آموزش AI دو برابر شد؛ ۵۶٪ کارکنان هنوز وقت یادگیری ندارند

Workera در اطلاعیهٔ ۲۳ سپتامبر ۲۰۲۶ گزارش سالانهٔ مهارت‌های خود را منتشر کرد و نوشت که در پیمایش کارکنان شرکت‌های بزرگ آمریکا، سهم گزارش‌شدهٔ ارائهٔ آموزش اختصاصی AI از ۲۵٪ به ۵۸٪ رسیده، اما ۵۶٪ کارکنان برای ساخت این مهارت در ساعات کار زمان اختصاص‌یافته‌ای ندارند؛ کیان کتانفروش، مدیرعامل شرکت، گفت: «AI is not a side project.» این فاصله نشان می‌دهد گسترش فرصت آموزش و فراهم‌کردن فرصت استفاده از آن، دو تصمیم جداگانه در برنامهٔ کاری سازمان‌اند.

داده‌های رسمی Workera مقادیر دقیق‌تر را ۲۴٫۸٪ و ۵۸٫۳٪ برای آموزش اختصاصی، ۵۶٫۴٪ برای نبود زمان یادگیری در ساعات کار، و ۳۹٫۹٪ و ۶۷٫۸٪ برای استفادهٔ چندبار در هفته از ابزارهای AI ثبت می‌کند؛ پیمایش تازه پاسخ هزار کارمند تمام‌وقت در سازمان‌های آمریکایی با دست‌کم پنج‌هزار نیرو را دربر می‌گیرد. منظور از «وقت نداشتن» در این پرسش، اختصاص‌نیافتن زمان از سوی کارفرما در ساعت کاری است؛ پاسخ‌ها دربارهٔ وقت آزاد کارکنان بیرون از کار چیزی نمی‌گویند.

افزایش آموزش دقیقاً چه چیزی را نشان می‌دهد؟

شاخص آموزش، سهم پاسخ‌دهندگانی را نشان می‌دهد که می‌گویند محل کارشان آموزش اختصاصی AI ارائه می‌کند. از آن نمی‌توان تعداد دوره‌های خریداری‌شده، میزان حضور کارکنان یا کیفیت مهارتی را که پس از دوره به دست آورده‌اند محاسبه کرد. همچنین افزایش استفادهٔ چندبار در هفته، نشان‌دهندهٔ تماس بیشتر با ابزارهاست؛ این شاخص مشخص نمی‌کند کارمند می‌تواند خروجی را برای یک وظیفهٔ واقعی ارزیابی، اصلاح و با مسئولیت خود ارائه کند یا نه.

مقایسهٔ سالانه نیز حاصل پاسخ دو گروه جداگانه از کارکنان است، نه پیگیری مسیر یادگیری افراد ثابت. بنابراین رشد دسترسی به آموزش را نمی‌توان به‌تنهایی رشد توانایی عملی همان افراد خواند. برای دیدن این توانایی باید شواهدی از انجام کار وجود داشته باشد: مسئله‌ای که کارمند حل کرده، تصمیم‌هایی که هنگام استفاده از ابزار گرفته و خطاهایی که پیش از تحویل نتیجه یافته است.

وقت کم، محتوای نامتناسب و یادگیری بیرون از برنامه

نبود زمان تنها مانع مطرح‌شده نیست. در گزارش ZDNET، ۴۲٫۵٪ پاسخ‌دهندگان کمبود محتوای آموزشی مرتبط را مانع بهبود مهارت AI دانسته‌اند، ۸۴٫۳٪ برای توسعهٔ مهارت‌های خود در مجموع هفته‌ای پنج ساعت یا کمتر صرف می‌کنند و ۴۶٫۵٪ برای یادگیری از ابزارهایی استفاده کرده‌اند که کارفرمایشان فراهم نکرده است. رقم مربوط به پنج ساعت، همهٔ فعالیت‌های توسعهٔ مهارت را دربر می‌گیرد و ساعت آموزش AI هر کارمند نیست.

اگر محتوای دوره به وظیفهٔ روزانه وصل نباشد، کارمند باید خودش راه استفاده از آموخته‌ها را پیدا کند. استفاده از ابزار شخصی نیز ممکن است بیرون از دید مدیر و جدا از معیارهای کیفیت تیم رخ دهد. این داده‌ها میزان موفقیت یا خطر هر ابزار را اندازه نمی‌گیرند، اما نشان می‌دهند دسترسی رسمی به آموزش، همهٔ مسیر یادگیری کارکنان را توصیف نمی‌کند.

از گذراندن دوره تا توانایی انجام کار

تبدیل آموزش به مهارت به فرصتی برای تمرین و دریافت بازخورد نیاز دارد. اگر دوره به فهرست وظایف کارمند افزوده شود، اما زمانی از پیش برای آن کنار گذاشته نشود، کار فوری معمولاً جای تمرین را در تقویم می‌گیرد. این یک توضیح دربارهٔ سازوکار احتمالی فاصلهٔ میان آموزش و عملکرد است؛ پیمایش اثر یک برنامهٔ زمانی معین را آزمایش نکرده است.

معیار تمرین نیز باید به کاری مربوط باشد که تیم واقعاً انجام می‌دهد. برای نمونه، در یک موقعیت فرضی که AI برای تهیهٔ پیش‌نویس پاسخ به مشتری به کار می‌رود، دانستن چند دستور عمومی کافی نیست. کارمند باید پیش‌نویس را از نظر درستی اطلاعات، لحن و افشای دادهٔ حساس بازبینی کند؛ مدیر هم باید بتواند دربارهٔ اصلاحات انجام‌شده بازخورد مشخص بدهد. گواهی پایان دوره، این بخش از عملکرد را به‌خودی‌خود نشان نمی‌دهد.

پاداش یادگیری نیز لزوماً پرداخت جداگانه نیست. وقتی کیفیت اجرای یک وظیفه در گفت‌وگوی کاری، واگذاری مسئولیت یا ارزیابی عملکرد دیده شود، کارمند می‌فهمد تمرین چه جایگاهی در کارش دارد. در مقابل، اگر تنها حضور در کلاس ثبت شود، سازمان داده‌ای دربارهٔ بهترشدن انجام همان وظیفه به دست نمی‌آورد.

یک چرخهٔ هفتگی برای تیم‌های کوچک و پراکنده

برای تیمی با وقت و ابزار محدود، می‌توان چرخه‌ای کوتاه را به‌عنوان الگوی اجرایی آزمود. این الگو پیشنهاد تحریریه است و زمان‌بندی آن نتیجهٔ آزمایش پیمایش نیست. هدف، جداکردن چهار چیز از یکدیگر است: دسترسی به دوره، زمان محفوظ در ساعت کار، تمرین روی وظیفهٔ واقعی و سنجش کیفیت نتیجه.

1. در آغاز هفته، مدیر و کارمند یک وظیفهٔ تکرارشونده و کم‌خطر انتخاب کنند. اگر ابزار یا دادهٔ سازمانی در دسترس نیست، می‌توان از متن عمومی و مجاز استفاده کرد؛ معیار خروجی قابل‌قبول و اطلاعاتی که نباید وارد ابزار شود باید پیش از تمرین روشن باشد.
2. یک بازهٔ مشخص در ساعت کاری، برای مثال یک ساعت، به انجام همان وظیفه با ابزار و بازبینی نتیجه اختصاص یابد. این زمان باید در برنامهٔ تیم دیده شود تا موعد کارهای دیگر آن را بی‌صدا حذف نکند.
3. کارمند نمونه‌ای از خروجی و اصلاحات خود را در محیط مجاز تیم ثبت کند. مدیر بازخورد کوتاهی دربارهٔ دقت، خطاها و تصمیم‌های انسانی بدهد؛ برای تیم‌های پراکنده، این گفت‌وگو می‌تواند غیرهم‌زمان انجام شود.
4. در پایان هفته، کاری مشابه با همان معیار اولیه ارزیابی شود. تصمیم دربارهٔ ادامهٔ تمرین، تغییر محتوای آموزشی یا سپردن مسئولیت بیشتر، بر کیفیت کار مشاهده‌شده تکیه کند و پیشرفت مهارت در ارزیابی کار دیده شود.

این چرخه به سامانهٔ آموزشی تازه‌ای وابسته نیست، اما به توافقی روشن بر سر زمان و معیار کار نیاز دارد. اگر کارمند فقط ویدئو ببیند و فرصتی برای اصلاح یک خروجی نداشته باشد، تیم هنوز نمی‌داند آموخته‌ها در کار قابل استفاده‌اند یا نه. برعکس، یک نمونهٔ کوچک و قابل‌بررسی می‌تواند مبنای بازخوردی مشخص‌تر از شمار ساعت‌های حضور در دوره باشد.

دامنهٔ پیمایش برای خوانندهٔ فارسی‌زبان

پاسخ‌دهندگان در سازمان‌های بزرگ آمریکا کار می‌کنند و یافته‌ها بر گزارش خود آنان استوار است. از این نمونه نمی‌توان درصد کارکنان بدون زمان یادگیری در ایران، افغانستان یا میان فارسی‌زبانان خارج از کشور را به دست آورد. شرایط دسترسی به ابزار، شیوهٔ مدیریت کار و امکانات آموزشی در هر تیم نیز می‌تواند متفاوت باشد.

برای سازمانی بیرون از این جامعهٔ آماری، پرسش قابل‌سنجش این است که کارکنانش در ساعت کار چه فرصتی برای تمرین دارند و آیا کیفیت انجام وظیفه پس از آن تغییر می‌کند. پاسخ به این پرسش از برنامهٔ کاری و نمونه‌های واقعی همان تیم به دست می‌آید، نه از تعمیم درصدهای پیمایش آمریکا.

بیشتر بخوانید:

• Passkey یا اپ احراز هویت؛ فقط یکی در برابر فیشینگ طراحی شده است
• Codex یا Claude Code؛ سرعت بیشتر در برابر کنترل مجوزها