Jak poznat, že AI školení zabralo?

Dva pracovní výstupy s kontrolními značkami a stopky pro porovnání času a kvality práce.

Když se s účastníky AI školení potkáme na navazujícím setkání, chci konkrétní příklady toho, co s AI od posledního školení dělali, co se jim povedlo a také co se nepovedlo. Zajímá mě, jak postupovali a kde se zasekli. Podle toho totiž poznám mnohem lépe, jak moc s AI skutečně pracovali.

U nepovedeného pokusu se navíc můžeme zastavit a rozebrat ho. Člověk něco zkusil, dostal výsledek a potřebuje přijít na to, co příště změnit. Právě takové situace dávají navazujícímu setkání smysl.

Pokud teď plánujete firemní vzdělávání na příští rok, doporučuji přidat k výběru témat a rozpočtu ještě jednu věc. Domluvte se předem, podle čeho poznáte, že školení přineslo očekávanou změnu.

Počet pořízených licencí a přihlášení vám řekne něco o dostupnosti a používání nástrojů. Pro rozhodnutí o dalším vzdělávání potřebujete také vědět, co lidé zvládají a jak vypadají výsledky jejich práce.

Co vlastně po školení hledáme

Ve vzdělávání se pro hodnocení používá Kirkpatrickův model. Rozlišuje 4 úrovně: reakci, učení, chování a výsledky. Pro AI si je můžeme ukázat na modelovém příkladu přípravy pravidelného reportu.

1. Reakce: Dávalo školení lidem smysl?

Zajímá nás, zda jim obsah připadal užitečný pro jejich práci a zda se mohli zapojit. U reportu třeba to, jestli procvičovali práci s podklady, které odpovídají jejich běžným úkolům.

2. Učení: Co teď dokážou?

Účastník samostatně zadá úkol, dodá potřebný kontext a ověří výstup. Praktická ukázka nám řekne víc než jeho vlastní odhad, že už AI rozumí.

3. Chování: Co používají v práci?

Při přípravě skutečného reportu využijí naučený postup, včetně kontroly. Sem patří moje otázky na konkrétní použití při navazujících setkáních.

4. Výsledky: Co se změnilo?

Report například splňuje domluvené požadavky, vyžaduje méně přepracování nebo jeho příprava zabírá méně času. Záleží na tom, co tým potřeboval zlepšit.

Kirkpatrick Partners doporučují při plánování začínat od požadovaných výsledků. Nejdřív si tedy ujasněte, co má vzdělávání přinést. Potom určete, jaké pracovní postupy a dovednosti k tomu lidé potřebují.

Zvládnutí úkolu během kurzu ještě nezaručuje jeho používání v práci. Záleží také na dostupných nástrojích, podpoře vedoucího a příležitosti nový postup vyzkoušet.

Vyberte jeden opakovaný úkol

Pro začátek bych vybrala jednu činnost, která se v týmu opakuje a u které má použití AI smysl. Pravidelný report, přípravu podkladů na poradu nebo zpracování určitého typu dokumentu.

U ní bych sledovala několik věcí.

Celkový čas: Započítejte přípravu podkladů, práci s AI, ověřování i opravy. Pokud musí výstup dopracovat kolega, patří do měření také jeho čas. Porovnejte několik srovnatelných úkolů, protože jeden povedený pokus může dát zkreslený obrázek.

Kvalitu: Předem si napište, podle čeho poznáte použitelný výstup. U reportu to může být správnost údajů, úplnost a dohledatelnost zdrojů. Stejná kritéria použijte před školením i po něm.

Opakované používání: Zajímejte se, kdo postup používá při skutečné práci a dokáže ukázat příklad. Počítejte přitom s tím, pro koho je daný úkol relevantní a kdo ho měl příležitost dělat.

Překážky a dotazy: Sledujte, s čím lidé opakovaně potřebují poradit. Více dotazů může znamenat, že začali nástroj používat a narazili na konkrétní problémy. Samotný počet dotazů proto vyhodnocujte spolu s jejich obsahem.

Letošní průzkum BCG AI at Work 2026 ukazuje, proč má smysl vracet se po školení ke konkrétní práci. Celkem 72 % respondentů uvádí, že AI změnila očekávání ohledně jejich dovedností. Jen 36 % považuje dosavadní rozvoj dovedností za dostatečný. Respondenti také popisují více času věnovaného kontrole a opravám AI výstupů. Při vyhodnocení proto sledujme celý úkol, včetně práce potřebné k dokončení výsledku.

Kdo dokončuje práci po AI?

Při měření času bych byla obzvlášť pozorná k okamžiku předání výstupu.

Modelový příklad: člověk rychle připraví přehled pro poradu a odešle ho dál. Kolega potom dohledává původ čísel, opravuje nepřesnosti a doplňuje souvislosti. Část práce se přesunula na příjemce. Zatímco jeden člověk uspořil čas, druhý ho naopak musel vynaložit.

BetterUp a Stanford Social Media Lab takové AI výstupy popisují pojmem workslop. Působí hotově, ale chybí jim obsah potřebný ke splnění úkolu. Další člověk pak musí udělat práci, kterou očekával dokončenou.

Proto bych se při vyhodnocení ptala také příjemce.

  • Mohl výstup rovnou použít?

  • Co musel ověřovat nebo dopracovat?

Teprve s tímto pohledem zjistíme, kolik práce celý postup skutečně zabral.

Před školením a za 4 týdny

Jednoduché vyhodnocení se může vejít na jednu stránku. Před školením si k vybranému úkolu poznamenejte:

  • Jak ho dnes děláte a jak často se opakuje.

  • Kolik času zabere včetně kontroly a oprav.

  • Podle jakých kritérií hodnotíte kvalitu.

  • Co konkrétně chcete změnit.

  • Kdo a kdy změnu vyhodnotí.

Za 4 týdny se vraťte ke stejným otázkám. Přidejte konkrétní ukázku práce a krátký rozhovor s člověkem, který ji dělal. Zjistěte, jak postupoval, co fungovalo a s čím potřebuje pomoci.

Zaznamenejte také, co se mezitím změnilo. Třeba dostupný nástroj, složitost zadání nebo podpora v týmu. Samotný rozdíl před školením a po něm ještě nedokazuje, že ho způsobilo právě školení.

Čtyři týdny beru jako první kontrolní bod. U méně častých činností nebo dlouhodobějších výsledků bude potřeba vrátit se k hodnocení později. První setkání nám ale může včas ukázat, co upravit.

Na konci si domluvte konkrétní pokračování. Někde bude stačit doladit zadávání a kontrolu výstupů. Jinde bude potřeba další procvičení, vhodnější nástroj nebo dohoda s vedoucím o tom, kdy má člověk nový postup používat.

Při plánování dalšího školení si proto rovnou rezervujte i termín, kdy se podíváte na skutečné použití. Přizvěte člověka, který zná práci účastníků a může jim pomoci odstranit překážky. Už před kurzem tak budete vědět, k čemu se společně vrátíte.

Stáhněte si šablonu „Před školením / 4 týdny po“ a použijte ji pro jeden konkrétní úkol ve svém týmu.

Pokud chcete šablonu projít společně a vybrat, co má smysl sledovat právě u vás, napište mi.

Komentáře

Přidat komentář

Vaše e-mailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *