Szkoła lub instytucja edukacyjna składa się z dwóch rodzajów czasu, które rzadko są równo podzielone: czasu na lekcji lub w sali wykładowej i czasu poza nią. Ta druga kategoria jest większa, niż często się przyjmuje. Przygotowanie lekcji, tworzenie i sprawdzanie testów, raportowanie, sprawozdawczość wobec inspekcji lub zarządu, planowanie zajęć, komunikacja z rodzicami lub studentami oraz administracja związana z opieką i wsparciem. Wiele z tej pracy ma charakter tekstowy: polega na czytaniu tekstów, pisaniu tekstów, ocenianiu tekstów. To sprawia, że edukacja jest sektorem, w którym przesunięcie pracy przez AI daje się odczuć konkretnie i wcześnie, ponieważ praca z tekstem to właśnie to, co modele językowe robią najlepiej.
Do tego dochodzi okoliczność, która odróżnia edukację od sklepu czy fabryki: wynikiem tej pracy jest czyjś rozwój, a ten rozwój jest oceniany i finansowany według ustalonych ram. Program nauczania, program egzaminacyjny, ramy inspekcji. To współokreśla, jaka praca może zostać przeniesiona, a jaka pozostaje przy nauczycielu, niezależnie od tego, co jest technicznie możliwe.
W niektórych szkołach pierwsza wersja testu, rubryki oceniania lub sformułowania w informacji zwrotnej jest już opracowywana przez AI, a nauczyciel sprawdza, doprecyzowuje i tylko potem zatwierdza. W innych szkołach to jeszcze się nie dzieje, a różnica rzadko tkwi w chęci wprowadzania nowości. Tkwi w trzech elementach, które muszą być obecne, każdy z nich, zanim praca faktycznie przejdzie do AI.
Pierwszym jest dostęp: czy nauczyciel może używać modelu językowego na danych uczniów, czy stoi na przeszkodzie umowa powierzenia przetwarzania danych i ocena prywatności, która nie jest jeszcze ukończona. Drugim jest nadzór: kto ocenia, czy wygenerowana przez AI ocena ucznia jest prawidłowa, z jakim uprawnieniem i według jakiego protokołu. Trzecim jest zaufanie u samego użytkownika: nauczyciel, który ma wątpliwości, czy sugestia AI oddaje sprawiedliwość konkretnemu uczniowi, zignoruje tę sugestię, niezależnie od tego, jak dobry jest system.
Te trzy kategorie przebiegają przez całą pracę w edukacji. Część pracy AI może przejąć samodzielnie, na przykład streszczenie długiego tekstu polityki lub opracowanie pierwszej wersji planu zajęć. Część odbywa się z ludzkim nadzorem, który zatwierdza lub odrzuca z podaniem przyczyny, na przykład informacja zwrotna do wypracowania lub wersja robocza raportu. A część pozostaje pracą ludzką, na przykład rozmowa z uczniem, który się zablokował, lub pedagogiczna ocena stojąca za zgłoszeniem dotyczącym opieki. To, która część trafia gdzie, różni się nie tylko między instytucjami, ale też między zadaniami w ramach tej samej instytucji.
"Wykorzystujemy AI, aby zmniejszyć obciążenie pracą" to zdanie, które pasuje do niemal każdego sprawozdania zarządu i w praktyce niczego nie ustala. Czy chodzi o to, że czas na sprawdzanie zwalnia się na więcej uwagi na ucznia, czy że ustalona ilość czasu edukacyjnego jest wypełniana przy mniejszej liczbie personelu wspierającego? Obie te ambicje są uzasadnione, ale wymagają innych zdolności (capabilities): innych systemów, innych uprawnień, innych ustaleń z radą pracowniczą. Dopóki ten wybór nie zostanie zapisany w konkretnym obrazie przyszłości i sprawdzony pod względem tego, co organizacja musi w związku z tym umieć, zespół kierowniczy będzie rozmawiał tymi samymi słowami, mijając się wzajemnie.
Właśnie tu test gotowości robi różnicę: nie przeformułowanie ambicji, ale sprawdzenie, czy warunki do jej realizacji są obecne. Chodzi na przykład o dostęp do danych, o jasne prawa decyzyjne dotyczące tego, kto może zatwierdzić sugestię AI, o przeszkolone umiejętności u nauczycieli i personelu, o strukturę nadzoru odpowiadającą wrażliwości danych uczniów.
Gdy praca z tekstem się przesuwa, zwalnia się czas edukacyjny lub czas wspierający. To, co zarząd robi z tą uwolnioną pojemnością, należy do własnych strategicznych i prawnopracowniczych rozważań tej instytucji, z własnymi wymogami prawnymi, gdy chodzi o decyzje personalne. Ta strona opisuje tylko, w jakim kierunku przesuwa się sama praca, a nie to, co zarząd powinien z tym zrobić.
Leżąca u podłoża dynamika — praca tekstowa przesuwa się wcześniej niż praca fizyczna czy relacyjna, a nadzór pozostaje czynnikiem decydującym — nie występuje wyłącznie w edukacji. Podobne wzorce można rozpoznać w tym, jakie ambicje AI są obecne w sektorze IT, w sposobie, w jaki handel detaliczny postrzega zadania AI, oraz w zupełnie innym punkcie wyjścia ambicji AI w gastronomii. To, co zawsze jest inne, to nie technika, ale gotowość organizacji stojącej za nią.
Ambicja taka jak "AI wspiera opracowywanie testów" przekłada się na konkretne role: kto opracowuje, kto zatwierdza, kto jest odpowiedzialny, gdy błąd się przemknie. Ten przekład ambicji na rolę i prawo decyzyjne stanowi centralny temat na stronie o tym, jakich capabilities organizacja potrzebuje, aby zrealizować ambicję AI, i dla zarządu szkoły lub Rady Powierniczej rzadko jest to pytanie wyłącznie techniczne — to również pytanie o to, jak zespół kierowniczy dochodzi do jednego stanowiska w sprawie tego, co ambicja właściwie oznacza.
Na pytanie, jaka praca w Państwa instytucji da się rzeczywiście przejąć przez AI, nie można odpowiedzieć na podstawie ogólnego obrazu sektora; na to pytanie odpowiada się dla każdego zadania za pomocą skanu pracy FTE TO AI. Jeśli Państwo chcą najpierw wiedzieć, na czym obecnie stoi Państwa organizacja, bezpłatny test gotowości z ośmioma krótkimi pytaniami, jednym na każdy wymiar, daje obraz tego, gdzie Państwo są najdalej, a gdzie najmniej daleko. Pełny test ambicji, z czterema warstwami od wizji do docelowego stanu (target state) i przełożeniem na role i prawa decyzyjne, jest w budowie.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.