Kurs pisania promptów może nauczyć pracownika, jak poprosić o bardziej zrozumiałą odpowiedź. Niekoniecznie jednak nauczy go oceniać, czy odpowiedź nadaje się do wykorzystania w raporcie finansowym, jakie informacje wolno wprowadzić do narzędzia ani kto musi zatwierdzić kolejne działanie. To odrębne potrzeby edukacyjne, które zależą od obowiązków pracownika.
Wytyczne Komisji Europejskiej dotyczące artykułu 4 unijnego aktu w sprawie AI wiążą kompetencje w zakresie AI z systemami dostarczanymi lub wykorzystywanymi przez organizację, związanym z nimi ryzykiem oraz wiedzą osób, które z nich korzystają. Nie narzucają uniwersalnego kursu ani nie wymagają certyfikatu. Praktyczne pytanie nie brzmi więc po prostu: czy pracownicy ukończyli szkolenie? Chodzi o to, czy wiedzą wystarczająco dużo, aby wykonywać swoje konkretne obowiązki związane z AI.
Kto potrzebuje kompetencji w zakresie AI i co powinny one obejmować
W opublikowanych przez Komisję pytaniach i odpowiedziach dotyczących kompetencji w zakresie AI wyjaśniono, że artykuł 4 dotyczy dostawców, podmiotów stosujących oraz osób bezpośrednio zajmujących się ich systemami AI. Jego zakres wykracza poza pracowników i obejmuje osoby obsługujące systemy lub korzystające z nich w imieniu organizacji. Mogą to być także wykonawcy, usługodawcy i klienci objęci jej zakresem organizacyjnym.
Zacznij od ustalenia, z jakimi systemami ludzie faktycznie mają do czynienia i co z nimi robią. Uwzględnij osoby weryfikujące pracę wygenerowaną przez AI, a nie tylko te, które wpisują prompty. W przypadku osób spoza organizacji ustal, jakie działania wykonują w jej imieniu i jakich wskazówek potrzebują.
Komisja zaleca uwzględnienie ogólnej wiedzy o AI, roli organizacji, ryzyka związanego z systemami, dotychczasowej wiedzy osób oraz kontekstu i celu wykorzystania, w tym osób, na które systemy oddziałują. Ustalenie, czy organizacja jest dostawcą, czy podmiotem stosującym, wymaga odrębnej oceny prawnej. Jeśli tworzenie lub integracja systemu powoduje wątpliwości, równolegle z oceną potrzeb pracowników sprawdź, kiedy integracja AI z ERP może wiązać się z obowiązkami dostawcy.
Takie podejście daje programowi wspólną podstawę, ale nie wymaga od wszystkich uczestników realizacji identycznego programu nauki. Wyjaśnij, jakie systemy AI są używane, jakie mają możliwości i ograniczenia oraz jakie zasady obowiązują w organizacji. Następnie rozwijaj wiedzę potrzebną do wykonywania poszczególnych obowiązków.
Dopasuj naukę do podejmowanych decyzji
Wytyczne Komisji dotyczące proporcjonalności wskazują na potrzebę dostosowania działań rozwijających kompetencje do roli organizacji i ryzyka związanego z systemami. W przypadku osób pracujących z systemami wysokiego ryzyka mogą być istotne dodatkowe środki. W praktyce warto zastosować tę zasadę, rozróżniając sporadyczne korzystanie z AI, weryfikację wyników i nadzór operacyjny.
Okazjonalni użytkownicy potrzebują jasnych granic działania
Przykładowa sytuacja: pracownik korzysta z zatwierdzonego asystenta, aby przygotować projekt komunikatu wewnętrznego. Nauka powinna obejmować to, jakie informacje wolno wprowadzać, jak sprawdzić zgodność projektu z zamierzonym przekazem i kiedy poprosić o pomoc. Przećwiczcie to na tekście, który brzmi przekonująco, ale zawiera nieuzasadnione zobowiązanie. Pracownik powinien rozpoznać, że dopracowane sformułowanie nie oznacza zgody na podjęcie takiego zobowiązania.
Powiąż ćwiczenie bezpośrednio z zadaniem. Osoba przygotowująca rutynowe wiadomości musi rozumieć odpowiednie ograniczenia i zasady postępowania z informacjami. Niekoniecznie musi natomiast wiedzieć, jak skonfigurować proces wykorzystujący AI.
Osoby weryfikujące muszą wiedzieć, co stanowi wystarczające potwierdzenie
Przykładowa sytuacja: pracownik działu finansowego otrzymuje informacje wyodrębnione z dokumentu przez AI. Jego odpowiedzialność nie sprowadza się do oceny, czy wynik wygląda wiarygodnie. Naucz go porównywać odpowiednie pola ze źródłem, rozpoznawać niepewność lub brakujące informacje oraz przekazywać nierozstrzygnięte rozbieżności do wyjaśnienia, zanim dane zostaną wykorzystane.
Kwestia jakości systemu należy do zakresu testów odbiorowych ekstrakcji danych z dokumentów finansowych. Pytanie o kompetencje dotyczy natomiast tego, czy osoba weryfikująca rozumie te kryteria odbioru i potrafi je stosować. Jasna reguła ma niewielką wartość praktyczną, jeśli osoba sprawdzająca wynik nie potrafi rozpoznać jej naruszenia.
Menedżerowie weryfikujący pracę wygenerowaną przez AI również muszą rozumieć, co zatwierdzają. Poproś ich, aby odróżnili poprawianie sposobu prezentacji, sprawdzanie informacji źródłowych i zatwierdzanie decyzji biznesowej. Te czynności nie są zamienne.
Zespoły konfigurujące i nadzorujące potrzebują wiedzy operacyjnej
Przykładowa sytuacja: zespół nadzoruje asystenta, który proponuje zmiany w danych biznesowych. Naucz członków zespołu, które działania pozostają propozycjami, co wymaga zatwierdzenia, jak rozpoznać nieoczekiwane zachowanie i z kim się skontaktować, gdy trzeba wstrzymać proces.
Powiąż naukę z rzeczywistymi granicami między przygotowaniem propozycji, zatwierdzaniem i wykonywaniem działań. Rozumienie ograniczeń wyniku to wymóg dotyczący wiedzy. Wiedza o tym, kiedy i do kogo skierować problem, wiąże się z odpowiedzialnością proceduralną. Uprawnienie do zatwierdzenia wykorzystania wyniku jest natomiast decyzją organizacyjną. Szkolenie powinno wyjaśniać każdy z tych aspektów, nie sugerując, że samo ukończenie kursu nadaje prawo do zatwierdzania.
W odniesieniu do systemów wysokiego ryzyka wytyczne Komisji wskazują również na odrębny obowiązek wynikający z artykułu 26, dotyczący odpowiednio przeszkolonego personelu i nadzoru człowieka. Zgodnie z nimi poleganie wyłącznie na instrukcji użytkowania nie wystarcza.
Połącz praktyczne eksperymentowanie z odpowiedzialnością
Dyskusja społeczności Microsoft ERP dostarcza użytecznego przykładu wdrażania nowych sposobów pracy. Uczestnicy opisali zapewnienie liderom czasu bez zakłóceń oraz wsparcia, aby mogli stworzyć coś przydatnego w swojej pracy. Następnie omówili rolę wewnętrznych ambasadorów, którzy mogliby pomagać w upowszechnianiu nowych rozwiązań. Takie podejście wiąże naukę z konkretnym zadaniem biznesowym, zamiast poprzestawać na ogólnej prezentacji.
Dyskusja łączyła również wdrażanie nowych narzędzi z zabezpieczeniami. Jeden z uczestników opisał politykę dopuszczalnego użytkowania zakazującą wprowadzania danych osobowych do narzędzi AI, w tym informacji o rachunkach bankowych, oraz przypisującą pracownikom odpowiedzialność za pracę wykonaną z użyciem AI.
Projektując naukę, wykorzystaj to połączenie: praktyczne eksperymentowanie, łatwo dostępne wsparcie i jasne granice. Pozwól ambasadorom pomagać współpracownikom zrozumieć dozwolone zastosowania i zgłaszać pytania, zachowując jednocześnie wyraźny podział formalnej odpowiedzialności za zatwierdzanie. Zaangażowany współpracownik nie powinien stawać się domyślną osobą zatwierdzającą tylko dlatego, że dobrze zna narzędzie.
Ćwiczenia powinny więc uwzględniać powód do zatrzymania się lub poproszenia o pomoc, a nie tylko pomyślny rezultat. Poproś uczestników, aby wyjaśnili, co sprawdziliby, co pozostaje niepewne i kto odpowiada za kolejną decyzję.
Prowadź przydatną dokumentację zamiast utożsamiać certyfikaty ze zgodnością
Komisja wskazuje, że nie ma wymaganego uniwersalnego formatu szkolenia ani obowiązku posiadania certyfikatu. Organizacje mogą prowadzić wewnętrzne rejestry szkoleń lub innych działań instruktażowych. Pozostawia to miejsce na warsztaty oparte na zadaniach, ćwiczenia ze wsparciem i krótkie szkolenia tematyczne, zamiast wymagać konkretnego produktu szkoleniowego.
Oddziel ustawowy obowiązek zapewnienia kompetencji w zakresie AI od dokumentacji pomocniczej, którą zdecydujesz się prowadzić. Przydatne zapisy mogą obejmować:
- Systemy i obowiązki uwzględnione w ocenie każdej roli.
- Udostępnione materiały edukacyjne i wskazówki.
- Udział w szkoleniach i ukończone ćwiczenia praktyczne.
- Pytania lub nieporozumienia wymagające dalszego wyjaśnienia.
- Powód aktualizacji programu nauki po zmianie obowiązków lub systemów.
Zapis ukończenia szkolenia pokazuje, że określone działanie się odbyło. Aby ocenić, czy nauka odpowiada potrzebom danego stanowiska, sprawdź również, czy pracownicy potrafią wyjaśnić ograniczenia wyniku, rozpoznać moment wymagający eskalacji i wskazać osobę uprawnioną do zatwierdzenia. To bardziej użyteczna podstawa do doskonalenia programu niż uznanie posiadania certyfikatu za odpowiedź na wszystkie pytania.
Jeśli potrzebujesz pomocy w powiązaniu obowiązków pracowników z szerszymi zobowiązaniami organizacji, porozmawiaj z Digiventi o wsparciu w zapewnieniu zgodności z EU AI Act.