AI-first company

Ludzie i umiejętności · Zastosowanie

Sprawdzaj wiedzę o AI testem, zamiast prosić pracowników o samoocenę

Ludzie słabo oceniają własne umiejętności. Żeby dowiedzieć się, co twoi pracownicy wiedzą o AI, użyj krótkiego testu wiedzy albo drugiej opinii, a nie tylko samooceny.

Autor
Ostatni przegląd
Poprawki
Zgłoś błąd
Kiedy Zrób potem. Gdy pierwsze zastosowania AI już działają.
Nakład pracy Średni (tygodnie, kilka osób)
Dowody Umiarkowane

Przegląd 16 kwestionariuszy kompetencji w zakresie AI i badanie 629 osób są zgodne, że samoocena to słaba miara. Badane 629 osób to studenci, a umiejętności dotyczyły kompetencji cyfrowych w ogóle. Żadne badanie nie porównało obu metod w firmach korzystających z AI.

Pasuje do
Branże Wszystkie branże
W przewodniku Średnio-duże firmy

Na czym to polega

Dodaj sprawdzian, który nie zależy od samooceny: krótki test wiedzy, opinię przełożonego albo jedno i drugie. Większość planów szkoleń zaczyna się od ankiety, w której pracownicy oceniają, jak dobrze rozumieją AI. Odpowiedzi mierzą bardziej pewność siebie niż wiedzę.

Co pokazują dowody

  • Większość kwestionariuszy to samoocena. Przegląd 16 kwestionariuszy kompetencji w zakresie AI wykazał, że 13 z nich prosi ludzi o ocenę samych siebie. Tylko 3 sprawdzają, co ludzie potrafią. Przegląd wyszukał według stałych reguł wszystkie opublikowane badania na ten temat.
  • Samoocena i testy się nie zgadzają. W badaniu 629 studentów samoocena umiejętności cyfrowych różniła się od wyników testu w stopniu wykraczającym poza przypadek. Jedni byli zbyt pewni siebie, inni zbyt mało.
  • Przełożeni widzą coś innego. W jednej firmie finansowej pracownicy i ich przełożeni różnie opisywali umiejętności cyfrowe pracowników.
  • Prawdziwa wiedza zmienia wyniki. W jednym eksperymencie osoby, którym wyjaśniono, jak działa AI, lepiej wybierały zadania do przekazania AI i osiągały lepsze wyniki.

Istnieją już testy wiedzy o AI na otwartych licencjach. Dwa z nich to SAIL4ALL i AICOS.

Jak to zrobić

  1. Zdecyduj, co pracownicy muszą wiedzieć na swoim stanowisku: co AI potrafi, a czego nie, jak sprawdzać jej wyniki, jakie dane nie mogą do niej trafiać.
  2. Użyj krótkiego testu wiedzy z poprawnymi i błędnymi odpowiedziami. Niech trwa najwyżej 15 minut.
  3. Jeśli chcesz, dodaj samoocenę. Różnica między nimi jest przydatna: pokazuje, kto jest zbyt pewny siebie.
  4. Zapytaj przełożonych o te same umiejętności, żeby mieć trzecią perspektywę.
  5. Niech test nie niesie ryzyka dla zdających. Używaj wyniku do planowania szkoleń, nigdy do tworzenia rankingów ludzi.
  6. Powtórz test po szkoleniu.

Co mierzyć

  • Wyniki testu w podziale na zespoły, przed szkoleniem i po nim.
  • Różnicę między samooceną a wynikiem testu.

Gdzie to zawodzi

  • Test, którego ludzie się boją. Jeśli pracownicy myślą, że wynik wpływa na ich zatrudnienie, będą się opierać albo oszukiwać. Zob. chroń poczucie bezpieczeństwa psychologicznego.
  • Wiedzieć to nie to samo co robić. Test wiedzy nie pokazuje, czy ktoś dobrze używa AI w codziennej pracy. Patrz też na próbki pracy.
  • Tłumaczone testy. Żadnego z 16 kwestionariuszy nie sprawdzono w innych krajach ani kulturach. Przetłumaczony test może mierzyć nie do końca to samo.
  • Przepisy. W Unii Europejskiej AI Act wymaga od firm, które używają AI, wspierania kompetencji pracowników w zakresie AI. Wynik testu to jeden ze sposobów, by pokazać, gdzie jesteś. Akt nie wymaga testu.

Według wielkości firmy

  • Średnie: jeden krótki test dla wszystkich i rozmowa z każdym kierownikiem zespołu.
  • Średnio-duże i duże: określ, co musi wiedzieć osoba na każdym stanowisku, i testuj względem tego.

Narzędzia diagnostyczne do tej praktyki

To gotowe kwestionariusze, testy i scenariusze, których możesz użyć. Każda karta podaje pytanie, na które narzędzie odpowiada, kto je wypełnia i czy możesz go swobodnie używać. Wszystkie narzędzia diagnostyczne.

Przypadki firm

Co się stało bez niej

Źródła

  1. Lintner (2024). A systematic review of AI literacy scales. npj Science of Learning, 9, 50. Co zrobiło i co wykazało to badanie
  2. Luna, Ocaña, Ortiz-Colón and Rodríguez Moreno (2026). From Self-Perception to Reality in Digital Competence: Findings from the DigComp 2.2 Framework. The Electronic Journal of e-Learning, 24(3), 137–153. Co zrobiło i co wykazało to badanie
  3. Rogacka (2022). Digital skills in the workplace – from the employees’ and supervisors’ perspective. e-mentor, 5(97), 53–64. Co zrobiło i co wykazało to badanie
  4. Pinski, Adam and Benlian (2023). AI Knowledge: Improving AI Delegation through Human Enablement. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. Co zrobiło i co wykazało to badanie