Обучение должно быть (только) применимым

Я помню как задавал себе вопрос: были ли наши предки неучами, раз у них не было образования? Обратный вопрос тоже справедлив: почему сегодня так много неучей, раз у каждого в Этой стране образование? Бремя ответа на этот вечный вопрос отдам вам на откуп. Моя цель в этой Позиции – показать вам плачевную картину мира, в котором мы живём. Хоть я и не пессимист и я не делаю это с интенцией поныть, я хочу показать, что сегодня должно считаться вчерашним. Если загуглить обучение по интересующей теме, то вы практически не найдете гарантий. Буду говорить о своих баранах: "AI-агенты обучение". В поиске мне вылезают страницы, где в секции "Результат обучения" такие слова: "дать понимание", "объяснить", "поймете", "освоите", "начнете строить карьеру", и в лучшем случае "проведёте аудит бизнес‑процессов". Вот краткое исследование от меня в ChatGPT: "Проанализируй эти сайты на предмет коммитмента, то есть гарантий и результатов обучения (и их качества), и дай обратную связь".

Анализ опций обучения: краткосрочные программы

GeekBrains

На этой странице я не увидел честных гарантий. Маркетинговый замах большой: на странице есть обещание “начни строить карьеру в сфере искусственного интеллекта”, ориентир по доходу “от 1 900 000 тенге через 2 года”, утверждение, что за курс можно выполнить от 4 до 12 заказов от настоящих компаний, а ниже еще и блок про “средний срок, за который студенты находят работу” в 3 месяца. [Комментарий от меня: скорее всего ChatGPT имеет в виду то, что он видит эту формулировку как завышение обещания] При этом у них есть и сильная сторона: список портфельных проектов довольно конкретный, там есть GPT-агент, личный ассистент на Relevance, интеграция в Telegram, ассистент на Make, локальные модели с векторной базой знаний. Но в сумме это выглядит как самый шумный лендинг из четырех. Обещания карьерного исхода и реальных заказов звучат сильно, а механизм проверки и объем доказательств на странице раскрыты слабее, чем хотелось бы.

Яндекс Практикум

Яндекс на этой странице хорошо управляет ожиданиями. По Яндекс Практикуму лендинг выглядит самым честным. Они обещают не абстрактное знакомство с ИИ, а вполне понятные действия: за 2,5 месяца провести аудит бизнес-процессов и своей рутины, научиться подбирать нейросети под бизнес-запрос, настраивать их под свои задачи, находить направления для внедрения и создавать AI-агентов. Если у человека нет рабочего проекта или есть NDA, они прямо говорят, что дадут специально подготовленный кейс, близкий к реальному бизнесу. Самое сильное место у них в том, что они открыто пишут про возврат денег, сертификат только после успешного итогового проекта, и отдельно говорят, что помощь с трудоустройством на этом курсе не предусмотрена. Это повышает доверие, потому что они честно очерчивают границы обещания.

Skillbox

По Skillbox у меня ощущение такое. Они обещают 2 месяца обучения, 6 практических работ с обратной связью, финальный проект в портфолио и довольно предметный итог: во время курса студент делает backend проекта FlowTasks, потом добавляет frontend, в итоге получает рабочее веб-приложение, которое можно запустить одной командой и показать в портфолио. Плюс они очень конкретно расписывают практические задания, вплоть до тестов, ER-диаграммы, Docker и анализа рисков. Это хороший коммитмент именно в учебном смысле, потому что результат описан как вещь, а не как общее “поймете AI”. Но публичный риск со стороны школы на странице почти не акцентирован. Лендинг продает навыки, проект и сертификат, а не гарантию трудоустройства или внедрения.

EY

По EY Academy видно, что это другой жанр. Они продают двухдневный бизнес-тренинг для менеджеров, предпринимателей, специалистов из разных функций и новичков в AI. Программа покрывает обзор ИИ, промптинг, практику в ChatGPT, LLM, RAG, finetuning, риски, препятствия и MVP-проекты. В результатах обучения они обещают уверенные навыки работы с AI-сервисами, бизнес-взгляд на внедрение, понимание ключевых технологий, умение говорить с техническими специалистами на одном языке, практические кейсы, материалы, рекомендации тренера и сертификат. Это выглядит нормально как executive upskilling или обзорный интенсив. Но если смотреть именно на коммитмент за измеримый учебный исход, он здесь самый мягкий. Лендинг обещает полезность и кругозор, а не жесткий артефакт на выходе.

Чего не хватает обучению сегодня

Шкуры на кону. Буквально "Вы гарантированно создадите себе AI-агента". Я прекрасно понимаю коллег по цеху: вы никогда не сможете продавать одинаково маржинально, управляемо и для всех, если будете брать на себя обязательства, которые вы напрямую контролировать не можете. У меня в тренерской практике у самого бывали нередкие моменты: если человек ну прям совершенно не знает, как пользоваться компьютером ("я не знаю, где кнопка "backspace" на клавиатуре") – как с таким работать? Особенно когда у тебя тренинговый "день" примерно каждый день, или через день. Это нормально для старого мира. Поймите, форматы (а) бизнес-тренингов, (б) академических курсов, (в) полуакадемических курсов, (г) наставничества, (д) коучинга, (е) вебинаров, (ё) семинаров, и даже эл.курсов (Ж) не создавались во времена AI. Никто не знал, что можно писать машине, а та – отвечать прямо как человек разумный.

Это не должно быть таким для мира сегодня. Обучение должно давать возможность прожить опыт для каждого человека. Если человек сильно хочет чему-то научиться, то после неопределенного количества попыток у него это обязательно получится. Обучение сегодня имеет слишком большую цену ошибки, что вредно как для учителя, так и для ученика. И проблема именно в формате обучения, или другими словами – дизайне среды. Для того, чтобы объяснить проблему среды, я хочу поделиться опытом интеграции технологий в программы наставничества в КИМЭП. Это было в ещё более ранние дни Агарту Спэйс, когда мы верили в то, что можно масштабировать экспертизу тем, что будем делать опытных людей ближе к тем, кто ищет их помощи. Расскажу, где мы ошибались.

Платформа наставничества KIMEP University

Наставничество в КИМЭП инициировали добрые и мудрые выпускники университета с предложения Центра по развитию отношений с выпускниками (Раушан Канаева и её команда). Они развивали программу с 2019 года, и суть её заключалась в том, что студенты смогли получать карьерные советы у выпускников абсолютно бесплатно.). Программа росла здорово, и в это время я всё еще был студентом, и застал эту программу в качестве "клиента". А уже в 2023 году я пришел как "профессионал" с предложением автоматизировать нудную работу с AI: мэтчинг студентов с выпускниками по резюме и предпочтениям. С того момента платформа выросла с 20 студентов в год до 140 студентов в год, а также выросла в часть курса обучения Leadership Development Program (один из флагманских курсов университета) и Femtorship Program. Обе программы есть на нашей платформе. Проблема заключалась в том, что студенты нередко приходили на сессии с их менторами абсолютно неподготовленными. Время наставников могло потратиться впустую, и самое худшее – это создавало скрытое раздражение. К счастью, многие менторы занимались этим искренне и от всей души (то есть не ожидали ничего взамен), просто потому что у них есть желание дать ту помощь, которую они не получили когда-то сами. Для стратегов: прекрасный пример лояльности к организации, что ваши выпускники готовы помогать студентам бесплатно. Но конкретно мы, зная, что проблема есть, начали её формулировать. Мы поняли, что отношения в этом формате становятся весьма, как мы говорим, "хрупкими": это когда за ошибку или косяк одного человека платит другой. Это и есть классическая проблема "агента-принципала", о которой мы, кстати, говорим подробно на нашем Space-курсе. В результате мы поняли, что решение этой проблемы состоит в следующем выводе:

В обучении важно создавать среду, где от количества попыток ученика, ни учителю, ни ученику не становится хуже

Среда в обучении очень важна. Рассмотрим пример первого типа провала среды: при возникновении ошибки, учителю норм, а ученику плохо. Это – классический пример х*евой математички. Она, будто бы по самому своему естеству и природе, думает, что её предмет самый важный, а знать её предмет – это не сколько вопрос даже ума, а сколько самой гигиены. Ведь иначе невозможно объяснить мысль, что "те, кто матешу не знают, тупые". Это – убеждение, которое при масштабировании задаёт среду, контекст, рамку – называйте как хотите – цена которой высока, а платить её будет ученик. Другими словами, это те деструктивные мысли, что происходят в голове вовремя шагания в сторону кабинета математички. Другой пример. B2B-тренинги. В свою корпоративную бытность бизнес-тренера по Эскелю, я стремился к тому, чтобы давать опыт людям вне зависимости от того, насколько они знают Эксель (и знают ли вообще). Мой принцип был в том, чтобы, как минимум, заставить агашек повторить за мной нужные действия и формулы; как максимум – дать возможность ушлым продемонстрировать, как быстро они разобрались со сложным Экселём перед своим начальником. Тем не менее, если у кого-то что-то не получалось (а такое, конечно, было), я подходил и разбирался с их практическим заданием прямо с ними за одним компом. Это звучит благородно или правильно, но на самом деле нет. Зачастую ошибки заключались не в том, что задание слишком сложное, а в том, что мы в формуле могли пропустить какую-то запятую, которая ломала всю калькуляцию. Здесь проблема именно в том, что от количества ошибок страдает не только учитель, но и другие ученики: многие подолгу ждали одного-двух самых невнимательных людей. Третий пример. Стратегические сессии. Я помню, как мы тряслись от того, как бы какой-нибудь умник из топ-менеджмента квазигос. компании не начал спорить с материалом курса, даже если он действительно допустил ошибку на своей стороне. Особенно это касалось моего коллеги-бедняги, преподающего софт-скиллы; например, управление командой – тем, кто управляет холдингом... Это – пример того, где ошибки ученика стоят дорого не ученику, а учителю. Результат? Учитель делает такие упражнения, чтобы не возникло проблем с их выполнением и оценкой: брейнштормы, майндмэпа, и студенческая классика бизнес-теории (дам бесплатный доступ на месяц на мой Space-курс тому, кто объяснит в комментариях, почему именно студенческая классика). Иронично, что стратегические сессии как весьма маржинальный образовательный продукт имеет ту же характеристику, что и наставничество студентов: и то, и другое имеет общее свойство – если ошибается ученик, платит учитель.

AI в обучении можно интегрировать как то, где можно ошибаться бесплатно

Каждая попытка – это мини-риск, потому что твоя попытка применить знание может провалиться. Это нормально. Более того, такие попытки и составляют всю суть обучения. Цель же обучения в том, чтобы максимизировать количество попыток и минимизировать их стоимость. И здесь возникают множество проблем, о которых я говорил выше. Эти проблемы решаются интеграцией AI таким образом, чтобы вопрос любой сложности стоил дешевле, чем время учителя. Учитель буквально может натренировать AI отвечать на популярные вопросы, объяснять практические задачи, вести гайды – в общем всё, что он делает каждый раз. Анекдот из старой практики: у меня была коллега бизнес-тренер, которая по наблюдению младших администраторов тренингов не только пересказывает содержание тренинга по несколько раз за неделю, но и вставляет ровно те же шутку с той же интонацией в тех же местах. И да – с тем же выражением лица. Тогда я задался вопросом: чем мы отличаемся от ChatGPT? Лицом? В результате, учитель может создать курс, который позволяет ученику ошибаться быстро и часто; что, в свою очередь, создает цикл обратной связи: человек по своей природе пытается придумать что-то новое с каждой новой попыткой (не надо лишать учеников этого "инстинкта"); что, в свою очередь, рано или поздно приведет к минимально жизнеспособному результату. Другими словами, если что-то сильно хотеть и не сдаваться, рано или поздно, получится неплохо. Пример интеграции можно бесплатно попробовать на моем Space-курсе "Агентский ИИ". Там можно читать теорию, симулировать сценарии, а также применять знания на своем проекте – всё без того, чтобы учитель тебя изучил, проверил, дал обратную связь; это делает AI. У нас есть пользователь, которому 60 лет, и он работает в топ-менеджменте одной из квазигос. компаний. Он очень сильно хочет создать AI-агента, который бы определял письма с созвонами в его почтовом ящике, и из них создавал бы встречи в календаре (видимо настолько он человек занятой). На момент написания статьи, он на нашей платформе прошел Модуль 0, где он успешно создал техническое задание (фокус на слове техническое) своего AI-агента. Руководитель. Техническое.

В обучении (на самом деле) учителю не надо оценивать. Реальность оценит.

Следующая проблема современного обучения кроется в сакральной позиции учителя. Вспоминаем железобетонный авторитет х*евой математички. Она была абсолютно вправе всегда и везде оценивать учеников, не сколько по их пониманию материала или выполнению упражнения, а сколько по их виду, походке, настроению, или даже по сидячей позе за партой. В нашей культуре учитель – это тот, кто имеет право тебя оценить и сказать, какой ты не такой, как надо его курсу. Проблема здесь именно в том, что мы все – люди, а люди склонны ошибаться. Учителя – люди. Учителя ошибаются. И ошибаться они могут практически во всём, в чем могут ошибиться люди; например, в разработке своих курсов или в методе оценивания. И в этом нет ничего плохого. "Плохо" начинается тогда, когда цена ошибки в оценке людей высока: аллергия на технические науки у ребенка, хреновая оценка в дипломе, или деньги, которые так и не вернулись. Обучение, как минимум в рыночной среде (не знаю чего там о себе напридумывали академики), должно быть оценено справедливо. Но как гарантировать справедливую оценку? Для решения этой проблемы нужно понять, а зачем мы вообще обучаем себе подобных? На мой взгляд, именно процесс "делай как я делаю" в форматах разной степени сложности и софизма сделал наш вид цивилизованным. В момент, когда учитель говорит "ты неправильно сделал", начинается элемент оценивания. Здесь важна интенция оценки: она делает ученика лучше, или она наказывает за то, чего ученик не делает? И, если она наказывает, то, почему мы вообще вправе наказывать учеников, если мы в роли учителя, а не управленца? Гораздо более глубокий вопрос в этом: а почему ученик не делает того, что надо для учителя и как надо для учителя? На эти вопросы невозможно отвечать общими словами, не уходя в глубокую конкретику. Причин неправильного поведения огромное множество, от практических причин (я не могу найти кнопку "backspace") до отношенческих ("я тебя не уважаю как преподавателя"). На мой взгляд, проблема заключается именно в том, что разбираться с каждым бьет очень дорого по времени работы учителя, и ведь в привычном формате группового обучения разобраться с мотивами каждого человека займет слишком много времени. А методы оценивания и есть инструмент снижения стоимости: "правильно ли ты сделал", "почему ты это не сделал", и "почему надо было сделать по-другому". У тебя есть весьма тупой инструмент: мнение другого человека о том, что ты сделал, формализованное через чек-листы. Моя позиция заключается в том, что люди равны в своих заблуждениях, и очень редко когда можно встретить наставника, который даст развивающую оценку, а не ту, которая сделает ему меньше задач.

“Обучение должно быть оценено не людьми, а реальностью, к которой обучение готовит”

Реальность – это то, где вы должны применять знания из обучения. Для AI-агентов это коммерческий успех продукта. Для финансового моделирования – это признанный Астана Хабом бизнес-план. Для продаж – это количество попыток, конвертированных в подписание договора. И проблема, которая эта позиция поднимает, в том, что никакой курс сегодня не сможет гарантировать, что их обучение будет применено учеником; ведь тогда бы они смогли написать: "у вас будут продажи". Но так в старом мире делают только кто? Правильно: инфоцыгане.

Применимость как главный критерий обучения

Как мы видели из нашего беглого исследования, сегодня в обучении обещается в основном опыт как процесс. Инфоцыгане, как правило, обещают результат – богатство и продажи. Серьезные парни обещают процесс и "артефакты": у нас есть упражнения, мы показываем – вы повторяете, в итоге будет документик. Но в обучении сегодня применимость не означает, что достаточно дать пошаговый гайд. Применимость означает то, что я как ученик хочу работать и учиться одновременно, а задача обучения – дать такой опыт, который минимизирует трения между работой и обучением. Другими словами, обещать крутые майндмэпы и роадмапы (что бы это не означало) как образовательный результат перестало быть надежным. Мы как ученики хотим применить экспертные знания в своей работе, здесь и сейчас. Мой ответ как учителя – использовать AI на курсе таким образом, чтобы ошибки ученика не стоили дорого. А это означает перестройку формата почти полностью. Вместо слайдов – переписки с AI, вместо групповых заданий – ролевые игры с AI, вместо кейсов – симуляций с разными переменными, и вместо инструкций и гайдов – пошаговая AI-проверка через скриншоты, где AI даёт тебе то, как действовать в следующем шаге. Возможно тогда мы действительно вернем роль обучения на то место, где оно принадлежит. Оно не будет настолько интеллектуальным, как этого хотят академики, а станет практичным, как этого хотят работодатели.