Bahasa Melayu

Mengapa Program AI Dipimpin Rakan Sejawat Mengatasi Pelancaran Latihan Top-Down

Champion AI melatih rakan sekerja dalam persekitaran syarikat pertengahan pasaran

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

Kebanyakan program latihan AI mempunyai masalah yang sama: mereka mengukur hasil yang salah. Mereka menjejaki penyelesaian kursus, kadar pensijilan dan jam latihan. Kemudian mereka melaporkan angka-angka tersebut kepada kepimpinan sebagai bukti penerimaan AI. Tetapi empat bulan kemudian, penggunaan alat AI dalam kerja sebenar tidak berubah, dan tiada siapa boleh menjelaskan mengapa pelaburan itu tidak berhasil.

Jawapannya biasanya bahawa latihan itu direka untuk pematuhan, bukan perubahan tingkah laku. Dan latihan berasaskan pematuhan, walaupun yang terbaik sekalipun, bukan yang mengubah cara orang bekerja.

Yang mengubah cara orang bekerja ialah melihat seseorang yang mereka percayai dan hormati, seseorang yang melakukan kerja yang sama dengan mereka, menggunakan AI untuk menyelesaikan masalah yang mereka kenali. Itulah pengaruh rakan sejawat, dan ia telah menjadi mekanisme utama perubahan Workflow dalam organisasi selama berdekad-dekad. Penerimaan AI tidak berbeza.

Hujah Terhadap Latihan AI Dipimpin Pembekal

Program latihan AI yang dipimpin pembekal dan jabatan L&D mempunyai masalah kredibiliti yang berstruktur. Jurulatih mengetahui alat tersebut. Mereka tidak mengetahui Workflow, sistem, hubungan pelanggan atau titik tentangan khusus pasukan anda. Apabila jurulatih menunjukkan keupayaan, khalayak berfikir tentang bagaimana ia akan berfungsi dalam konteks mereka, dan jurulatih tidak dapat menjawab soalan tersebut dengan autoriti.

Champions rakan sejawat boleh. Mereka menyelesaikan masalah yang sama dengan kekangan yang sama. Apabila seorang rep jualan menunjukkan kepada rep jualan yang lain bagaimana AI mengurangkan masa penyelidikan cadangan beliau dari tiga jam kepada empat puluh minit, buktinya adalah segera dan relevan secara kontekstual. Tiada terjemahan diperlukan. Rep kedua tidak perlu membayangkan sama ada ia akan berfungsi. Dia boleh melihat bahawa ia berfungsi untuk seseorang yang melakukan kerja yang sama persis.

Inilah sebabnya pelaburan latihan AI yang secara konsisten memberikan kadar penerimaan tertinggi bukan lesen platform latihan. Ia adalah program champions rakan sejawat yang berstruktur. Champions bukan jurulatih. Mereka adalah influencer dengan autoriti operasi.

Jurang antara kadar penyelesaian dan penerimaan sebenar adalah penemuan utama daripada kebanyakan analisis serius program AI perusahaan. Kadar penyelesaian mengukur kehadiran. Kadar penerimaan mengukur sama ada latihan mengubah sesuatu. Kedua-dua angka ini berkorelasi lemah pada yang terbaik.

Bagaimana Rupa Sebenar Program AI Dipimpin Rakan Sejawat

Struktur program champions rakan sejawat yang berkesan adalah mudah, tetapi butiran pelaksanaan penting. Melakukannya dengan salah menghasilkan program yang kelihatan seperti program rakan sejawat tetapi berfungsi seperti versi pelancaran top-down yang agak lebih setempat yang sepatutnya digantikan.

Pemilihan champions adalah keputusan yang paling penting. Champions perlu memenuhi dua kriteria: mereka sudah bereksperimen dengan AI dalam sesuatu bentuk, dan mereka mempunyai kredibiliti rakan sejawat yang tulen dengan orang yang akan mereka pengaruhi. Autoriti formal bukan kelayakan. Ketua pasukan yang orang ramai tolak secara tertutup tidak akan memikul program itu. Penyumbang individu yang orang lain datang untuk mendapatkan nasihat tentang cara menangani akaun yang sukar akan.

Cari orang yang sudah menggunakan alat AI sendiri tanpa diminta. Mereka wujud dalam kebanyakan organisasi. Mereka menggunakan ChatGPT untuk menggubal komunikasi, menjalankan eksperimen dengan Notion AI atau Copilot, mencari jalan penyelesaian yang memudahkan kerja mereka. Orang-orang ini tidak perlu dilatih. Mereka perlu disokong dengan sumber, diberikan legitimasi dan dihubungkan dengan orang lain yang boleh belajar dari mereka.

Champions memerlukan masa yang longgar dalam jadual mereka. Inilah bahagian yang kebanyakan organisasi terlalu rendah anggaran. Anda tidak boleh menjadikan seseorang champion AI dalaman dan meninggalkan mereka dengan 100% beban kerja sebelumnya. Sesuatu perlu dikeluarkan. Biasanya ini bermaksud mengalihkan 10-15% masa selama 8-12 minggu semasa fasa program yang aktif. Organisasi yang cuba menjalankan program champions di atas beban kerja sedia ada berakhir dengan champions yang menyedari program itu tidak sesuai dan berhenti mengambil bahagian pada minggu ketiga.

Program memerlukan skop yang ditakrifkan, bukan mandat terbuka. Program champions rakan sejawat yang paling berkesan memberi tumpuan kepada kes penggunaan tertentu atau set Workflow tertentu dan bukannya "penerimaan AI secara umum". Champions memiliki satu masalah, menjadi mahir menyelesaikannya dengan AI, kemudian mengajar perkara khusus itu kepada rakan sejawat mereka. Keluasan datang kemudian. Kedalaman dan kekhususan datang dahulu.

Sebuah syarikat B2B 150 orang dalam perkhidmatan profesional menjalankan program champions rakan sejawat yang memberi tumpuan secara eksklusif pada penjanaan laporan pelanggan. Enam champions, setiap satu memiliki pod lapan rakan sekerja, dengan mandat 10 minggu untuk membuat pod mereka menerima penggubalan laporan berbantukan AI. Selepas program, 71% orang dalam pod champions menggunakan alat itu secara tetap. Kumpulan kawalan, yang menerima latihan pembekal standard untuk alat yang sama, berada pada 23%. Perbezaannya bukan alat itu. Ia adalah struktur akauntabiliti dan pengaruh rakan sejawat.

Peranan Keselamatan Psikologi

Program rakan sejawat berfungsi sebahagiannya kerana ia mengurangkan kos sosial menjadi pemula. Dalam latihan yang dipimpin pembekal, tidak tahu cara menggunakan alat di hadapan rakan sekerja boleh terasa mendedahkan. Orang yang skeptikal atau cemas tentang AI tidak akan mengemukakan soalan yang sebenarnya mereka ada dalam persekitaran kumpulan dengan orang asing yang menjalankan sesi.

Dengan rakan sejawat yang dipercayai, dinamiknya berbeza. Rakan sejawat itu sudah mengakui bahawa mereka perlu memikirkan perkara ini. Mereka berkongsi apa yang mereka pelajari, termasuk kesilapan-kesilapan. Itu menjadikan selamat untuk berasa tidak pasti, mencuba perkara yang tidak berfungsi, bertanya sama ada AI benar-benar alat yang betul untuk tugas tertentu.

Ini penting terutamanya bagi pekerja pertengahan kerjaya yang berasa lebih terdedah oleh penerimaan AI berbanding pekerja awal kerjaya. Kebimbangan tentang AI mengubah peranan sedia ada adalah nyata bagi kumpulan ini, dan rakan sejawat yang telah mengemudi kebimbangan yang sama dan menemui cara yang produktif untuk terlibat dengan AI jauh lebih meyakinkan daripada mandat eksekutif atau hujah jualan pembekal.

Cara Menangani Orang Skeptikal

Setiap program champions rakan sejawat menemui orang skeptikal. Sebahagian adalah vokal. Kebanyakan adalah pendiam. Kedua-dua jenis akan menjejaskan program jika champions tidak bersedia untuk mereka.

Naluri adalah mengabaikan orang skeptikal atau menenggelamkan mereka dengan data tentang manfaat AI. Kedua-duanya tidak berfungsi dengan baik. Yang berfungsi lebih baik ialah memberikan champions skrip untuk terlibat secara produktif dengan rasa skeptikal.

Bentuk yang paling biasa: "Ini hanyalah lebih banyak kerja di atas kerja sedia ada saya", "AI akan membuat kesilapan dan saya akan dipersalahkan" dan "Ini akhirnya akan menggantikan saya, jadi mengapa membantu melaksanakannya?" Setiap satu ini mempunyai jawapan yang nyata, tetapi jawapan itu perlu datang dari seseorang yang orang skeptikal percayai, bukan dari kata-kata CHRO di all-hands.

Champions yang secara peribadi telah mengemudi kebimbangan-kebimbangan ini adalah pembawa mesej yang betul. Mereka boleh berkata dengan jujur apa yang mereka bimbangkan, apa yang mereka cuba dan apa yang mereka temui. Perbualan tersebut adalah cara paling berkesan untuk mengurangkan rasa skeptikal terhadap AI yang boleh dijalankan oleh kebanyakan organisasi.

Penyelidikan transformasi tenaga kerja AI tentang pengurusan pertengahan merangkumi dinamik ini secara terperinci. Pengurus pertengahan sering menjadi penyokong terbesar dan penghalang terbesar penerimaan AI sekaligus, dan program rakan sejawat yang menyertakan pengurus pertengahan sebagai champions dan bukannya menguruskan di sekeliling mereka cenderung mempunyai penerimaan berterusan yang jauh lebih tinggi.

Mengukur Apa yang Benar-benar Penting

Program champions rakan sejawat berjaya atau gagal berdasarkan hasil tingkah laku, bukan penyelesaian latihan. Itu bermaksud mentakrifkan pengukuran dari segi perubahan Workflow sebenar sebelum program bermula.

Metrik yang baik untuk program AI yang dipimpin rakan sejawat: peratusan tingkah laku sasaran (menggunakan AI untuk tugas tertentu) yang diperhatikan selepas 8 minggu, penjimatan masa yang dilaporkan sendiri berbanding baseline, kualiti output sebagaimana yang dinilai oleh Stakeholder hiliran, dan pengekalan tingkah laku baharu pada 90 hari (titik penurunan biasa untuk tabiat Workflow baharu).

Metrik yang buruk: jam latihan yang diselesaikan, kadar kehadiran champions, skor kaji selidik tentang sama ada latihan menarik.

Satu struktur yang berguna ialah pengukuran sebelum dan selepas yang ringkas untuk pod setiap champion: sebelum program bermula, kaji selidik peserta tentang cara mereka mengendalikan Workflow tertentu pada masa ini dan berapa lama ia mengambil masa. Selepas program, kaji selidik mereka sekali lagi. Delta ialah bukti penerimaan anda. Ia bukan sains terkawal, tetapi ia adalah data jujur yang memberitahu anda sama ada tingkah laku berubah.

Matriks kemahiran AI menyediakan framework untuk menilai di mana jurang kemahiran sebenarnya berada sebelum mereka bentuk program. Langkah penilaian itu patut dijalankan sebelum memilih champions, kerana ia memberitahu anda Workflow mana yang mempunyai jurang tertinggi dan potensi terbesar, yang merupakan tempat program champions rakan sejawat harus memberi tumpuan terlebih dahulu.

Had Program Dipimpin Rakan Sejawat

Program rakan sejawat bukan strategi latihan AI yang lengkap. Ia adalah mekanisme perubahan tingkah laku untuk kes penggunaan tertentu. Ia tidak merangkumi dasar, tadbir urus, keselamatan data atau penyelarasan merentas fungsi yang akhirnya diperlukan oleh penerimaan AI perusahaan. Lapisan pematuhan dan dasar masih perlu berjalan secara selari.

Program rakan sejawat juga bergantung pada mempunyai champions yang benar-benar berada di hadapan keluk. Dalam organisasi di mana penerimaan AI telah sangat perlahan secara keseluruhan, mungkin tidak ada cukup early adopter untuk menyemaikan rangkaian champions. Dalam kes itu, fasa penerokaan berstruktur, yang memberikan kumpulan kecil masa yang dilindungi untuk bereksperimen sebelum program champions dilancarkan, berbaloi untuk dilabur.

Dan program rakan sejawat memerlukan sokongan eksekutif walaupun ia direka untuk bersifat bottom-up. Champions perlu merasakan bahawa kerja mereka mendapat pengesahan organisasi, bukan hanya bahawa mereka melakukan kebaikan untuk L&D. Penyertaan eksekutif yang kelihatan dalam showcase champions pertama, peruntukan belanjawan untuk masa champions, dan gelung Feedback yang benar-benar mencapai kepimpinan kanan adalah isyarat organisasi yang memberitahu champions bahawa kerja mereka penting.

Keputusan sama ada membina kapasiti champions dalaman atau mengupah bakat nativ AI untuk mempercepatkan penerimaan patut dipertimbangkan dengan teliti. Kes ROI upskilling berbanding pengupahan nativ AI merangkumi ekonominya. Program rakan sejawat biasanya merupakan laluan kos rendah bagi organisasi yang mempunyai cukup minat AI dalaman untuk menyemaikannya dengan betul.


Ketahui Lebih Lanjut

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.