Læring gennem foredrag og uddannelse handler om mere end at høre noget nyt. Når emnet er kunstig intelligens på arbejdspladsen, skal du forstå mulighederne og kunne vurdere et konkret resultat. Et foredrag giver deltagerne et fælles udgangspunkt for samtalen, mens et undervisningsforløb giver tid til at afprøve metoder og få feedback. Valget afhænger af, hvad deltagerne skal kunne bagefter, og hvilke opgaver de arbejder med til daglig.

Hvornår giver foredrag og uddannelse forskelligt udbytte?

Et foredrag passer til situationer, hvor deltagerne mangler et fælles sprog om AI. Nogle forbinder teknologien med en søgemaskine, mens andre allerede bruger den til at skrive udkast. En oplægsholder kan forklare forskellen og vise, hvorfor et overbevisende svar stadig kan indeholde fejl. Tilhørerne får konkrete eksempler at diskutere, når de bagefter skal tage stilling til brugen på deres egen arbejdsplads. Hvis foredraget skal knyttes til deltagernes hverdag, kan samtalen tage udgangspunkt i spørgsmålet: hvordan bruger vi AI bedst på arbejdspladsen?

I undervisningen arbejder deltagerne selv med stoffet. Her kan underviseren følge med i, hvor de bliver usikre, og tilpasse forklaringen undervejs. Der er forskel på at høre om kildekontrol og selv skulle finde en forkert oplysning i et AI-svar. Skal deltagerne kunne kontrollere et udkast, må undervisningen give dem tid til at prøve det.

Et foredrag behøver ikke at blive fulgt af et langt kursus. Måske er behovet en kort øvelse med faglig feedback. Andre arbejdsopgaver kræver gentagen træning, fordi deltagerne både skal lære et værktøj og ændre deres måde at kontrollere arbejdet på. Forskellen viser sig i øvelserne: Nogle skal kunne forklare en begrænsning, mens andre skal opdage den i et svar fra systemet.

Deltagernes forhåndsviden har også betydning. Et oplæg med mange grundbegreber rammer ved siden af hos rutinerede brugere. En teknisk demonstration kan omvendt miste dem, der endnu ikke forstår, hvad systemet gør med deres input. Spørg underviseren, hvordan indholdet tilpasses deltagernes erfaring, og hvornår de kan stille spørgsmål.

Hvilke AI-færdigheder kræver arbejdet og reglerne?

De nødvendige færdigheder afhænger af arbejdsopgaven. Bruger du AI til et første tekstudkast, skal du kunne vurdere indholdet og vide, hvilke oplysninger du må indtaste. Skal du vurdere et systems anvendelse i en arbejdsgang, har du brug for en anden forståelse af begrænsninger og menneskelig kontrol. Det samme undervisningsindhold dækker derfor sjældent alle behov, blot fordi medarbejderne bruger AI.

AI-forordningens artikel 4 kræver, at udbydere og organisationer, der tager AI-systemer i brug, sikrer tilstrækkelige AI-færdigheder hos de medarbejdere, som arbejder med systemerne. Digitaliseringsstyrelsen forklarer, at vurderingen skal tage højde for medarbejdernes tekniske viden og erfaring og for den sammenhæng, systemet bruges i. Hvem anvendelsen berører, indgår også i vurderingen.

Reglerne foreskriver ikke et bestemt kursus eller en bestemt undervisningsform. Et deltagerbevis fortæller derfor ikke alene, om oplæringen dækker behovet. Undervisningens indhold skal hænge sammen med den konkrete anvendelse. Bed om læringsmål, der beskriver noget, deltagerne kan gøre efter undervisningen, for eksempel at forklare, hvornår en AI-genereret oplysning kræver kontrol i det oprindelige materiale. En budgetpost til fælles AI-forståelse kan hedde »invester i en god foredragsholder«.

En introduktion kan række til ét afgrænset formål, men ikke til et andet. Adgang til et nyt system eller ændringer i arbejdsopgaven ændrer behovet for oplæring. Undervisningen skal også afspejle, hvilke beslutninger medarbejderen selv må træffe, og hvornår en fagperson skal overtage vurderingen. Den grænse kan deltagerne arbejde med i konkrete opgaver i stedet for at bruge tiden på funktioner, de ikke får adgang til.

Hvordan lærer medarbejdere at bruge generativ AI i praksis?

Praktisk læring kræver en opgave med et tydeligt formål. En løs besked om at prøve sig frem giver underholdende svar, men fortæller ikke meget om, hvad deltageren har lært. Vælg en afgrænset opgave med lav risiko og uden personoplysninger som første øvelse. Så kan deltagerne koncentrere sig om sammenhængen mellem deres instruktion og systemets svar uden at inddrage fortroligt materiale.

En øvelse kan tage udgangspunkt i et tilbagevendende spørgsmål om en intern procedure. Deltagerne får en opdigtet henvendelse og en kort proceduretekst, som AI skal bruge til at skrive et svar. Bagefter sammenholder deltagerne udkastet med teksten. Systemet kan for eksempel have tilføjet en frist, der ikke står i materialet. Her kan underviseren spørge, hvor deltagerne ville kontrollere fristen, og hvad de skal ændre før afsendelse.

Samme opgave kan bruges til at arbejde med instruktionen. Deltagerne kan undersøge, hvad der sker, når de afgrænser opgaven tydeligere eller beder systemet om kun at bruge det udleverede materiale. Når de sammenligner svarene, ser de, hvilke ændringer der påvirker resultatet. Bed om tid til den sammenligning i undervisningen, så øvelsen ikke stopper ved underviserens demonstration.

Før deltagerne bruger materiale fra arbejdspladsen, skal du afklare, hvilke data de må dele, og hvordan systemet behandler oplysningerne. Et undervisningslokale ændrer ikke reglerne for, hvad systemet må modtage. Underviseren kan bruge godkendt øvelsesmateriale og forklare, hvorfor deltagerne ikke må supplere med dokumenter fra deres egne mapper. Det gælder også dokumenter, som umiddelbart virker harmløse, men indeholder fortrolige oplysninger.

Hvordan bliver læringen synlig i arbejdet bagefter?

Tilfredshed med et foredrag siger noget om deltagernes indtryk, men viser ikke, om de kan bruge indholdet. Det bliver tydeligere, når de skal forklare en vurdering eller udføre en opgave. Efter undervisningen kan du bede deltagerne begrunde, hvorfor de vil bruge et AI-svar eller afvise det. Der er forskel på at henvise til den oprindelige proceduretekst og blot at sige, at svaret lyder rigtigt.

Kvalitetskontrol bør have en tydelig plads i opfølgningen. Generative AI-svar kan indeholde faktuelle fejl, og relevante oplysninger skal kontrolleres mod pålideligt kildemateriale. En sprogligt sikker formulering er ikke dokumentation. Aftal derfor, hvilket materiale deltagerne skal kontrollere imod, og hvordan de markerer en oplysning, de ikke kan bekræfte. Det kan for eksempel være en frist, som mangler i den procedure, svaret bygger på.

Opfølgningen viser også, om deltagerne opdager, når en opgave falder uden for det, de har øvet. En medarbejder kan mestre en kendt fremgangsmåde og stadig være usikker ved en undtagelse. Spørgsmål fra det daglige arbejde giver underviseren eller en faglig kollega mulighed for at undersøge usikkerheden. Måske mangler medarbejderen træning, eller måske kræver opgaven en godkendelse, som undervisningen ikke kan erstatte.

AI-færdigheder skal vedligeholdes og opdateres efter behov. Når arbejdspladsen ændrer anvendelsen, kan medarbejderne få brug for at øve andre vurderinger end dem, de kender. Gem spørgsmål fra arbejdet, og brug dem i den næste faglige samtale. Et spørgsmål om, hvilke oplysninger et nyt system må modtage, kan blive til en konkret øvelse med de funktioner, medarbejderne nu har adgang til.