودیت واقعی هم داشتند: اینترنت گاهی ناپایدار بود و همه به یک ابزار دسترسی پایدار نداشتند. برای همین پرامپت‌ها را در یک فایل مشترک نگه داشتند تا با هر ابزاری که در دسترس است، قابل استفاده باشد.
اشتباهات رایج در آموزش هوش مصنوعی به کارکنان
-
معرفی ده‌ها ابزار در یک روز. کارکنان گیج می‌شوند و هیچکدام را جدی یاد نمی‌گیرند. راه درست: یک ابزار اصلی و یک روش، و ابزارهای دیگر فقط وقتی که نیاز واقعی پیدا شد.
-
مثال‌های عمومی به‌جای کار واقعی. «یک شعر درباره‌ی بهار بنویس» در کلاس جذاب است ولی سر کار به درد نمی‌خورد. راه درست: هر تمرین از فهرست کارهای تکراری همان واحد بیاید.
-
نداشتن قانون داده. بدون قانون، یا کسی استفاده نمی‌کند یا اطلاعات حساس بیرون می‌رود. راه درست: قبل از کارگاه یک صفحه قانون روشن داشته باشید.
-
اعتماد کامل به خروجی. هوش مصنوعی گاهی با اطمینان کامل اشتباه می‌کند. راه درست: به همه یاد بدهید که خروجی را قبل از ارسال بخوانند و مسئولیتش با خودشان است.
-
یک کلاس برای همه. مدیر و کارمند پشتیبانی نیاز یکسانی ندارند. راه درست: سطح‌بندی و برنامه‌ی جدا برای هر گروه.
-
کارگاه بدون پیگیری. بعد از دو هفته همه به روش قبلی برمی‌گردند. راه درست: جلسهی پیگیری، مسئول هوش مصنوعی در هر واحد و یک کتابخانه‌ی پرامپت مشترک.
کارگاه را خودتان برگزار کنید یا از مشاور کمک بگیرید؟
اگر مجموعه‌ی شما کوچک است و یک نفر علاقه‌مند دارید که خودش با ابزارها راحت است، میتوانید با همین قدم‌ها شروع کنید. فقط وقت بگذارید که اول خود آن نفر روش پرامپت‌نویسی را درست یاد بگیرد.
اگر سازمان بزرگ‌تر است، داده‌های حساس زیادی دارید یا چند واحد مختلف باید هم‌زمان آموزش ببینند، کمک گرفتن از یک مشاور هوش مصنوعی کار را سریع‌تر و کم‌خطرتر می‌کند. نکات انتخاب مشاور خوب را در مقاله‌ی مشاوره هوش مصنوعی برای کسب و کار نوشته‌ام. اگر هم می‌خواهید آموزش سازمانی را با تیم ما برگزار کنید، از مشاوره و آموزش سازمانی هوش مصنوعی درخواست بدهید.
این را هم بدانید که طراحی و اجرای همین کارگاه‌ها یکی از خدماتی است که مشاوران هوش مصنوعی به شرکت‌ها می‌فروشند. یعنی اگر این مسیر برایتان جذاب است، می‌تواند شغل شما هم باشد.
سؤالات متداول
آموزش هوش مصنوعی به کارکنان چقدر زمان میبرد؟
برای کارهای پایه مثل نوشتن، خلاصهسازی و جواب مشتری، معمولاً دو جلسهی چندساعته و چند هفته تمرین کافی است. زمان دقیق به سطح تیم و تعداد کارهای هدف بستگی دارد. مهمتر از طول کلاس، تمرین روی کار واقعی و جلسهی پیگیری است.
کارکنان برای یادگیری هوش مصنوعی باید برنامه‌نویسی بلد باشند؟
نه. برای بیشتر کارهای اداری، فروش، پشتیبانی و محتوا، کار با ابزارهای آماده و پرامپت‌نویسی درست کافی است. برنامه‌نویسی فقط برای تیم‌های فنی که می‌خواهند ابزار اختصاصی بسازند لازم میشود.
کارگاه هوش مصنوعی سازمانی حضوری بهتر است یا آنلاین؟
حضوری برای جلسهی اول بهتر است، چون میتوانید کنار هر نفر بنشینید و مشکلش را همان لحظه حل کنید. جلسههای پیگیری را میشود آنلاین و کوتاه برگزار کرد. اگر اینترنت محل کار ناپایدار است، تمرینها را طوری بچینید که به یک ابزار خاص وابسته نباشد.
چطور بفهمیم آموزش هوش مصنوعی برای تیم ما اثر داشته؟
قبل از کارگاه، زمان انجام یکی دو کار مشخص را یادداشت کنید و چند هفته بعد دوباره اندازه بگیرید. کیفیت خروجی را هم با نظر مدیر همان واحد بسنجید. اگر کارکنان بعد از یک ماه هنوز از پرامپت‌ها استفاده میکنند، آموزش جواب داده است.
اطلاعات شرکت در ابزارهای هوش مصنوعی امن است؟
به ابزار و تنظیماتش بستگی دارد، و به همین دلیل قانون استفاده لازم است. ساده‌ترین قاعده این است که اطلاعات شخصی مشتری، قراردادها، رمزها و اعداد مالی محرمانه وارد ابزار نشود. جایشان را با نام فرضی یا علامت پر کنید.
از امروز چه کار کنیم؟
آموزش هوش مصنوعی به کارکنان با یک فهرست ساده شروع میشود: کارهای تکراری هر واحد. همین هفته این فهرست را جمع کنید، یک صفحه قانون داده بنویسید و اولین کارگاه را روی دو یا سه کار واقعی بچینید.
اگر می‌خواهید طراحی و اجرای این کارگاه‌ها را حرفه‌ای یاد بگیرید و آن را به‌عنوان خدمت به شرکت‌ها ارائه کنید، دوره تربیت مشاور هوش مصنوعی قدم منطقی بعدی شماست.
نظرها (۱۱)
- جواد حسینیفراگیر ما
عالی
- رقیه همدانیانفراگیر ما
سلام و عرض ادب و خدا قوت! این مقاله یک دوره مختصر و مفید از آسیب شناسیِ در کاربری هوش مصنوعی بود. بسیار از خواندنش لذت بردم. با اینکه برخی نکاتش در کلاس یا وبینار اشاره شده بود اما در اینجا بطور مفصل و کامل آورده شد به همراه نکات جدیدی که حتی ما فراگیران اصلا نمیدونستیم.
و یک مطلبی که باید خدمت همه دوستان عرض کنم اینکه نمیدونم چرا وقتی مقالات استاد اخوان یا کلاس هاشون و میخونم و میشنوم، اصلا احساس دشواری یا نفهمیدن ندارم و حتی اگر دوباره مرور هم بکنم هیچ از لذتی که میبرم کم نمیشه.😌🤗 از دید بنده این به دو چیز برمی گردد :
۱- کاردان بودن و تبحر بالا در حیطه تخصصی
۲- خلوص و عاشق بودن یک استاد به فراگیرانش
خدا سایه اساتید این کارگروه و همراهانشون و همچنین سایه همه استادان و معلمین شفیق و کاربلد ایران اسلامی را مستدام بدارد،ءآمین!🤲🙏🤩🥰 - علی کدیورفراگیر ما
با توجه به اینکه من سالها موسسه کاریابی داشتم و با کارفرماها متفاوتی برخورد داشتم،مدیران واحدها، معمولاً سن بالایی دارند و از لحاظ انعطاف و پذیرش اینکه هوش مصنوعی به ایشان کمک کنند،گارد دارند و خودشان را با تجربه تر از سیستم می دانند.مدیران میانی هم بنا به اطاعت از مدیریت ارشد،سعی میکنند فقط خواسته آنها را تمکین کنند، بعضی از مدیران میانی هم بدون داشتن تخصص هوش مصنوعی، با اطلاعات ناقصی که در فضای مجازی می گیرند، کارهایی میکنند که بالطبع با شکست مواجه می شوند.
نیروی کار هم ترس از این دارد که اگر هوش مصنوعی وارد شود، آنها بیکار می شوند.
به نظر من،ابتدا بایست از طریق سازمان صنایع و اداره کار هر شهرستان، یک کارگاه آموزشی برای صاحبان مشاغل برگزار کرد که تفاوت بین فکر انسانی و هوش مصنوعی را بطور ملموس درک کنند.
سپس آموزش را در کارگاه ها پایه ریزی کرد که هیچکدام از مخاطبان، ترسی از ورود ai نداشته باشند. - پریسا حسنعلی‌پورفراگیر ما
سلام و عرض ادب و خدا قوت خدمت استاد اخوان بزرگوار
ممنون بابت مطالب ارزنده‌ای که ارائه میدهید.
در طول خواندن این مقاله داشتم فکر میکردم که چطور میشه در محیط دانشگاه برای دانشجویان، برای اساتید و حتی کارمندان دانشگاه، دوره‌های مفید گذاشت؟ هر قشر در یک محیط بزرگی مثل دانشگاه چطور میتونن از این ابزارها به بهترین شکل استفاده کنند. معمولا کارگا و سمینار و حتی دوره‌های آموزشی در دانشگاهها الان زیاد شده ولی مهم این هست که چقدر از این ابزارها استفاده کاربردی میکنن. وقتی صحبت از کسب و کار میشه اولین چیز که به ذهن میرسه سازمان، اداره، شرکت، فضای مجازی و از این قبیل چیزها هست. همراه مقالات شما و آموزشهای شما به دنبال پیاده‌سازی این تجربیات و ایده‌های ارزشمند در محیط دانشگاه هستم. امیدوارم که بتونم مسیر اصلی رو پیدا کنم.
سپاس از شما استاد عزیز - قاسم ترکمانفراگیر ما
توضیحات عالیه،فعلا دارم روی تولید محتوا وپرامپت نویسی کار می کنم
- علیپورفراگیر ما
پیش بسوی اهداف بلند
راهی سریع تر
گسترده تر
نتایج به مراتب بهتر
برای زندگی بهتر با آرامش بیشتر - ایران مرشدیفراگیر ما
قسمت قانون داده ها بسیار مفید و عالی بود
- علی محمد فلاحفراگیر ما
بسیار عالی و هدفمند و عملی توضیح داده شد مشکلات اول بررسی شد و راهکار داده شد مشکل اکثر آموزش ها داده شده در تولید محتوا بر اساس نیاز ان واحد می باشد در این مقاله کاملا عملی توضیح داده شده چطور این اشتباه انجام نشود ودر خاتمه مطرح کردن پیگیری کار د بازده زمانی خاص و انتخاب مسئول پیگیری بوده است
- عاطفه سادات میریفراگیر ما
با سلام و خسته نباشید خدمت شما
برای اشخاصی که به دنبال تدریس هوش مصنوعی هستند مقاله بسیار خوبی است.
لطفا در خصوص اینکه به ترتیب چه چیز هایی در یک شرکت یا موسسه آموزش داده شود به همراه مثال مقاله هایی منتشر کنید.- پاسخ آکادمیآکادمی اخوان
سلام فراگیر گرامی، ممنون از پیشنهاد خوبتون؛ برای مقاله‌های بعدی یادداشتش کردیم.
- علیرضا زمانیفراگیر ما
درود دقت کردم واقعا تاثیر یک پرامپت صحیح وکامل توی هر مسئله هوش مصنوعی خیلی زیاد است با سپاس از استاد اخوان
نظرت را بنویس
دکتر علی اخوان
مدرس و مشاور هوش مصنوعی کسب‌وکار، نویسنده کتاب «پرامپت‌های پولساز»
بیش از ۸ سال سابقه تدریس و آموزش کاربردی هوش مصنوعی برای کسب‌وکار و درآمد؛ بنیان‌گذار دوره تربیت مشاور هوش مصنوعی و طراح چارچوب پنج‌اصلی پرامپت‌نویسی (روش دکتر اخوان).
درباره دکتر اخوان ←
