这10个主题真的没有遗漏吗?
在协助设计AI素养培训时,笔者有时会收到类似的咨询。人力资源部门苦恼于”面向全体员工究竟该教什么、教到什么程度”,数字化转型推进部门关心”培训结束后员工是否真的会用”,信息系统部门则担心”信息管理规则尚未明确时,使用范围是否会失控”。这些顾虑背后有一个共同问题。企业希望在内部推广生成式AI,却往往说不清全体员工究竟需要掌握哪些基础知识和判断标准。
过去的AI培训,往往仅介绍AI概况或工具操作便告结束。但如今,生成式AI已开始进入文案撰写、摘要、会议纪要、内部咨询、销售资料、培训教材制作等日常工作。因此,培训内容仅涵盖”什么是AI”已远远不够。还需要把业务应用、提示词、信息安全、著作权、内部规则以及培训后的落地纳入整体设计。
例如,假设要为300名员工设计为期1个月的全员AI素养培训,如果将培训资料划分为10个主题,就更容易进一步设计各部门的补充内容、理解程度测试和在线学习课程。如果企业使用Kanata这类集成AI对话、AI摘要和在线学习的业务支持平台,也可以把培训、练习、复习与实际业务应用串联起来。
本文将AI素养培训应涵盖的10个主题整理为面向全体员工的通用内容,既可用于比较不同培训服务商的方案,也可作为内部讲师编写培训资料的基础。不过,仅仅罗列主题并不能让AI应用真正落地。只有与运营规则、信息管理及培训后的实践机会一并设计,培训才能在一线持续发挥作用。
AI素养培训不仅要统一”知识”,还要统一”判断标准”
提到AI素养培训,很多人可能会想到教授AI的运行机制以及生成式AI工具使用方法的培训。
当然,什么是AI、生成式AI能做什么、如何编写提示词等基础知识必不可少。但根据笔者的实践经验,面向全体员工的培训真正重要的,并不是培养更多”精通AI的人”,而是让每位员工在工作中使用AI时,至少具备基本判断能力。
例如,需要作出以下判断。
- 这项工作是否可以交给AI
- 这些信息是否可以输入AI
- AI的输出可以相信到什么程度
- 对外发布前应由谁审核
- 自己的部门应该先从哪项工作开始尝试
- 出现问题时应该向谁咨询
AI素养培训的目的,不是让所有员工学会同样的工具操作,而是建立全员使用AI所需的基本共识。
笔者在设计AI培训时,经常将其比作”驾驶执照”。即使没有完全理解汽车发动机的结构,也可以驾驶汽车。但是,如果不懂交通信号、速度限制、危险预判和事故处理,就不能开车上路。生成式AI也是如此。在理解高深技术之前,首先需要掌握在工作中使用AI的规则和判断标准。
联合国教科文组织《人工智能伦理问题建议书》也强调,应提升相关人员的AI素养,并通过教育、培训和公众意识建设帮助人们理解AI的能力、局限与风险。
从这个意义上说,AI素养培训同时包含数字化转型、信息安全和业务改进培训的部分内容。内容过窄,就难以覆盖一线需求;范围过宽,培训内容又会显得散乱。因此,首先将全体员工应共同掌握的内容划分为10个主题,是培训设计的起点。
AI素养培训应涵盖的10个主题
面向全体员工的AI素养培训,如果围绕以下10个主题进行设计,就更容易避免内容遗漏。
- AI、生成式AI与LLM的基本概念
- 生成式AI能做什么、不能做什么
- 工作中常见且易于应用的典型场景
- 提示词基础
- AI输出的核查方法
- 信息安全与禁止输入的信息
- 与著作权、个人信息和内部规章的关系
- 各部门的应用示例
- 内部规则与运营责任
- 培训后的应用落地设计
这10个主题并不只是一份知识清单。前半部分的1至5项,是理解AI并实际使用AI的基础;后半部分的6至10项,则是组织安全推广AI并使其在业务中落地所需的主题。
设计AI培训内容时,不能只偏重”便捷的用法”。一线人员往往更关注”可以用来做什么”,而管理部门和信息系统部门则更关注”哪些事情不能做”。
如果只强调便利性或只强调风险,培训就难以有效发挥作用。将便利性、局限、责任和运营结合起来讲解,才能提高全员培训的实效。
主题1:AI、生成式AI与LLM的基本概念
首先应当讲解的是AI、生成式AI与LLM的基本概念。
面向全体员工的培训无需过度深入技术细节。相反,如果专业术语过多,学员可能在培训初期就跟不上进度。
这里的目标,是让学员能够大致说明以下概念之间的区别。
- 什么是AI
- 什么是生成式AI
- 什么是LLM
- 搜索引擎与生成式AI有什么区别
- 传统聊天机器人与生成式AI对话有什么区别
AI是利用计算机模拟人类判断、识别等能力的一类技术的统称。生成式AI是其中用于生成文本、图像、音频、摘要、代码等新内容的技术。LLM是”Large Language Model”的缩写,中文称为大语言模型。它是一种通过学习大量文本,根据上下文生成自然语言内容的AI模型。
不过,概念讲解不能止步于定义。笔者在培训中经常补充一点:与其把生成式AI理解为”知识仓库”,不如把它看作根据上下文生成内容的系统。
如果没有这种认识,学员就会把AI回答当成”搜索结果”或”标准答案”。然而,生成式AI并不总能返回正确的信息。它擅长生成自然且有说服力的文本,但对于最新信息、企业内部特有信息、精确数字和法律判断等,未必总是正确。
在第一个主题中建立这一共识,后续关于风险管理和输出核查的内容就更容易理解。
主题2:生成式AI能做什么、不能做什么
接下来,需要明确生成式AI能做什么、不能做什么。
AI素养培训仅仅告诉学员”AI很方便”是不够的。只强调便利性,学员可能会产生过高期待,也可能反而认为”这与我的工作无关”而保持距离。
培训中首先应具体说明生成式AI擅长的工作。典型工作包括:
- 撰写文本初稿
- 起草电子邮件
- 总结会议记录、整理会议纪要
- 梳理资料结构
- 头脑风暴
- 改写表达
- 制作对比表
- 起草FAQ和操作手册
- 拟定培训内容大纲
使用Kanata时,与其一开始就追求高度自动化,不如先从电子邮件初稿、会议纪要制作、资料改写、调研切入点梳理、周报和一对一沟通记录准备等适用于多个部门、便于上手的工作开始,这样的设计更为现实。这些任务经常出现在日常工作中,员工更容易找到实际用途。
另一方面,也需要同样细致地讲解生成式AI不擅长的事项。例如,以下工作不应完全交由AI处理。
- 保证数字和日期准确无误
- 法务、税务、劳动用工等专业判断
- 与客户的重要谈判
- 绩效评价的最终判断
- 经营决策
- 对外发布前的最终审核
- 处理包含机密信息的文档
AI更适合起草文稿、提炼摘要、整理信息和建议调研方向,而事实核查、最终判断以及涉及人际关系的沟通应由人来负责。培训中应反复传达这一界限。
在这些场景中,AI应作为整理决策材料的助手,最终判断仍由人负责。
培训中加入区分”交给AI的工作”和”由人负责的工作”的练习,会更为有效。例如,让学员列出自己的10项工作,并分为以下3类。
- 容易交给AI的工作
- 由AI起草、再由人审核的工作
- 不应交给AI的工作
完成这种分类后,员工就更容易判断AI可以用在哪些具体环节。根据笔者的经验,AI应用越深入的企业,越不会试图让AI包办一切。相反,人和AI的职责分工更加明确。
主题3:工作中常见且易于应用的典型场景
第三个主题是工作中常见且易于应用的典型场景。
面向全体员工的培训不仅要进行抽象说明,还需要让学员知道”明天开始可以用来做什么”。
尤其在首次培训中,与复杂案例相比,从贴近日常工作的案例入手更容易落地。笔者开展AI培训时,也会避免一开始就过多讲解高度自动化或系统集成。重要的不是描绘多么宏大的未来,而是让学员感受到明天的工作可以更轻松一些。
撰写电子邮件
让AI起草请求、日程协调、致谢、致歉、内部通知等电子邮件。
培训中,与其只演示”请写一封邮件”,不如展示如何指定收件人、目的、要点、语气和字数。
请起草一封与合作方协调日程的邮件。对方是现有客户,我方将提供3个候选日期。语言应礼貌但不要过于生硬,正文请控制在300字以内。
补充这些具体信息后,AI输出通常会明显改善。
整理会议纪要和会议记录
根据会议记录或转写文本,整理已决定事项、待办事项、讨论要点以及下次会议前需完成的任务。
如果使用Kanata这类能够通过文档、图像、音频、URL、文本等多种输入方式生成摘要的服务,就更容易将会议纪要、会议记录、资料和录音内容等纳入培训练习。
许多部门都需要整理会议纪要。培训时可按岗位选择销售会议、人事面谈、项目例会、经营会议或客户洽谈等场景,让员工练习与自己工作相关的任务。
拟定资料大纲
让AI提供策划书、提案书、内部说明资料等内容的大纲。
与从空白页面开始写作相比,在已有大纲上修改,通常更容易动笔。笔者自己制作资料时,有时也会先让AI给出大纲,再根据自己的想法进行删减、调整顺序和改写。
文本改写与校对
例如缩短长文本、补充专业术语说明,或根据读者调整语气。
不过,AI可能会改变原意,因此改写后必须进行核查。尤其是包含合同、规章、规格、数字和客户条件的文档,需要区分表达优化与事实变更并分别检查。
头脑风暴与梳理要点
构思新的策划方案、培训主题、客户提案和业务改进方案时,也可以借助AI拓展思路。
重要的是,不要向AI寻求”标准答案”,而要让它提供可供进一步讨论的初步思路。笔者认为,AI的价值与其说在答案本身,不如说在于帮助人们更快理清思路。
培训中按部门安排练习时间,让学员能够联系自身工作,会更为有效。
主题4:提示词基础
第四个主题是提示词基础。
提示词是向AI发出的指令。生成式AI的输出质量在很大程度上取决于指令的表达方式。不过,面向全体员工的培训无需教授高深的提示词技巧。
首先,应统一一套适用于各种工作的基本框架。培训中可以将以下6个要素作为基础结构进行讲解。
- 角色
- 指定希望AI以什么身份回答。例如:你是员工培训的设计负责人。
- 目的
- 说明生成内容的用途。例如:我想设计面向全体员工的培训大纲。
- 目标读者
- 明确由谁阅读,或向谁说明。例如:面向不熟悉AI的普通员工。
- 背景信息
- 提供判断所需的条件和背景。例如:培训时间为90分钟,参训人员为300名。
- 输出格式
- 指定表格、项目符号列表、电子邮件、幻灯片大纲等格式。例如:请按H2和H3层级输出大纲。
- 限制条件
- 指定应避免的表达和注意事项。例如:请勿捏造数字。不确定之处请标注”待确认”。
培训中对比质量较差和经过改进的提示词,可以加深学员的理解。
- 不好的示例
- 帮我想一下AI培训的内容
- 较好的示例
- 你是面向全体员工的AI素养培训设计师。对象为包括AI初学者在内的300名员工。培训时长为90分钟,希望涵盖生成式AI基础、业务应用、信息安全和练习。请按H2和H3层级,制作包含时间分配的培训方案。请勿过度使用专业术语,不明确的前提请标注”待确认”。
即使指令很模糊,AI通常也会给出回答。但由于对象、培训时间、目的和输出格式都很模糊,内容往往难以直接用于实际工作。
笔者会告诉学员,应把提示词看作”任务说明”,而不只是简单的一句请求。就像委托他人工作一样,说明背景、目的、条件和交付格式。仅做到这一点,许多学员就能更具体地向AI发出指令。
主题5:AI输出的核查方法
第五个主题是AI输出的核查方法。
AI素养培训不仅要教授提示词的写法,也需要同样重视输出核查方法。
生成式AI擅长生成自然的文本。因此,即使内容有误,也可能看起来正确。笔者在培训中会特别强调这一点,因为生成式AI的风险不在于明显荒谬的回答,而在于自然且有说服力的错误。
培训中至少应从以下方面进行核查。
核查数字
销售额、人数、比例、时间区间、费用、数量等数字必须核查。应规定不得直接使用AI给出的数字,而要与一手信息、内部资料和官方信息进行比对。
核查日期
活动日期、合同日期、发布日期、法律修订日期和截止日期等也需要核查。尤其是新旧信息混杂时,可能在内部文档中造成重大误解。
核查专有名词
公司名称、服务名称、人名、部门名称和产品名称等专有名词容易出现错字或混淆。对外资料中的专有名词错误会损害信任,因此必须由人核查。
核查引用和出处
AI提供的引用和出处不一定真实存在。培训中需要告诉学员:”即使出现了看似引用的内容,也必须查阅原文。”
区分判断与事实
AI输出中可能混杂事实、推测和建议。应让学员养成先区分”这是事实、推测还是意见”,再逐项核查的习惯。
这里的重点并不是怀疑AI,而是确保AI输出经过核验,并由使用者对其负责。
主题6:信息安全与禁止输入的信息
第六个主题是信息安全。
在AI素养培训中,信息安全不能被放到最后。如果先讲便捷用法,之后才说明注意事项,学员可能会理解为”总之可以先用”。
笔者在生成式AI培训的早期阶段就会讲解”不得输入的信息”。即使内容略显严肃,也不能在这一点尚不明确的情况下推动业务应用。
培训中需要具体说明哪些信息可以输入AI,哪些信息不得输入。
| 类别 | 示例 | 培训中的处理方式 |
|---|---|---|
| 公开信息 | 官方网站、公开资料、新闻稿 | 原则上较易使用 |
| 一般内部信息 | 内部操作手册、已发布的内部FAQ | 按照内部规则使用 |
| 客户信息 | 商务洽谈记录、合同条件、提案内容 | 确认合同、权限和脱敏要求 |
| 个人信息 | 姓名、地址、联系方式、员工编号 | 原则上不得输入,必要时进行脱敏 |
| 机密信息 | 健康信息、宗教信仰、银行账户信息、身份证件号码等敏感个人信息 | 禁止输入 |
| 未公开信息 | 未公开财务数据、人事变动、并购信息 | 禁止输入 |
使用生成式AI时,需要谨慎处理个人信息、客户信息、商业秘密以及未公开的重要信息。不同AI服务对输入数据的保存期限、是否用于训练、管理员权限、日志访问和外部传输有不同规定,因此需要结合企业内部的使用规则和合同条件进行确认。
在培训中介绍基本的脱敏方法,也会更便于实际应用。
- 将姓名替换为”负责人A”
- 将公司名称泛化为”某大型制造企业”等
- 将精确金额模糊化为”千万元级”等区间表达
- 删除地址和联系方式
- 不得保留可推断出特定个人的信息
但是,脱敏并不意味着任何信息都可以输入。多项信息组合后,仍可能推断出个人或客户身份。
培训中还应明确”拿不准就不输入””难以判断时向管理部门或信息系统部门确认”等规则。
笔者认为,讨论安全并不是为了阻止AI应用。相反,明确安全范围,才能让员工放心使用。
主题7:与著作权、个人信息和内部规章的关系
第七个主题是与著作权、个人信息和内部规章的关系。
这个主题看似复杂,但面向全体员工的培训并不是为了教授法律细节,而是让员工能够意识到”这种用法需要确认”。
例如,可以在培训中讲解以下场景。
- 让AI总结外部文章并用于内部资料
- 让AI读取其他公司的白皮书并制作对比表
- 让AI整理客户提供的资料
- 将包含员工信息的人事数据输入AI
- 将AI撰写的文本用于对外广告或销售资料
- 直接发布AI生成的图像或文案
这些场景可能涉及著作权、合同、个人信息保护和内部规章。
培训中不应让一线员工独自承担所有判断,而要教会他们识别”需要确认的场景”。
- 使用从外部获得的资料时,确认合同约定的使用范围
- 包含个人信息时,原则上不得输入AI
- 对外发布的文本或图像必须由人审核
- 涉及法律、合同和劳动用工的输出,应向专业部门确认
- 不得以违反内部规章的方式使用
面向全体员工的培训中,与其讲解细致的法律解释,不如重点强调”遇到拿不准的用法,先咨询负责部门”。
笔者认为,没有必要在这里过度制造恐惧。重要的不是”因为危险所以不用”,而是形成”识别需要确认的场景”的态度。
主题8:各部门的应用示例
第八个主题是各部门的应用示例。
面向全体员工的培训如果只有通用内容,有时无法充分说明”这与自己的工作有什么关系”。因此,在后半部分加入各部门的应用示例,更便于学员联系自身工作进行思考。
笔者建议在AI培训中加入按部门开展的练习。因为即使使用相同的生成式AI,人力资源、信息系统、销售和管理人员的应用环节也各不相同。
人力资源与行政部门
人力资源与行政部门可以将AI用于培训通知、内部FAQ、咨询回复、入职资料和规章说明等。
例如,依据内部规章回答咨询时,重要的是不要让AI只回答一般原则,而应设置”规章中没有依据时,提示向负责部门确认”等规则。
信息系统部门
信息系统部门可以将AI用于初步梳理内部咨询、制定使用规则、更新FAQ、起草系统故障通知以及制作安全培训资料等。
不过,需要谨慎处理系统架构、账号信息和漏洞信息等。
对于信息系统部门而言,AI既是提高咨询处理效率的手段,也是新的管理对象。因此,培训需要同时涵盖”使用方”和”管理方”两个方面。
销售与市场部门
销售与市场部门可以将AI用于提案书大纲、洽谈记录整理、对客户需求的初步分析、电子邮件和内容策划等。
不过,客户信息和洽谈信息中可能包含高度机密的内容。培训中必须同时讲解哪些信息可以输入AI、哪些信息应进行脱敏。
管理人员与经理
管理人员可以将AI用于会议议程、一对一沟通准备、评价意见初稿、决策要点梳理和OKR初稿等。
不过,不应让AI对绩效评价和人员配置作出最终判断。培训中应明确,AI是帮助整理思路的辅助工具,并不承担责任。
讲解各部门的应用示例时,不仅要介绍”看起来很方便的案例”,还应同时说明各部门需要注意的风险。
主题9:内部规则与运营责任
第九个主题是内部规则与运营责任。
AI素养培训不仅需要讲解个人使用方法,还要涵盖组织层面的规则。如果只依靠个人探索推广AI应用,各部门的使用方式会出现差异,信息管理和质量核查规则也会变得模糊。
培训至少应涵盖以下内部规则。
- 公司批准使用的AI工具
- 禁止使用的AI工具
- 允许输入和禁止输入的信息
- 对外提交前的审核标准
- 处理客户信息所需的审批流程
- 出现问题时应向谁报告
- 各部门的管理员和咨询窗口
- 提示词和应用案例的共享方式
使用Kanata时,可以将组织层面的空间、业务层面的项目、AI对话和AI摘要等应用,以及管理可复用提示词与学习数据的资料库结合起来运营。利用这种结构,更容易梳理各部门使用哪些信息和哪些AI功能。
例如,在全公司通用的AI培训中,可以向学员说明以下不同环境。
- 全体员工使用的通用环境
- 各部门使用的环境
- 用于高度机密业务的环境
- 培训环境
- 验证环境
此外,还应明确由谁对AI输出负责。
即使文本由AI生成,对外提交时,责任仍应由提交者或审批者承担。”因为AI出错”不能成为免除责任的理由。
在培训中传达这一观念,有助于学员理解哪些场景可以放心使用,哪些场景需要额外审核。
笔者认为,AI应用的成败并不只由工具选择决定。能否持续在一线使用,很大程度上取决于规则是否明确、责任是否落实。
主题10:培训后的落地设计
最后一个主题是培训后的应用落地设计。
AI素养培训不能只办一次就结束。培训后安排哪些实践和跟进,往往直接影响实际落地效果。
笔者经常强调,培训不是一次”活动”,而是持续运营的起点。即使培训刚结束时反响热烈,如果1个月后无人使用,也不能说培训已经充分发挥作用。
要让培训内容落地,以下机制较为有效。
发放培训后即可使用的检查清单
准备一份供学员在工作中使用AI前确认的检查清单。
- 目的是否明确
- 输入信息中是否包含机密信息或个人信息
- 是否指定输出格式
- 是否核查数字和专有名词
- 对外提交前是否由人审核
培训后1周内开展小练习
即使学员在培训结束时已掌握基本用法,随着时间推移也可能忘记使用方法。因此,可以在培训后1周内安排小练习,让每位学员在自己的工作中尝试一次AI应用。
- 列出自己工作中容易交给AI的3项任务
- 用AI起草电子邮件
- 用AI整理会议记录
- 使用培训中学习的提示词框架发出1次指令
- 核查输出结果并记录修改点
重要的是,不要让培训内容止步于”理解”,而要转化为实际工作行动。
按部门共享应用案例
全员培训后,安排各部门分享应用案例的时间。即使参加相同培训,各部门可应用的场景也不相同。人力资源、信息系统、销售和管理人员切入AI应用的方式各有差异。
开展部门分享会,更容易让员工产生”自己的工作似乎也能用上AI”的认识。
笔者建议在分享应用案例时,不仅要讲成功案例,也要讲失败案例。未能奏效的提示词、核查输出时发现的错误,以及意识到某些信息不得输入的场景等,对组织而言都是重要经验。
积累提示词和教材
常用提示词和培训资料不应只保存在个人笔记中,而应整理为可供组织复用的形式。
如果拥有Kanata这类能够按项目管理提示词和学习数据的环境,就更容易积累培训中使用的提示词、常见问题、内部规则和示例教材等。将个人经验沉淀为可复用的组织知识,有助于培训内容落地。
通过在线学习实现持续学习
也可以先现场开展面向全体员工的首次培训,之后再通过在线学习复习。
如果使用Kanata这类能够以在线学习形式发布视频内容,并允许学员就学习内容向AI提问的环境,就可以建立一条培训后的学习路径,让学员复习尚未理解的内容,并在需要时获得补充说明。
让学员在培训后随时回顾疑难点,才能把一次性培训转化为持续学习。
培训课程结构示例
下面通过课程示例,说明如何将这10个主题融入实际培训。
培训时长不同,内容深度也会有所变化。以下给出90分钟、半天以及线上线下结合的3种培训方案。
90分钟培训结构示例
这套方案面向全体员工,也适合AI初学者,重点是建立基本认识,并掌握安全使用方法。
| 时间 | 内容 |
|---|---|
| 0至10分钟 | AI素养培训的目的 |
| 10至25分钟 | AI、生成式AI与LLM基础 |
| 25至40分钟 | 能做什么、不能做什么 |
| 40至55分钟 | 提示词基础 |
| 55至70分钟 | 信息安全与禁止输入的信息 |
| 70至80分钟 | AI输出的核查方法 |
| 80至90分钟 | 培训后的实践任务与检查清单 |
90分钟培训与其深入讲解所有内容,不如重点统一共识。各部门应用示例和练习可以另行安排跟进培训,这样更为合理。
半天培训结构示例
对象为人力资源、数字化转型、信息系统及各部门负责内部推广的人员。目的是让他们具备在本部门开展培训、推动应用的能力。
| 时间 | 内容 |
|---|---|
| 0至30分钟 | AI素养基础与培训目的 |
| 30至60分钟 | 生成式AI能做什么、不能做什么 |
| 60至90分钟 | 提示词练习 |
| 90至120分钟 | 信息管理与内部规则 |
| 120至150分钟 | 各部门应用练习 |
| 150至180分钟 | 培训后落地措施设计 |
| 180至240分钟 | 制作并分享本部门培训方案 |
半天培训可以围绕培养”内部讲师”或”部门推广负责人”的目标展开,让学员完成本部门的培训资料大纲,这样更容易与实际工作衔接。
笔者提供支持时,也会重视让这类人员不只是作为普通学员参与,还要以内部推广者的身份参与。否则,培训可能成为一次性活动。
在线学习结合型结构示例
这套方案面向全体员工,适合希望灵活安排参训时间的企业。目的是通过在线学习掌握基础知识,再现场开展练习。
- 通过在线学习完成基础课程
- 通过测试确认理解程度
- 在现场培训中开展提示词练习
- 按部门共享应用示例
- 1个月后回顾应用情况
这种形式适合难以组织全体员工集中培训,或办公地点和部门较为分散的企业。
如果使用Kanata这类能够在同一个企业工作支持平台内使用AI对话、AI摘要和在线学习的环境,就更容易衔接培训、练习、复习和业务应用。
不过,仅仅引入工具并不能让培训落地。还需要确定由谁更新教材、由谁回答问题以及以何种频率审查规则。
防止AI素养培训遗漏的检查清单
设计培训时,应从以下方面检查是否存在遗漏。
知识方面
- 是否说明AI、生成式AI与LLM之间的区别
- 是否讲解搜索与生成式AI的区别
- 是否说明生成式AI擅长和不擅长的事项
- 是否说明AI可能出错
实践方面
- 是否提供可用于工作的具体示例
- 是否教授提示词的基本框架
- 是否对比不好的示例与较好的示例
- 是否安排由学员动手操作的练习
风险方面
- 是否明确禁止输入的信息
- 是否说明个人信息和机密信息的处理方式
- 是否涉及著作权和内部规章
- 是否讲解输出核查规则
运营方面
- 是否明确可以使用的工具
- 是否说明对外提交前的审核责任
- 是否说明遇到问题时的咨询窗口
- 是否准备培训后的实践任务
- 是否安排回顾落地情况的机会
使用这份检查清单,也有助于比较不同培训服务商的方案。
例如,如果某项培训侧重提示词练习,却没有涉及信息安全或内部规则,企业就需要自行准备补充内容。
反之,如果过于偏重风险说明、实践练习较少,学员可能只留下”AI很危险”的印象。
AI素养培训需要在知识、实践、风险和运营四个方面保持平衡。
将Kanata纳入培训运营时的思路
AI素养培训的组织与实施包括教材制作、参训、练习、回顾和知识积累等多个环节。
Kanata在同一业务支持平台中提供AI对话、AI摘要和在线学习等功能,因此在某些场景下可以纳入培训运营。不过,Kanata并不是唯一选择。企业也可以将其与内部现有的LMS、聊天工具、知识管理工具和生成式AI服务结合起来运营。
如果企业希望在同一条工作流程中管理培训内容、AI练习、摘要、提示词和学习数据,Kanata可作为候选方案之一。
使用AI聊天开展提示词练习
学员在培训中以实际工作任务为练习素材编写提示词,并通过AI对话确认输出。此时,讲师不仅要确认”是否得到了较好的输出”,还要检查是否写明目的、前提、输出格式和限制条件。
使用AI摘要开展会议纪要和资料摘要练习
以会议记录和资料为题材开展摘要练习。如果摘要功能支持输入文档、图像、音频、URL、文本等多种素材,就更容易将其扩展到会议纪要、培训资料和内部共享文档等题材。
通过在线学习发布基础培训
将全体员工需要掌握的基础内容以视频内容形式发布,并确认学习情况。之后在现场培训或部门工作坊中开展贴近实际工作的练习,就可以将知识学习与实践训练分开设计。
积累提示词和学习数据
将培训中使用的提示词、常见问题、内部规则和示例教材等存入资料库。将个人经验整理为组织可以复用的知识,有助于培训内容落地。
不过,使用Kanata并不会让AI素养培训自动获得成功。重要的是先确定培训目的、对象、内部规则和运营体系,再将Kanata用于必要环节。
笔者在引入AI时重视这样的顺序:不是”因为有工具所以使用”,而是”业务中存在问题,为了解决问题而使用工具”。培训运营也是如此。
总结:以10个主题为起点,设计本公司的AI素养培训
AI素养培训的价值,不只在于介绍生成式AI如何提高效率。
重要的是让全体员工掌握能够在工作中安全、切实使用AI的判断标准。
为此,围绕以下10个主题设计培训内容,更容易避免遗漏。
- AI、生成式AI与LLM的基本概念
- 生成式AI能做什么、不能做什么
- 工作中常见且易于应用的典型场景
- 提示词基础
- AI输出的核查方法
- 信息安全与禁止输入的信息
- 与著作权、个人信息和内部规章的关系
- 各部门的应用示例
- 内部规则与运营责任
- 培训后的应用落地设计
培训负责人可以先将这10个主题整理为通用内容,再根据本公司的行业、部门结构、使用工具和信息管理规则调整内容深度。
AI素养培训不只是向所有人传授相同的知识,更要帮助不同岗位的员工在共同基础上判断使用边界,并将AI用于具体工作。
笔者在一线感受到,AI应用推进得越顺利的企业,越不会一开始就追求过大的成果。首先确定员工可以放心尝试的范围;其次,在常用工作中进行小规模实践;然后,在组织内共享行之有效的用法。这样的逐步积累,最终会推动AI应用落地。
Q&A:AI素养培训常见问题
AI素养培训应该开展多长时间?
对于面向全体员工的首次培训,先用90分钟左右统一共识是较为现实的设计。内容包括AI基础、能做什么与不能做什么、提示词框架、信息安全和输出核查方法。如果还要开展各部门练习和制定内部规则,可以安排半天培训或分多次进行。
AI初学者较多时,应该从哪里教起?
开始时,与其讲专业术语,不如从贴近日常工作的应用示例入手,这样更容易理解。电子邮件撰写、会议纪要整理、文本改写、资料大纲制作等题材,便于学员联系自己的工作,也更容易看到效果。在此基础上简要补充AI、生成式AI与LLM的基本概念,更容易将知识与实际工作衔接起来。
提示词培训应该教授什么?
与其教授高深技巧,不如先讲解”角色””目的””目标读者””背景信息””输出格式””限制条件”6个要素。例如,不要只说”帮我想一下AI培训的内容”,而要说明”对象为包括AI初学者在内的300名员工,培训时间为90分钟,输出为包含时间分配的大纲”。仅增加这些信息,输出的实用性就更容易提高。
信息安全应该讲到什么程度?
至少应讲解允许输入和禁止输入的信息分类。个人信息、客户信息、商业秘密、未公开财务信息和人事信息等,会因所使用的AI服务和内部规则而有不同处理要求。培训中还应传达”拿不准就不输入””难以判断时向信息系统部门或管理部门确认”等行动标准。
培训后需要采取哪些措施,才能让AI应用落地?
培训后的小练习、按部门分享应用案例、积累提示词和教材,以及定期审查规则都很有效。仅开展一次培训,往往难以改变一线员工的行动。重要的是将培训设计为运营的起点,例如要求学员在培训后一周内至少在实际工作中使用一次,并在1个月后回顾应用情况。