อบรม AI สำหรับองค์กรที่ได้ผลคือการอบรมที่แยกเนื้อหาตามบทบาทของผู้เรียน ให้ลองทำกับงานจริงของตัวเอง และสอนเรื่องข้อมูลที่ห้ามใส่ลงในเครื่องมือไปพร้อมกับวิธีใช้ หลักสูตรที่สอนแต่ว่าเครื่องมือกดตรงไหนมักถูกลืมภายในไม่กี่สัปดาห์ บทความนี้ไล่ให้เห็นว่าหลักสูตรควรมีอะไร และควรถามอะไรก่อนเลือกผู้สอน
หลายองค์กรเริ่มคิดเรื่องอบรมหลังจากเห็นว่าพนักงานใช้แชตบอต AI กันเองอยู่แล้ว ถ้าอยากดูเรื่องกติกากลางก่อน อ่านต่อได้ที่ นโยบายการใช้ AI ในองค์กร และ Shadow AI การอบรมเป็นส่วนที่ทำให้กติกาเหล่านั้นถูกใช้จริง
เริ่มจากถามว่าใครต้องเรียนอะไร
คนในองค์กรหนึ่งแห่งต้องการความรู้เรื่อง AI ไม่เท่ากัน ผู้บริหารต้องรู้พอที่จะตัดสินใจเรื่องงบ ความเสี่ยง และนโยบาย พนักงานทั่วไปต้องรู้วิธีใช้กับงานประจำและรู้ขอบเขตของข้อมูล ทีมไอทีหรือทีมพัฒนาต้องรู้เรื่องการเชื่อมต่อ การตั้งค่า และการดูแลระบบ
การรวมทุกคนไว้ในห้องเดียวและสอนเนื้อหาเดียวกันทำให้ทุกกลุ่มได้ไม่ครบ ผู้บริหารเบื่อรายละเอียดการพิมพ์คำสั่ง ส่วนพนักงานหน้างานไม่ได้อะไรจากการพูดถึงยุทธศาสตร์ ทางที่ง่ายกว่าคือแบ่งเป็นสองถึงสามกลุ่มตามบทบาท แล้วจัดเนื้อหาให้สั้นลงสำหรับแต่ละกลุ่ม
| กลุ่มผู้เรียน | สิ่งที่ควรได้กลับไป |
|---|---|
| ผู้บริหาร | เข้าใจว่า AI ช่วยงานอะไรได้และไม่ได้ ตั้งคำถามเรื่องความเสี่ยงและข้อมูลได้ รู้ว่าต้องมีนโยบายและเจ้าของเรื่อง |
| พนักงานทั่วไป | ใช้แชตบอต AI กับงานประจำได้ รู้ว่าข้อมูลแบบไหนห้ามใส่ ตรวจผลลัพธ์ก่อนใช้ |
| ทีมไอทีและทีมเทคนิค | ตั้งค่าบัญชีองค์กร ควบคุมสิทธิ์ เชื่อมกับระบบเดิม และเฝ้าดูการใช้งาน |
เนื้อหาที่หลักสูตรควรมี
พื้นฐานที่พอให้ใช้เป็น
ผู้เรียนควรเข้าใจว่าแชตบอต AI สร้างคำตอบจากรูปแบบในข้อมูลที่เรียนมา ไม่ได้ค้นหาความจริงทุกครั้ง จึงตอบผิดด้วยน้ำเสียงมั่นใจได้ ความเข้าใจข้อนี้เปลี่ยนวิธีใช้ได้มากกว่าศัพท์เทคนิคชุดใหญ่ หลักสูตรไม่จำเป็นต้องสอนโครงสร้างของโมเดล
ลงมือทำกับงานของตัวเอง
ส่วนนี้ควรกินเวลาเรียนมากที่สุด ให้ผู้เรียนนำงานที่ทำอยู่จริง เช่น ร่างอีเมล สรุปรายงานที่เปิดเผยได้ หรือจัดโครงเอกสาร มาลองกับเครื่องมือที่องค์กรอนุมัติ แล้วเปรียบเทียบผลที่ได้กับงานที่ทำเอง ตัวอย่างสมมติทั่วไปในสไลด์ให้ความรู้สึกว่ารู้เรื่อง แต่ไม่ช่วยให้ใครกลับไปทำงานได้เร็วขึ้น
ข้อมูลที่ห้ามใส่
หลักสูตรควรสอนว่าข้อมูลแบบไหนห้ามใส่ลงในเครื่องมือ AI ภายนอก เช่น ข้อมูลส่วนบุคคลของลูกค้าและพนักงาน รหัสผ่าน สัญญา และเอกสารที่เป็นความลับ ถ้าองค์กรมีการจัดระดับข้อมูลหรือนโยบายการใช้ AI อยู่แล้ว ให้ใช้ชื่อระดับเดียวกันในห้องเรียน พนักงานจะได้ไม่ต้องจำศัพท์สองชุด
เรื่องนี้เกี่ยวกับ PDPA โดยตรง ขอบเขตที่แน่นอนของแต่ละองค์กรขึ้นกับประเภทข้อมูลและสัญญาที่มี ข้อมูลในบทความนี้เป็นข้อมูลทั่วไป ไม่ใช่คำแนะนำทางกฎหมาย ควรปรึกษาที่ปรึกษากฎหมายก่อนกำหนดกติกาเรื่องข้อมูลส่วนบุคคล
การตรวจผลลัพธ์
ผู้เรียนต้องฝึกตรวจสิ่งที่ AI ตอบ ทั้งตัวเลข ชื่อ แหล่งอ้างอิง และเนื้อหาทางกฎหมายหรือการเงิน ควรมีแบบฝึกที่ให้ผู้เรียนจับข้อผิดพลาดในคำตอบจริง เพราะคนที่ไม่เคยเห็น AI ตอบผิดมักไว้ใจเกินไป
ใครรับผิดชอบเมื่อใช้ผิด
บอกให้ชัดว่าผลงานที่ใช้ AI ช่วยยังเป็นความรับผิดชอบของพนักงานที่ส่งงาน และบอกช่องทางถามหรือแจ้งเมื่อเกิดเหตุ เช่น วางข้อมูลผิดหรือได้ผลลัพธ์ที่น่าสงสัย ถ้าแจ้งแล้วถูกตำหนิ คนจะเลิกแจ้ง
ตรวจให้ชัดว่าหลักสูตรอ้างอิงอะไร
หลักสูตรที่มีหลักยึดจะอธิบายได้ว่าเนื้อหามาจากกรอบใด NIST AI Risk Management Framework เป็นกรอบแบบสมัครใจที่วางไว้ให้องค์กรหลายประเภทใช้ในการจัดการความเสี่ยงของ AI และ NIST ยังมี Generative AI Profile ซึ่งเผยแพร่เมื่อ 26 กรกฎาคม 2024 เป็นเอกสารประกอบสำหรับ AI เชิงสร้างสรรค์โดยเฉพาะ ในฝั่งไทย ศูนย์ AI Governance ของ ETDA เผยแพร่เอกสารแนวทางหลายฉบับ รวมถึง Thailand’s AI Governance Guideline for Executive ที่ลงปี 2023
ผู้สอนไม่จำเป็นต้องท่องกรอบเหล่านี้ให้ผู้เรียนฟัง แต่ควรอธิบายได้ว่าเนื้อหาส่วนความเสี่ยงและการกำกับดูแลในหลักสูตรอิงอะไร ถ้าตอบไม่ได้ ควรระวัง
คำถามที่ควรถามก่อนเลือกผู้สอน
- ปรับเนื้อหาให้ตรงกับงานและเอกสารจริงของเราได้หรือไม่ หรือใช้ชุดสไลด์เดียวกันกับทุกองค์กร
- มีเรื่องข้อมูลที่ห้ามใส่และการตรวจผลลัพธ์อยู่ในหลักสูตรหรือไม่
- แยกเนื้อหาตามบทบาทได้หรือไม่
- มีวิธีติดตามหลังอบรมอย่างไร เช่น รอบถามตอบ หรือช่องทางส่งคำถามเพิ่ม
- ผู้สอนมีพื้นฐานด้านความปลอดภัยสารสนเทศหรือไม่ เพราะการใช้ AI กับงานจริงชนกับเรื่องข้อมูลอยู่เสมอ
- จัดได้ทั้งที่องค์กรและแบบออนไลน์หรือไม่
อย่าตัดสินจากจำนวนเครื่องมือที่หลักสูตรสอนหรือชื่อเครื่องมือที่ดัง เครื่องมือเปลี่ยนเร็ว แต่ทักษะการตั้งโจทย์ การตรวจผล และการรักษาข้อมูลใช้ได้นานกว่า
ออนไซต์หรือออนไลน์
ทีม TechFinder จัดอบรมทั้งแบบออนไซต์ที่องค์กรของลูกค้าและแบบออนไลน์ สองแบบเหมาะกับสถานการณ์ต่างกัน
ออนไซต์เหมาะกับเวิร์กช็อปที่ต้องใช้เอกสารและขั้นตอนงานของทีมเอง ผู้สอนเห็นหน้างานและปรับตัวอย่างได้ทันที ส่วนออนไลน์สะดวกเมื่อผู้เรียนกระจายตามสาขา หรือเมื่ออยากจัดรอบเสริมสั้น ๆ หลังอบรมหลัก หลายองค์กรเลือกผสมกัน โดยเปิดด้วยเวิร์กช็อปออนไซต์หนึ่งรอบ แล้วตามด้วยรอบออนไลน์สำหรับคำถามที่เกิดขึ้นหลังจากนั้น
วัดผลจากพฤติกรรม
ก่อนอบรม ควรตกลงกันว่าจะดูอะไรเป็นสัญญาณว่าได้ผล ตัวชี้วัดที่ใช้ได้ง่ายคือพฤติกรรมในที่ทำงาน
- พนักงานใช้เครื่องมือที่องค์กรอนุมัติแทนบัญชีส่วนตัวมากขึ้นหรือไม่
- เหตุการณ์วางข้อมูลต้องห้ามลดลงหรือไม่ ถ้าองค์กรบันทึกเรื่องนี้อยู่
- งานที่เลือกมาทดลองใช้ AI ใช้เวลาน้อยลงหรือไม่ เมื่อเทียบกับก่อนเริ่ม
- มีคนส่งคำถามหรือแจ้งปัญหาเข้ามามากขึ้นหรือไม่ ซึ่งบอกว่าคนกล้าถาม
คะแนนสอบท้ายหลักสูตรบอกได้แค่ว่าจำเนื้อหาได้ ไม่ได้บอกว่าคนทำงานต่างจากเดิม
เริ่มจากอะไรได้ในสัปดาห์นี้
- ถามแต่ละฝ่ายว่าตอนนี้ใช้ AI ทำงานอะไรอยู่ แล้วจดไว้
- เลือกสองถึงสามกลุ่มผู้เรียนตามบทบาท
- ตรวจว่ามีนโยบายหรือการจัดระดับข้อมูลที่จะใช้เป็นฐานในห้องเรียนแล้วหรือยัง
- เลือกงานจริงหนึ่งหรือสองอย่างต่อกลุ่มเพื่อใช้เป็นโจทย์ฝึก
- ตกลงตัวชี้วัดพฤติกรรมก่อนวันอบรม
หากอยากคุยว่าหลักสูตรสำหรับองค์กรของคุณควรหน้าตาอย่างไร ดูรายละเอียดบริการได้ที่ อบรม AI สำหรับองค์กร หรือติดต่อทีม TechFinder
คำถามที่พบบ่อย
อบรม AI สำหรับองค์กรควรเริ่มจากใคร
เริ่มจากกลุ่มที่ใช้ AI กับงานจริงอยู่แล้วหรือกำลังจะใช้ในไตรมาสนี้ พร้อมกับผู้บริหารที่ต้องตัดสินใจเรื่องนโยบาย การอบรมทุกคนพร้อมกันโดยยังไม่รู้ว่าแต่ละฝ่ายใช้ทำอะไรมักเสียเวลาโดยเปล่าประโยชน์
หลักสูตร AI สำหรับพนักงานทั่วไปควรมีเรื่องความปลอดภัยด้วยหรือไม่
ควรมี เพราะความเสี่ยงที่พบบ่อยคือพนักงานวางข้อมูลลูกค้าหรือเอกสารภายในลงในแชตบอต AI โดยไม่รู้ตัว ควรสอนว่าข้อมูลแบบไหนห้ามใส่ และต้องตรวจผลลัพธ์ก่อนนำไปใช้เสมอ
อบรมแบบออนไซต์กับออนไลน์ต่างกันอย่างไร
ออนไซต์เหมาะกับการทำเวิร์กช็อปจากเอกสารและขั้นตอนงานจริงของทีม ส่วนออนไลน์สะดวกเมื่อผู้เรียนกระจายอยู่หลายสาขาหรือต้องการจัดรอบเสริมสั้น ๆ หลายองค์กรใช้ทั้งสองแบบผสมกัน
วัดอย่างไรว่าการอบรม AI ได้ผล
ดูพฤติกรรมหลังอบรม เช่น พนักงานใช้เครื่องมือที่องค์กรอนุมัติหรือไม่ มีกรณีวางข้อมูลต้องห้ามน้อยลงหรือไม่ และงานที่เลือกมาทดลองใช้เสร็จเร็วขึ้นหรือไม่ คะแนนสอบหลังเรียนอย่างเดียวบอกได้ไม่มาก
เนื้อหาเรื่อง PDPA ในบทความนี้เป็นคำแนะนำทางกฎหมายหรือไม่
ไม่ใช่ เป็นข้อมูลทั่วไปเท่านั้น หากต้องการกำหนดรายละเอียดด้านข้อมูลส่วนบุคคลของหลักสูตร ควรปรึกษาที่ปรึกษากฎหมาย