در جهانی پر از ابزار، تجربه همان محصول است.

۰۱ · مسئله

صنعت آموزش هوش مصنوعی، مسئله‌ی اشتباه را حل می‌کند.

هر سازمانی که در دوازده ماه گذشته با آن صحبت کرده‌ایم همان چیز را می‌خرد: یک کارگاه ChatGPT، یک دوره‌ی مهندسی پرامپت، یک کتابخانه‌ی آموزشی. بودجه‌ی واقعی، نتیجه‌ی کم‌رمق.

برنامه‌های استاندارد به افراد یاد می‌دهند چگونه با یک ابزار کار کنند. اینجا کلیک کن. این‌گونه پرامپت بنویس. این الگو را امتحان کن. تعامل با مدل زبانی را مثل یک به‌روزرسانی نرم‌افزاری می‌بینند. این چارچوب در سال ۲۰۲۶ از پیش منسوخ است. لبه‌ی پیشرفته‌ی امروز، گردش‌کارهای ایجنتیک، هم‌نوازی چندمدلی و تیم‌های انسان-هوش مصنوعی است؛ جایی که انسان طراحی می‌کند، ارزیابی می‌کند و مداخله می‌کند، نه اینکه دستور هوشمندانه تایپ کند. هیچ‌کدام از این‌ها بدون یک مدل ذهنی دقیق از رفتار واقعی این سامانه‌ها کار نمی‌کند.

همکار هوش مصنوعی شما خاطره‌ای از دیروز ندارد. با اطمینانی اشتباه می‌کند که با درست بودنش هم‌بسته نیست. عینِ آنچه گفته‌اید را بهینه می‌کند، نه آنچه منظورتان بوده. کسانی که این ویژگی‌ها را درونی کرده‌اند، طور دیگری با سامانه کار می‌کنند. کسانی که نکرده‌اند، همان‌طور می‌مانند. پژوهش این را مستقیم تأیید می‌کند.

۰۲ · چیزی که دیده‌ایم

تیم‌هایی که برنده‌اند، تیم‌هایی هستند که می‌دانند هم‌تیمی‌هایشان چگونه فکر می‌کنند.

در ده سال طراحی سامانه‌های تعامل، یک الگو پایدارتر از همه بوده: تیم‌هایی که موفق بودند، نه بهترین ابزار را داشتند نه باهوش‌ترین افراد را. آن‌ها تیم‌هایی بودند که هم‌تیمی‌ها واقعاً می‌فهمیدند یکدیگر چگونه فکر می‌کنند. نه آنچه می‌کنند. چگونه فکر می‌کنند. اول چه می‌بینند، چه را از دست می‌دهند، کجا تدافعی می‌شوند، در چه چیزی به طرز غیرعادی خوب‌اند.

این فهم مشترک، کیفیت خروجی را دقیق‌تر از مهارت فردی یا انگیزه‌های رسمی پیش‌بینی می‌کند. تفاوت یک تیم با گروهی از آدم‌هایی است که فقط در یک کانال اسلک هستند. امروز هر سازمانی همکار تازه‌ای به این تیم اضافه می‌کند، همکار هوش مصنوعی، و وانمود می‌کند آن اصل دیگر معتبر نیست.

بیشتر رهبران ارشد می‌توانند الگوی فکری همکاران انسانی‌شان را با جزئیات شگرف توصیف کنند. سپس یک تب ChatGPT باز می‌کنند و با آن مانند یک دستگاه فروش رفتار می‌کنند.

۰۳ · چرا شبیه‌سازی

شهود را با خواندن نمی‌توان ساخت.

شهود را با انجام دادن کار، شکست خوردن، دوباره انجام دادن و توجه به آنچه تغییر کرده می‌سازید. پژوهش گسترده‌ی آموزش هم همین را می‌گوید: قالب‌های شبیه‌سازی و تجربی به‌طور پیوسته در انتقال مهارت به کار واقعی پیشتاز بوده‌اند. زبان را با بد صحبت کردنش آموختیم. راه رفتن را با افتادن. روانشناسی کاری هر همکار تازه، چه انسان چه غیرانسانی، را با تعامل در بستری می‌آموزیم که در آن خطر واقعی است اما شکست امن.

شبیه‌سازی‌ای که در آن باید با یک هوش مصنوعی برای حل مسئله‌ای واقعی همکاری کنید، چیزی به شما می‌آموزد که هیچ اسلاید نمی‌تواند. لحظاتی را خواهید دید که اطمینان نابجای آن گمراهتان می‌کند. تفاوت یک پرسش خوش‌قاب و یک پرسش تنبل را خواهید فهمید. شهود را خواهید ساخت.

۰۴ · چگونه کار می‌کنیم

چگونه تجربه را طراحی می‌کنیم.

چهار گام، هر بار. بسته‌ی آماده‌ای در کار نیست. تسهیل‌گری از روی فیلم‌نامه نیست. هیچ دو پروژه‌ای یکسان نیست.

1. ۰۱

   گوش دادن

   تماس کشف با کسانی که در قبال نتیجه پاسخ‌گو هستند. مسائل واقعی، KPIهای واقعی، محدودیت‌های واقعی. در نخستین تماس پیشنهادی نمی‌دهیم. می‌شنویم که کدام رفتار را واقعاً می‌خواهید تغییر دهید.

2. ۰۲

   طراحی

   مکانیک‌هایی را انتخاب می‌کنیم که رفتار موردنظر را آشکار می‌کنند. بودجه‌ی انرژی، اولویت‌بندی را نشان می‌دهد. اطلاعات پنهان، الگوی ارتباطات را. فشار زمانی، انضباط رهاسازی را. بازی، ابزار سنجش است؛ رفتار، داده.

3. ۰۳

   زنده

   جلسه‌ی تسهیل‌شده، شصت تا صد و بیست دقیقه بسته به قالب. بازیکنان بازی می‌کنند. ما مشاهده می‌کنیم. سامانه سیگنال‌های ساختارمند را ثبت می‌کند (اقدامات هر نوبت، پیام‌ها، تصمیم‌های رهاسازی). بدون پرسشنامه. بدون خوداظهاری.

4. ۰۴

   بازتاب

   بازخوانی ساختارمند تا تجربه هنوز تازه است، تعهد مکتوب تیمی، گزارش آماده برای مدیر با ارجاع به شواهد. آن چیزی که فصل گذشته تیم را اذیت می‌کرد، در گزارش با شماره‌ی نوبت کنار آن ظاهر می‌شود.

۰۵ · کارنامه

از آن دست عددهایی که با هم جمع می‌شوند.

۱۰

سال طراحی سامانه‌های تعامل

۶۰+

سازمان سازمانی

۳,۰۰۰+

شرکت‌کننده

۴۰+

مکانیک بازی در کتابخانه

۱۲

صنعت

۱۰۰%

از جلسه‌ها با تعهد مکتوب تیمی پایان می‌یابند

مسئله‌ای را بیاورید که تیم شما برای نوشتنش بیش از حد مودب است.