توضیح محتوا

جلسه با یک پرسش شروع می‌شود: از آخرین دوره‌ای که گذراندید، چقدر امروز به کارتان می‌آید؟ بعد می‌بینیم که در مدل کششی، نیاز واقعی کار است که یادگیری را جلو می‌برد، نه برنامه کلاس.

سه لحظه آخر (کاربرد، تغییر و حل مسئله) مهم‌ترین لحظه‌ها هستند، چون بیشترین اثر قابل اندازه‌گیری را دارند. همچنین می‌بینیم مهارت‌های پیچیده از تمرین تدریجی تکه‌های کوچک ساخته می‌شوند.

توضیح محتوا

وقتی ماشین همه چیز را به خاطر می‌سپارد، حافظه ما چه نقشی دارد؟ انسان و مدل‌های زبانی ضعف‌های مشترکی دارند، اما تفاوت‌های مهمی هم دارند. شواهد نشان می‌دهد سپردن کامل فکر به ابزار، دانش واقعی را کم می‌کند.

راه‌حل قانون ۲۵–۷۵ است: ۲۵ درصد کار، یعنی ارزیابی انتقادی، بازاندیشی و تصمیم اخلاقی، دست انسان می‌ماند. ۷۵ درصد، یعنی جست‌وجو، پیش‌نویس و پردازش سنگین، به هوش مصنوعی سپرده می‌شود.

توضیح محتوا

خلبان کمکی پیشنهاد می‌دهد و شما تصمیم می‌گیرید؛ عامل هوشمند خودش اقدام می‌کند. هرچه خودمختاری بیشتر شود، ریسک هم بیشتر می‌شود و مسئولیت نهایی باید با انسان بماند.

نیمه دوم جلسه کاملاً عملی است: در سه مرحله ۳۰ دقیقه‌ای، یک چت‌بات ساده را به مربی شخصی تبدیل می‌کنید که هدف، زمان‌بندی و انگیزه شما را مدیریت می‌کند.

توضیح محتوا

امروز زبان طبیعی همان زبان برنامه‌نویسی جدید است و کیفیت پاسخ به کیفیت پرسش بستگی دارد. الگوی PREPARE قدم‌به‌قدم نشان می‌دهد چطور هدف را روشن کنید، نقش بدهید، نمونه بیاورید و خروجی را بسنجید.

در پایان جلسه با بازی‌های فکری ۱۰ دقیقه‌ای تمرین می‌کنید که ریشه یک مسئله را پیدا کنید و موضوع را از چند زاویه ببینید.

توضیح محتوا

هرچه فاصله بین انجام کار و دریافت بازخورد کوتاه‌تر باشد، یادگیری محکم‌تر می‌شود و اشتباه‌ها تثبیت نمی‌شوند. بازخورد خوب فقط «درست» یا «غلط» نمی‌گوید؛ خطا را نشان می‌دهد، دلیلش را می‌گوید و راه اصلاح پیشنهاد می‌کند.

هوش مصنوعی سریع و بدون قضاوت است؛ مربی انسانی نقاط قوت پنهان را می‌بیند. حلقه ترکیبی هر دو را کنار هم می‌گذارد.

ارزیابی ۳۶۰ درجه میان‌دوره در پایان این هفته انجام می‌شود.

توضیح محتوا

بخش بزرگی از دانش هر سازمان در ذهن کارکنانش پنهان است. گراف دانایی این دانش را نقشه‌برداری می‌کند تا هر کس بداند برای هر مسئله سراغ چه کسی برود.

در جوامع آنلاین معمولاً فقط یک درصد افراد بیشتر محتوا را می‌سازند. هوش مصنوعی می‌تواند مانع ورود به تولید محتوا را کم کند، اما بدون نظارت انسانی، خرد جمعی به آشفتگی جمعی تبدیل می‌شود.

توضیح محتوا

در یادگیری لحظه‌ای فرصت بررسی طولانی نیست، پس اعتماد اهمیت زیادی پیدا می‌کند. مدل‌های زبانی گاهی پاسخ‌هایی بسیار قانع‌کننده می‌دهند که کاملاً اشتباه‌اند.

سه‌گانه شفافیت سه پرسش ساده دارد: مدل با چه داده‌ای آموزش دیده؟ چطور به این پاسخ رسیده؟ و چه انگیزه‌ای پشت طراحی آن است؟ اعتماد هوشمند یعنی بدانید کی به ماشین تکیه کنید و کی خودتان فکر کنید.

توضیح محتوا

بسیاری از لحظه‌های مهم کار، مثل حادثه در کارگاه یا قطعی برق، بدون اتصال اتفاق می‌افتند. در این شرایط حافظه کاری محدود می‌شود و حتی افراد باتجربه هم گام‌های ساده را فراموش می‌کنند.

چک‌لیست خوب کوتاه است، با فعل‌های عملی نوشته شده، به ترتیب واقعی کار چیده شده و نقطه‌های حیاتی را برجسته می‌کند.

توضیح محتوا

ساعت آموزش و رضایت شرکت‌کنندگان ارزش واقعی را نشان نمی‌دهد. معیار بهتر این است: یک نیروی جدید چقدر طول می‌کشد تا کارش را مستقل و درست انجام دهد؟

طبق مطالب کتاب، خردآموزی می‌تواند این زمان را ۶۰ تا ۷۵ درصد کم کند؛ مثلاً از ۸ تا ۱۲ هفته به ۲ تا ۳ هفته. جلسه با یک مطالعه موردی از یک شرکت فین‌تک تمام می‌شود.

توضیح محتوا

هوش مصنوعی مولد پاسخ می‌دهد؛ هوش مصنوعی عامل برنامه می‌ریزد و اقدام می‌کند. نقشه راه شخصی سه فاز هفت‌روزه دارد: شناخت عامل‌ها، نهادینه کردن استدلال، و تبدیل دانش به شایستگی قابل اثبات.

در سطح سازمان، حدود ۷۰ درصد یادگیری از تجربه کاری، ۲۰ درصد از تعامل و مربیگری و ۱۰ درصد از آموزش رسمی می‌آید. پیشنهاد دوره این است که با پروژه‌های کوچک شروع کنید.