ທ່ານເຄີຍພະຍາຍາມຮັບສະໝັກວິສະວະກອນ AI ໃນລາວແລ້ວຜິດຫວັງບໍ? ບໍລິສັດຂອງພວກເຮົາກໍ່ປະສົບກັບອຸປະສັກດຽວກັນ. ແຕ່ເມື່ອພວກເຮົາອອກແບບໂຄງການຝຶກອົບຮົມທີ່ຄ່ອຍໆຍົກລະດັບ AI literacy ຂອງພະນັກງານທີ່ມີຢູ່ແລ້ວ, ພວກເຮົາສາມາດສ້າງບຸກຄະລາກອນພາຍໃນອົງກອນທີ່ສາມາດນຳ AI ໄປໃຊ້ໃນການເຮັດວຽກໄດ້ຈິງພາຍໃນ 6 ເດືອນ. ບົດຄວາມນີ້ມຸ້ງໄປຫາຜູ້ຮັບຜິດຊອບດ້ານ HR ແລະການຝຶກອົບຮົມຂອງບໍລິສັດທີ່ດຳເນີນທຸລະກິດໃນລາວ, ໂດຍຈະອະທິບາຍວິທີການອອກແບບ ແລະ ຈັດຕັ້ງປະຕິບັດໂຄງການຝຶກອົບຮົມ AI literacy 3 ຂັ້ນຕອນ ສຳລັບຜູ້ທີ່ບໍ່ແມ່ນວິສະວະກອນ ແບບ step-by-step ພ້ອມກັບຂໍ້ມູນທີ່ວັດແທກໄດ້ຈິງຈາກບໍລິສັດຂອງພວກເຮົາ.

ການເຂົ້າໃຈໂຄງສ້າງຂອງຕະຫຼາດບຸກຄະລາກອນດ້ານ IT ຂອງລາວ ຈະເຮັດໃຫ້ເຫັນໄດ້ວ່າເປັນຫຍັງວິທີການ "ຈ້າງ AI engineer" ຈຶ່ງເຮັດວຽກໄດ້ຍາກ.

ເມື່ອຜູ້ຂຽນໄດ້ເລີ່ມຕົ້ນໂຄງການທຳອິດໃນລາວ, ໄດ້ປະກາດຮັບສະໝັກ Python engineer ແຕ່ບໍ່ມີຜູ້ສະໝັກແມ່ນແຕ່ຄົນດຽວ. ຈຳນວນຜູ້ຈົບການສຶກສາຕໍ່ປີຈາກຄະນະ IT ຂອງມະຫາວິທະຍາໄລແຫ່ງຊາດລາວນັ້ນມີຈຳກັດ, ແລະ ສ່ວນໃຫຍ່ໄຫຼໄປສູ່ບໍລິສັດໃນໄທຫຼືຫວຽດນາມ. ນີ້ແມ່ນທິດທາງທີ່ເປັນທຳມະຊາດ ຫາກພິຈາລະນາຄວາມແຕກຕ່າງຂອງຄ່າຈ້າງພາຍໃນ ASEAN.

ເມື່ອສຳຫຼວດສະຖານະການດ້ານບຸກຄະລາກອນ ICT ຂອງລາວ, ສິ່ງທ້າທາຍທາງໂຄງສ້າງດັ່ງຕໍ່ໄປນີ້ຈະປາກົດຂຶ້ນ.

• ການຂາດແຄນຈຳນວນຢ່າງແທ້ຈິງ: ຜູ້ຈົບການສຶກສາຈາກຄະນະດ້ານ IT ຕ່ຳກວ່າຄວາມຕ້ອງການພາຍໃນປະເທດຢ່າງຫຼວງຫຼາຍ
• ການໄຫຼອອກຂອງບຸກຄະລາກອນພາຍໃນພາກພື້ນ: ບໍລິສັດໄທ ແລະ ຫວຽດນາມດຶງດູດດ້ວຍເງິນເດືອນສູງກວ່າ 2〜3 ເທົ່າ
• ບຸກຄະລາກອນດ້ານ AI ແທບບໍ່ມີ: ບຸກຄະລາກອນທີ່ຊ່ຽວຊານດ້ານ machine learning ຫຼື data science ພາຍໃນປະເທດມີໜ້ອຍຫຼາຍ
• ອຸປະສັກດ້ານພາສາອັງກິດ: ບຸກຄະລາກອນທີ່ສາມາດອ່ານເອກະສານດ້ານເຕັກນິກເປັນພາສາອັງກິດໄດ້ນັ້ນມີຈຳກັດ, ສົ່ງຜົນໃຫ້ຄວາມໄວໃນການຮຽນຮູ້ຖືກຈຳກັດໄປດ້ວຍ

ເມື່ອປຽບທຽບຕົ້ນທຶນການຮັບສະໝັກກັບຕົ້ນທຶນການຝຶກອົບຮົມ, ROI ຂອງການຝຶກອົບຮົມໃນລາວນັ້ນສູງກວ່າຢ່າງຈະແຈ້ງ.

ຈາກປະສົບການຂອງບໍລິສັດເຮົາ, ຕົ້ນທຶນປະຈຳປີໃນການເຊີນ Engineer ຈາກຕ່າງປະເທດນັ້ນສູງກວ່າຄ່າຝຶກອົບຮົມພະນັກງານທ້ອງຖິ່ນ 3 ຄົນເຖິງ 5 ເທົ່າຂຶ້ນໄປ. ຍິ່ງໄປກວ່ານັ້ນ, Engineer ທີ່ເຊີນມານັ້ນໄດ້ລາອອກພາຍໃນ 1 ປີ. ໃນທາງກົງກັນຂ້າມ, ພະນັກງານທ້ອງຖິ່ນທີ່ຜ່ານການຝຶກອົບຮົມມີຄວາມເຂົ້າໃຈເລິກເຊິ່ງກ່ຽວກັບບໍລິບົດຂອງວຽກງານ, ຈຶ່ງສາມາດສະເໜີການນຳໃຊ້ AI tools ໄດ້ຢ່າງຖືກຕ້ອງ ແລະ ມີອັດຕາການຄົງຢູ່ສູງກວ່າ.

ກ່ອນທີ່ຈະເຂົ້າສູ່ການອອກແບບການຝຶກອົບຮົມ, ຈຳເປັນຕ້ອງກຽມເງື່ອນໄຂເບື້ອງຕົ້ນ 3 ຂໍ້ໃຫ້ພ້ອມ. ຖ້າຂ້າມຂັ້ນຕອນນີ້ໄປ, ການຝຶກອົບຮົມກໍຈະຈົບລົງໃນລັກສະນະ "ງານລອງໃຊ້ ChatGPT ແບບບໍ່ມີທິດທາງ" ເທົ່ານັ້ນ.

ການຝຶກອົບຮົມ AI literacy ໃຊ້ເວລາ 2〜4 ຊົ່ວໂມງຕໍ່ອາທິດຂອງເວລາເຮັດວຽກຂອງຜູ້ເຂົ້າຮ່ວມ. ຖ້າຜູ້ບໍລິຫານລະດັບສູງບໍ່ອະນຸມັດຢ່າງຊັດເຈນໃຫ້ "ເຂົ້າຮ່ວມການຝຶກອົບຮົມໃນເວລາເຮັດວຽກ", ຜູ້ຈັດການໃນພາກສະໜາມກໍ່ຈະລັງເລທີ່ຈະໃຫ້ເຂົ້າຮ່ວມການຝຶກອົບຮົມ. ໃນບໍລິສັດຂອງພວກເຮົາ, ການທີ່ CEO ໄດ້ປະກາດໃນກອງປະຊຸມ kickoff ວ່າ "ການນຳໃຊ້ AI ແມ່ນຍຸດທະສາດລະດັບທົ່ວທັງອົງກອນ" ໄດ້ເຮັດໃຫ້ອັດຕາການເຂົ້າຮ່ວມເພີ່ມຂຶ້ນຢ່າງໂດດເດັ່ນຈາກ 60% ໄປເຖິງ 95%.

ຕັ້ງເປົ້າໝາຍວ່າ «ແກ້ໄຂບັນຫາວຽກງານນີ້ດ້ວຍ AI» ແທນທີ່ຈະເປັນ «ຮຽນຮູ້ AI». ກ່ອນເລີ່ມການຝຶກອົບຮົມ, ໃຫ້ສຳຫຼວດບັນຫາວຽກງານຂອງແຕ່ລະພະແນກ, ແລ້ວລະບຸໜ້າວຽກ 3〜5 ລາຍການທີ່ສາມາດປັບປຸງໄດ້ດ້ວຍ AI.

ແງ່ມຸມໃນການສຳຫຼວດ:

• ວຽກທີ່ເຮັດຊ້ຳໆ: ວຽກທີ່ເຮັດຊ້ຳທຸກວັນ·ທຸກອາທິດ (ການປ້ອນຂໍ້ມູນ, ການສ້າງລາຍງານ, ການຕອບອີເມວ)
• ການສ້າງມາດຕະຖານການຕັດສິນໃຈ: ວຽກທີ່ຕ້ອງອາໄສການຕັດສິນໃຈສ່ວນຕົວ ແຕ່ມີຮູບແບບທີ່ກຳນົດໄວ້ໃນລະດັບໜຶ່ງ
• ການປະມວນຜົນພາສາ: ວຽກທີ່ຕ້ອງການການແປ·ສະຫຼຸບລະຫວ່າງພາສາລາວ↔ພາສາອັງກິດ↔ພາສາຍີ່ປຸ່ນ

ຂັ້ນຕອນທີ 1 ຂອງການອອກແບບການຝຶກອົບຮົມ 3 ຂັ້ນຕອນ ຄືການທຳໃຫ້ເຂົ້າໃຈແນວຄິດພື້ນຖານຂອງ AI ແລະ "ສິ່ງທີ່ເຮັດໄດ້ ແລະ ສິ່ງທີ່ເຮັດບໍ່ໄດ້".

ກຸ່ມເປົ້າໝາຍ: ພະນັກງານທັງໝົດ (ທັງວິສະວະກອນ ແລະ ບຸກຄະລາກອນທີ່ບໍ່ແມ່ນວິສະວະກອນ) ຄວາມຖີ່: 1 ຄັ້ງ/ອາທິດ × 2 ຊົ່ວໂມງ × 8 ຄັ້ງ (ລວມ 16 ຊົ່ວໂມງ) ຮູບແບບ: ຮູບແບບ Workshop (ການຮຽນທິດສະດີບໍ່ເກີນ 30% ຂອງເວລາທັງໝົດ)

ການໃຊ້ຄຳສັບທາງເທັກນິກພາສາອັງກິດໂດຍກົງ ເຮັດໃຫ້ລະດັບຄວາມເຂົ້າໃຈຂອງຜູ້ເຂົ້າຮ່ວມອົບຮົມຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ. ບໍລິສັດຂອງພວກເຮົາໄດ້ດຳເນີນການແກ້ໄຂດັ່ງຕໍ່ໄປນີ້.

ການແປຄຳສັບເປັນພາສາລາວ: ພວກເຮົາໄດ້ສ້າງວັດຈະນານຸກົມທີ່ລວມຄຳອະທິບາຍພາສາລາວຄຽງຄູ່ກັບຄຳສັບພື້ນຖານຕ່າງໆ ເຊັ່ນ: "prompt", "hallucination", "token" ແລະ ໄດ້ແຈກຢາຍໃຫ້ໃນວັນທຳອິດຂອງການອົບຮົມ. ນີ້ແມ່ນສ່ວນໜຶ່ງທີ່ໄດ້ນຳໃຊ້ຄວາມຮູ້ທີ່ສະສົມໄວ້ຈາກການທີ່ບໍລິສັດຂອງພວກເຮົາໄດ້ພັດທະນາ AI chatbot ພາສາລາວ.

ສະມາດໂຟນເປັນຫຼັກ: ໃນລາວ ອັດຕາການໃຊ້ສະມາດໂຟນສູງກວ່າ PC. ພວກເຮົາໄດ້ອອກແບບການຝຶກປະຕິບັດໃນການອົບຮົມໃຫ້ສາມາດສຳເລັດໄດ້ຜ່ານແອັບ ChatGPT ເທິງສະມາດໂຟນ ເພື່ອໃຫ້ບໍ່ມີພະນັກງານຄົນໃດຕ້ອງຂາດການເຂົ້າຮ່ວມດ້ວຍເຫດຜົນວ່າບໍ່ມີ PC.

ການຮຽນເປັນຄູ່: ພວກເຮົາໄດ້ຈັດຄູ່ຜູ້ເຂົ້າຮ່ວມອົບຮົມທີ່ມີລະດັບຄວາມຮູ້ດ້ານ IT ແຕກຕ່າງກັນ ໂດຍໃຫ້ຜູ້ທີ່ຖະໜັດກວ່າເປັນຜູ້ສອນ. ນອກຈາກຜົນດີທີ່ການສອນຊ່ວຍເສີມຄວາມເຂົ້າໃຈຂອງຜູ້ສອນເອງແລ້ວ ຍັງສອດຄ່ອງກັບວັດທະນະທຳ "ການຊ່ວຍເຫຼືອເຊິ່ງກັນແລະກັນ" ຂອງລາວ ສົ່ງຜົນໃຫ້ອັດຕາການຖອນຕົວຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ.

ໃນຂັ້ນຕອນທີ 2, ພວກເຮົາຈະນຳໃຊ້ພື້ນຖານທີ່ໄດ້ຮຽນຮູ້ໃນຂັ້ນຕອນທີ 1 ໄປສູ່ວຽກງານຕົວຈິງ. ນີ້ຄືຫົວໃຈຫຼັກຂອງການຝຶກອົບຮົມ.

ບໍ່ຄືກັບການຝຶກອົບຮົມພື້ນຖານທີ່ໃຊ້ຮ່ວມກັນທຸກຄົນ, ໃນຂັ້ນຕອນນີ້ຈະແບ່ງຫຼັກສູດຕາມແຕ່ລະພະແນກ.

ສິ່ງທີ່ໄດ້ຜົນດີທີ່ສຸດໃນການຝຶກອົບຮົມຂອງບໍລິສັດເຮົາ ຄືການຈັດສັນທີ່ຫຼຸດການຮຽນທິດສະດີໃຫ້ໜ້ອຍທີ່ສຸດ ແລະ ເນັ້ນໃສ່ການທົດລອງໃຊ້ງານຈິງເປັນຫຼັກ.

• 70%: ການນຳໃຊ້ AI ໃນວຽກງານຈິງ (ການນຳ AI ເຂົ້າລວມໃນວຽກປະຈຳວັນ)
• 20%: ຄຳຄິດເຫັນຈາກ Mentor ແລະ ເພື່ອນຮ່ວມງານ (ການປະຊຸມທົບທວນຄືນອາທິດລະ 1 ຄັ້ງ)
• 10%: ການຮຽນທິດສະດີ (ການແນະນຳເຕັກນິກ ແລະ ກໍລະນີສຶກສາໃໝ່ໆ)

ໃນການປະຊຸມທົບທວນຄືນປະຈຳອາທິດ, ຈະມີການແບ່ງປັນ "ສິ່ງທີ່ແກ້ໄຂໄດ້ດ້ວຍ AI ໃນອາທິດນີ້" ແລະ "ສິ່ງທີ່ມອບໝາຍໃຫ້ AI ແຕ່ລົ້ມເຫລວ". ການແບ່ງປັນກໍລະນີຄວາມລົ້ມເຫລວມີຄວາມສຳຄັນເປັນພິເສດ — ເມື່ອພະນັກງານບັນຊີຄົນໜຶ່ງລາຍງານວ່າ "ຕົວເລກໃນສະຫຼຸບການເງິນທີ່ AI ສ້າງຂຶ້ນມານັ້ນຜິດພາດ", ສິ່ງນີ້ໄດ້ສ້າງນິໄສ "ຕ້ອງກວດສອບຜົນລັບຂອງ AI ສະເໝີ" ໃຫ້ຝັງລົງໃນທີມງານທັງໝົດ.

ເພື່ອບໍ່ໃຫ້ຜົນໄດ້ຮັບຂອງການຝຶກອົບຮົມບໍ່ຊັດເຈນ, ຈຶ່ງກຳນົດເກນການປະເມີນທີ່ຊັດເຈນ.

ເປົ້າໝາຍຂອງຂັ້ນຕອນທີ 3 ແມ່ນການສ້າງ "AI ລີດເດີ້ຜູ້ຂັບເຄື່ອນ" ຢ່າງໜ້ອຍ 1 ຄົນໃນແຕ່ລະພະແນກ. ບໍ່ຈຳເປັນຕ້ອງໃຫ້ທຸກຄົນກາຍເປັນຜູ້ຊ່ຽວຊານ. ຖ້າມີບຸກຄະລາກອນທີ່ສາມາດຂັບເຄື່ອນການນຳໃຊ້ AI ພາຍໃນພະແນກ ແລະ ໃຫ້ຄຳປຶກສາແກ່ເພື່ອນຮ່ວມງານໄດ້, ລະດັບການນຳໃຊ້ AI ຂອງທັງອົງກອນກໍຈະຍົກສູງຂຶ້ນໂດຍອັດຕະໂນມັດ.

ຈາກຜົນການປະເມີນໃນຂັ້ນຕອນທີ 2 ໃຫ້ຄັດເລືອກພະນັກງານທີ່ຕອບສະໜອງເງື່ອນໄຂດັ່ງຕໍ່ໄປນີ້:

• ຄວາມຖີ່ໃນການນຳໃຊ້ AI ໃນການເຮັດວຽກຢູ່ໃນ 20% ອັນດັບຕົ້ນຂອງທີມ
• ສາມາດແບ່ງປັນກໍລະນີຄວາມລົ້ມເຫລວຢ່າງຕັ້ງໜ້າ ແລະ ສາມາດສະເໜີແນວທາງປັບປຸງໄດ້
• ບໍ່ລັງເລທີ່ຈະສອນເພື່ອນຮ່ວມງານ

ໃນບໍລິສັດຂອງພວກເຮົາ ໄດ້ຄັດເລືອກ AI Promotion Leader ຈຳນວນ 4 ຄົນ ຈາກຜູ້ເຂົ້າຮ່ວມທັງໝົດ 15 ຄົນ. ສິ່ງທີ່ໜ້າສົນໃຈຄື ໃນ 4 ຄົນນັ້ນ 3 ຄົນ ມາຈາກພະແນກຂາຍ ແລະ Customer Support ບໍ່ແມ່ນຈາກພະແນກ IT. ທ່າທີທີ່ວ່າ "ມາແກ້ໄຂບັນຫາໃນການເຮັດວຽກດ້ວຍ AI" ນັ້ນ ມີຄວາມສຳຄັນໃນຖານະຄຸນສົມບັດຂອງຜູ້ນຳຫຼາຍກວ່າຄວາມຮູ້ດ້ານເຕັກນິກ.

ສຳລັບຜູ້ນຳດ້ານ AI (AI 推進リーダー) ຈະມີການຝຶກອົບຮົມເພີ່ມເຕີມດັ່ງຕໍ່ໄປນີ້ ແຍກຕ່າງຫາກຈາກຜູ້ເຂົ້າຮ່ວມທົ່ວໄປ.

ພື້ນຖານການເຊື່ອມຕໍ່ API (4 ຊົ່ວໂມງ × 2 ຄັ້ງ): ຮຽນຮູ້ວິທີການນຳ AI API ເຂົ້າໃສ່ໃນຂະບວນການເຮັດວຽກໂດຍໃຊ້ເຄື່ອງມື No-code/Low-code (Zapier, Make). ເຖິງແມ່ນວ່າຈະບໍ່ໄດ້ຂຽນໂຄດ ແຕ່ຈະເຂົ້າໃຈແນວຄິດຂອງ "ການນຳ AI ເຂົ້າໃສ່ໃນ Automation Pipeline".

ການປະຍຸກໃຊ້ Prompt Engineering (2 ຊົ່ວໂມງ × 3 ຄັ້ງ): ທົດລອງໃຊ້ເຕັກນິກ Prompt ຂັ້ນສູງໃນການປະຕິບັດງານຈິງ ເຊັ່ນ: Few-shot Prompting, Chain of Thought, ແລະ ການກຳນົດຮູບແບບຜົນລັບ (Output Format).

ການອຳນວຍຄວາມສະດວກໃນການຝຶກອົບຮົມ (2 ຊົ່ວໂມງ × 2 ຄັ້ງ): ຝຶກຊ້ອມວິທີການສອນ ແລະ ການດຳເນີນ Workshop ເພື່ອໃຫ້ຜູ້ນຳສາມາດເປັນຫົວໜ້າໃນການຝຶກອົບຮົມຜູ້ເຂົ້າຮ່ວມລຸ້ນຕໍ່ໄປໄດ້. ສິ່ງນີ້ຈະຊ່ວຍໃຫ້ການຝຶກອົບຮົມສາມາດດຳເນີນໄດ້ພາຍໃນອົງກອນ ແລະ ມີຄວາມຍືນຍົງໃນໄລຍະຍາວ.

ຕົວເລກຕ້ອງເວົ້າແທນຄຳເວົ້າ. ຂ້າພະເຈົ້າຂໍແບ່ງປັນຜົນໄດ້ຮັບຂອງການຝຶກອົບຮົມ AI literacy ທີ່ບໍລິສັດຂອງພວກເຮົາໄດ້ດຳເນີນການຢູ່ທີ່ບໍລິສັດລູກໃນທ້ອງຖິ່ນຂອງລາວ.

• ຜູ້ເຂົ້າຮ່ວມ: 15 ຄົນ (ຝ່າຍຂາຍ 4 ຄົນ, ຝ່າຍບັນຊີ 3 ຄົນ, ຝ່າຍສະໜັບສະໜູນລູກຄ້າ 4 ຄົນ, ຝ່າຍຊັບພະຍາກອນມະນຸດ 2 ຄົນ, ຝ່າຍໂລຈິສຕິກ 2 ຄົນ)
• ໄລຍະເວລາ: 6 ເດືອນ (ໄລຍະທີ 1 ສອງເດືອນ + ໄລຍະທີ 2 ສອງເດືອນ + ໄລຍະທີ 3 ສອງເດືອນ)
• ຄ່າໃຊ້ຈ່າຍໃນການຝຶກອົບຮົມ: ຄ່າລິຂະສິດເຄື່ອງມື AI + ຊົ່ວໂມງແຮງງານໃນການອອກແບບ ແລະ ດຳເນີນການຝຶກອົບຮົມ (ບໍ່ໃຊ້ວິທະຍາກອນພາຍນອກ)

ການປ່ຽນແປງທີ່ໂດດເດັ່ນທີ່ສຸດເກີດຂຶ້ນໃນພະແນກ Customer Support. ກ່ອນການຝຶກອົບຮົມ, ພະນັກງານຕ້ອງຈັດການຄຳຖາມເປັນພາສາອັງກິດທີລະລາຍດ້ວຍຕົນເອງ, ແຕ່ຫຼັງຈາກການຝຶກອົບຮົມ, ໄດ້ປ່ຽນໄປໃຊ້ຂັ້ນຕອນທີ່ AI ສ້າງຮ່າງຄຳຕອບ ແລ້ວພະນັກງານກວດສອບ ແລະ ແກ້ໄຂ. ບໍ່ພຽງແຕ່ຄວາມໄວໃນການຕອບສະໜອງເພີ່ມຂຶ້ນກວ່າ 3 ເທົ່າ, ຄຸນນະພາບຂອງພາສາອັງກິດກໍດີຂຶ້ນ ແລະ ຄະແນນຄວາມພໍໃຈຂອງລູກຄ້າກໍ່ດີຂຶ້ນດ້ວຍ.

ເບິ່ງຄືວ່າດຳເນີນໄປໄດ້ດ້ວຍດີ, ແຕ່ລະຫວ່າງທາງມີຄວາມລົ້ມເຫຼວໃຫຍ່ 2 ຄັ້ງ.

ຄວາມລົ້ມເຫຼວຄັ້ງທີ 1: ເລີ່ມຕົ້ນດ້ວຍສື່ການສອນພາສາອັງກິດເທົ່ານັ້ນ. ໃນ 2 ອາທິດທຳອິດ, ເມື່ອເລີ່ມຝຶກອົບຮົມດ້ວຍສື່ການສອນພາສາອັງກິດເທົ່ານັ້ນ, ຄະແນນສະເລ່ຍຂອງການທົດສອບຄວາມເຂົ້າໃຈຕໍ່າກວ່າ 40%. ຈຶ່ງໄດ້ຮີບຈັດທຳເອກະສານເສີມເປັນພາສາລາວ ແລະ ແຈກຈ່າຍຄຳສັບ (glossary), ສົ່ງຜົນໃຫ້ຄະແນນສະເລ່ຍໃນການທົດສອບຄັ້ງຕໍ່ໄປຟື້ນຕົວຂຶ້ນມາເຖິງ 75%.

ຄວາມລົ້ມເຫຼວຄັ້ງທີ 2: ສືບຕໍ່ໃຊ້ຫຼັກສູດຮ່ວມທຸກພະແນກໄປຈົນເຖິງເດືອນທີ 3. ໃນຊ່ວງເວລາທີ່ຄວນຈະເຂົ້າສູ່ຂັ້ນຕອນທີ 2, ກັບຍັງສືບຕໍ່ "ຫຼັກສູດຂັ້ນປະຍຸກ" ຮ່ວມກັນທຸກຄົນ, ຈົນເກີດຄວາມບໍ່ພໍໃຈວ່າ "ບໍ່ກ່ຽວຂ້ອງກັບວຽກງານຂອງຕົນ". ຈຶ່ງໄດ້ຮີບປ່ຽນໄປໃຊ້ຫຼັກສູດແຍກຕາມພະແນກ ແລະ ນຳໃຊ້ວຽກງານທີ່ກ່ຽວຂ້ອງໂດຍກົງເປັນວັດສະດຸຝຶກຫັດ, ສົ່ງຜົນໃຫ້ແຮງຈູງໃຈຟື້ນຕົວຂຶ້ນຢ່າງໄວວາໃນຮູບແບບ V.

ນອກຈາກຄວາມລົ້ມເຫລວຂອງບໍລິສັດເຮົາແລ້ວ, ຍັງຈະແບ່ງປັນ anti-pattern ທີ່ເຫັນໄດ້ຈາກກໍລະນີຂອງບໍລິສັດອື່ນໆໃນພາກພື້ນ ASEAN ອີກດ້ວຍ.

ຮູບແບບທີ່ການສອນ "ວິທີໃຊ້ ChatGPT" ກາຍເປັນຈຸດປະສົງໃນຕົວເອງ ແລະ ບໍ່ໄດ້ນໍາໄປສູ່ການແກ້ໄຂບັນຫາໃນການເຮັດວຽກ. ຜູ້ເຂົ້າຮ່ວມອົບຮົມຈະເວົ້າວ່າ "ມ່ວນຊື່ນດີ" ແຕ່ພໍຜ່ານໄປເດືອນໜຶ່ງ ກໍ່ບໍ່ມີໃຜໃຊ້ AI ອີກຕໍ່ໄປ.

ວິທີຫຼີກລ່ຽງ: ກໍານົດ KPI ຂອງການຝຶກອົບຮົມໃຫ້ເປັນ "ການຫຼຸດເວລາທີ່ໃຊ້ໃນວຽກງານ" ແທນທີ່ຈະເປັນ "ການຮຽນຮູ້ການໃຊ້ງານເຄື່ອງມື". ວັດແທກ Before/After ຂອງວຽກງານສະເພາະໃນທຸກໆອາທິດ.

ພະແນກ IT ມີຄວາມຊ່ຽວຊານດ້ານເທັກໂນໂລຈີ, ແຕ່ບໍ່ໄດ້ເຂົ້າໃຈຢ່າງເລິກເຊິ່ງກ່ຽວກັບກະບວນການທຸລະກິດຂອງຝ່າຍຂາຍຫຼືຝ່າຍບັນຊີ. ການຝຶກອົບຮົມທີ່ນຳພາໂດຍ IT ມັກຈະມີທິດທາງໄປທາງດ້ານເທັກນິກ, ເຮັດໃຫ້ຜູ້ເຂົ້າຮ່ວມທີ່ບໍ່ແມ່ນວິສະວະກອນຕາມບໍ່ທັນ.

ວິທີຫຼີກລ່ຽງ: ໃຫ້ຝ່າຍບຸກຄະລາກອນ (HR) ແລະ ຜູ້ຈັດການຂອງແຕ່ລະພະແນກເປັນຜູ້ນຳໃນການອອກແບບການຝຶກອົບຮົມ, ໂດຍໃຫ້ພະແນກ IT ຮັບບົດບາດເປັນຜູ້ສະໜັບສະໜູນດ້ານເທັກນິກ. ສ້າງໂຄງສ້າງທີ່ "ຜູ້ຊ່ຽວຊານດ້ານວຽກງານຮຽນຮູ້ວິທີໃຊ້ AI".

ເຫດການທີ່ຂໍ້ມູນລັບຖືກປ້ອນເຂົ້າໃນເຄື່ອງມື AI ມັກເກີດຂຶ້ນໄດ້ງ່າຍໃນຊ່ວງເລີ່ມຕົ້ນຂອງການຝຶກອົບຮົມ. ການ "ຕັດສິນໃຈພາຍຫຼັງ" ອາດຈະສາຍເກີນໄປ.

ວິທີຫຼີກລ່ຽງ: ກຳນົດກົດລະບຽບຕໍ່ໄປນີ້ຢ່າງຊັດເຈນໃນວັນທຳອິດຂອງການຝຶກອົບຮົມ.

• ບໍ່ໃຫ້ປ້ອນຂໍ້ມູນສ່ວນຕົວຂອງລູກຄ້າເຂົ້າໃນ AI
• ຕ້ອງເຮັດຂໍ້ມູນທາງການເງິນໃຫ້ເປັນນາມແຝງກ່ອນນຳໃຊ້
• ຫ້າມໃຊ້ງານທາງທຸລະກິດຜ່ານບັນຊີທີ່ບໍ່ແມ່ນ Business Account (ບັນຊີສ່ວນຕົວ)
• ຕ້ອງໃຫ້ມະນຸດກວດສອບຜົນລັບຂອງ AI ທຸກຄັ້ງກ່ອນສົ່ງອອກໄປພາຍນອກອົງກອນ

ສຳລັບກໍລະນີຂອງບໍລິສັດເຮົາ, ຄ່າໃຊ້ຈ່າຍຫຼັກໃນການຝຶກອົບຮົມ 15 ຄົນ ປະກອບດ້ວຍຄ່າບັນຊີທຸລະກິດຂອງເຄື່ອງມື AI (ລາຄາລາຍເດືອນ × ຈຳນວນຄົນ × 6 ເດືອນ) ແລະ ຊົ່ວໂມງແຮງງານພາຍໃນທີ່ໃຊ້ໄປໃນການອອກແບບ ແລະ ດຳເນີນການຝຶກອົບຮົມ. ບໍ່ໄດ້ໃຊ້ວິທະຍາກອນພາຍນອກ, ແຕ່ໃຫ້ພະນັກງານອາວຸໂສພາຍໃນທຳໜ້າທີ່ເປັນວິທະຍາກອນຄຽງຄູ່ກັນ. ຄ່າໃຊ້ຈ່າຍທັງໝົດຢູ່ໃນລະດັບຕ່ຳກວ່າ 1 ໃນ 5 ຂອງຄ່າໃຊ້ຈ່າຍໃນການຈ້າງ AI Engineer 1 ຄົນຈາກຕ່າງປະເທດ.

ໄດ້. ຍິ່ງໄປກວ່ານັ້ນ, ເນື່ອງຈາກນີ້ແມ່ນກຸ່ມສ່ວນໃຫຍ່ໃນລາວ, ສື່ການສອນເສີມເປັນພາສາລາວຈຶ່ງເປັນສິ່ງຈຳເປັນ. ເຄື່ອງມື AI ເອງຮອງຮັບການປ້ອນຂໍ້ມູນແລະສົ່ງຜົນເປັນພາສາລາວ, ດັ່ງນັ້ນແມ່ນຂຽນ prompt ເປັນພາສາລາວກໍ່ສາມາດໄດ້ຮັບຜົນລັດທີ່ໃຊ້ງານໄດ້ຈິງ. ຢ່າງໃດກໍ່ຕາມ, ເນື່ອງຈາກຊັບພະຍາກອນດ້ານ prompt engineering ຂັ້ນສູງສ່ວນໃຫຍ່ແມ່ນເປັນພາສາອັງກິດ, ຈຶ່ງເປັນການດີຖ້າຜູ້ນຳດ້ານການສົ່ງເສີມ AI ມີຄວາມສາມາດອ່ານພາສາອັງກິດໃນລະດັບຂັ້ນຕ່ຳ.

ແນ່ນອນ. ແຕ່ "ຖ້າບໍ່ພັດທະນາກໍ່ຈະບໍ່ລາອອກ" ນັ້ນບໍ່ແມ່ນຄວາມຈິງ, ຄວາມສ່ຽງທີ່ສູງກວ່າຄືການທີ່ພະນັກງານສະສົມຄວາມບໍ່ພໍໃຈຈາກການທີ່ທັກສະບໍ່ໄດ້ຮັບການພັດທະນາ ແລ້ວຈຶ່ງລາອອກໄປ. ໃນບໍລິສັດຂອງພວກເຮົາ, ອັດຕາການຄົງຢູ່ຂອງຜູ້ທີ່ສຳເລັດການຝຶກອົບຮົມຫຼັງຈາກ 1 ປີ ຢູ່ທີ່ 86%, ເກີນກວ່າຄ່າສະເລ່ຍຂອງທັງບໍລິສັດ (72%). ການຈັດສະພາບແວດລ້ອມການເຮັດວຽກທີ່ສາມາດນຳໃຊ້ທັກສະ AI ໄດ້ຢ່າງເຕັມທີ່ ຄືມາດຕະການຮັກສາພະນັກງານທີ່ດີທີ່ສຸດ.

ໂຄງສ້າງ 3 ຂັ້ນຕອນສາມາດໃຊ້ໄດ້ຕາມເດີມ, ແຕ່ "ຫຼັກສູດລາຍພະແນກ" ໃຫ້ອ່ານແທນດ້ວຍ "ຫຼັກສູດລາຍບຸກຄົນ". ຖ້າມີສະມາຊິກ 5 ຄົນລົງໄປ, ການສຳພາດໂຈດວຽກງານຂອງທຸກຄົນເປັນລາຍບຸກຄົນ ແລະ ການກຳນົດຫົວຂໍ້ການປະຕິບັດທີ່ເໝາະສົມກັບແຕ່ລະຄົນຈະມີປະສິດທິພາບກວ່າ. ໃນທາງກົງກັນຂ້າມ, ທີມຂະໜາດນ້ອຍສາມາດປັບຫຼັກສູດໄດ້ຢ່າງຍືດຫຍຸ່ນກວ່າ ແລະ ມີແນວໂນ້ມທີ່ຈະໄດ້ຮັບຜົນໄດ້ຮັບໄດ້ງ່າຍກວ່າ.

ວິທີທີ່ເປັນຈິງທີ່ສຸດໃນການຮັກສາບຸກຄະລາກອນ AI ໃນລາວ ຄື ການພັດທະນາພະນັກງານທີ່ມີຢູ່ແລ້ວ. ຂໍສະຫຼຸບການອອກແບບການຝຶກອົບຮົມ 3 ຂັ້ນຕອນທີ່ໄດ້ອະທິບາຍໄວ້ໃນບົດຄວາມນີ້ອີກຄັ້ງ.

1. ຂັ້ນຕອນທີ 1 (ເດືອນທີ 1〜2): ຄວາມເຂົ້າໃຈພື້ນຖານກ່ຽວກັບ AI. ສຳລັບພະນັກງານທຸກຄົນ. ຮຽນຮູ້ຜ່ານຮູບແບບ workshop ເພື່ອສຳຜັດກັບ "ສິ່ງທີ່ AI ເຮັດໄດ້ ແລະ ເຮັດບໍ່ໄດ້" ດ້ວຍຕົນເອງ
2. ຂັ້ນຕອນທີ 2 (ເດືອນທີ 3〜4): ການນຳໃຊ້ໃນວຽກງານ. ນຳ AI ເຂົ້າໃນວຽກງານຕົວຈິງດ້ວຍ curriculum ແຍກຕາມພະແນກ. ເນັ້ນການປະຕິບັດຕາມສັດສ່ວນ 70:20:10
3. ຂັ້ນຕອນທີ 3 (ເດືອນທີ 5〜6): ການພັດທະນາຜູ້ນຳດ້ານ AI. ຄັດເລືອກຢ່າງໜ້ອຍ 1 ຄົນຈາກແຕ່ລະພະແນກ ເພື່ອຮັບຜິດຊອບການຝຶກອົບຮົມພາຍໃນ ແລະ ຮັບປະກັນຄວາມຍືນຍົງ

ກ້າວທຳອິດ ຄື ການສຳຫຼວດບັນຫາວຽກງານຂອງແຕ່ລະພະແນກ. ຖ້າພົບ 3 ວຽກທີ່ສາມາດປັບປຸງດ້ວຍ AI ໄດ້, ກໍ່ມີວັດຖຸດິບພຽງພໍທີ່ຈະເລີ່ມຕົ້ນການຝຶກອົບຮົມໄດ້ແລ້ວ.

ສຳລັບ framework ລວມຂອງການນຳໃຊ້ AI, ກະລຸນາອ້າງອີງ "ຄູ່ມືການນຳໃຊ້ AI ສຳລັບວິສາຫະກິດລາວ" ແລະ ສຳລັບພື້ນຖານດ້ານເຕັກນິກຂອງ chatbot ທີ່ໃຊ້ໃນການຝຶກອົບຮົມ, ກະລຸນາອ້າງອີງ "ວິທີສ້າງ AI chatbot ທີ່ຮອງຮັບພາສາລາວ" ດ້ວຍ.