Vad AI literacy är och hur personalen lär sig den

AI-kunnighet beställs oftast som verktygsvana: någon ska visa personalen hur programmen används. Men det som gör skillnad i arbetet är sällan handgreppen. Det är omdömet om det som kommer ut, och vad det kräver skiljer sig åt mellan en medarbetare, en chef och den som ska sätta ett system i drift.

Vad AI literacy betyder

Förmågan består av tre saker som hänger ihop. Att veta ungefär hur verktygen fungerar, tillräckligt för att förstå varför de ibland har fel. Att kunna avgöra om ett svar duger. Och att veta vad man inte ska lägga in i dem.

Ingen av de tre lärs ut genom att någon visar var knapparna sitter. För en organisation som redan köpt in AI-verktyg är utbildning i omdöme rätt insats, därför att problemet sällan är att verktygen saknas utan att ingen vet när de går att lita på.

AI-kunnighet är ordet lagstiftaren använder

AI-kunnighet är AI-förordningens svenska namn på samma sak. Vad förordningen kräver av just din organisation är en juridisk fråga, och den besvaras på ampliro.com. Den här texten handlar om vad förmågan består av och hur personalen får den.

Att kunna verktyget och att kunna bedöma svaret

Ett AI-verktyg svarar lika säkert när det har fel som när det har rätt. Det är den egenskapen som gör kunnigheten svår, och den syns inte i gränssnittet.

Det svåra är inte att få ett svar. Det svåra är att veta om svaret duger.

Ett verktyg känner inte till rutinerna på din arbetsplats, avtalen som gäller där eller vad som bestämdes i förra veckan, om ingen har gett det den informationen. Det fyller ändå luckan med något som ser rimligt ut, och den som inte vet det tar emot gissningen som besked.

Av det praktiska är en sak inte reparerbar i efterhand, och det är vad som matas in. Ett svar går att kontrollera och en text går att skriva om, men uppgifter som har lämnat organisationen går inte att hämta tillbaka.

Fyra sätt ett svar går fel

Att veta var verktygen brukar gå fel är den del som går snabbast att lära ut, eftersom felen återkommer och går att känna igen.

1. Påhittade källor. Ett verktyg som ombeds hänvisa till en rapport kan konstruera en titel, en författare och ett årtal som ser fullt rimliga ut. Felet syns inte i texten, bara när någon försöker slå upp källan.
2. Verktyget håller med. Ligger ett felaktigt antagande i frågan byggs svaret ofta vidare på det i stället för att invända, och den som frågar får sin egen missuppfattning tillbaka i prydligare form.
3. Sammanfattningen tappar undantaget. Ett långt underlag pressas ihop till huvudregeln, och just den mening som säger när regeln inte gäller faller bort. Sammanfattningen är korrekt i allt utom det som var poängen.
4. Säkerhet om sådant som hunnit ändras. Ett verktyg vet inte alltid vad som gäller i dag, men svarar likafullt utan att markera att det kan vara passerat.

Hur du kontrollerar ett svar

Tre vanor räcker långt, och ingen av dem kräver teknisk kunskap.

1. Kontrollera mot källan, inte mot verktyget. Att fråga samma verktyg om svaret stämmer ger oftast bara ett nytt lika säkert svar.
2. Be om stället i underlaget som svaret bygger på. Finns inget sådant ställe är det ett besked i sig.
3. Ställ ibland en fråga du redan kan svaret på. Det är det billigaste sättet att märka hur mycket ett visst verktyg klarar av just din sorts uppgifter.

Vad de tre rollerna behöver kunna

Alla behöver inte kunna samma sak. Att utbilda hela personalen på samma nivå blir både dyrare och sämre än att utbilda per roll.

1. Den som använder verktygen dagligen. Behöver veta var de brukar gå fel, vad som inte får matas in och hur man kontrollerar det som kommer ut.
2. Chefen. Behöver samma grund, och därtill kunna svara den som är orolig och veta vad man frågar när en medarbetare föreslår ett nytt verktyg.
3. Den som äger ett system eller beställer ett. Behöver förstå vad som skiljer ett verktyg någon annan byggt från ett som sätts i drift i den egna verksamheten.

Det är den uppdelningen kompetenspaketet bygger på. Ska en enskild person gå en kurs finns i stället AI-kunnighet enligt AI-förordningen.

Var du börjar beror på var organisationen står

Används AI redan dagligen är omdömet flaskhalsen, och då är rollbaserad utbildning rätt insats.

Har nästan ingen börjat är flaskhalsen en annan. Då saknas en gemensam bild av vad tekniken är och vad den inte klarar, och den bilden når en hel personalgrupp snabbast genom en föreläsning.

Att börja med fördjupning per roll i ett rum där hälften aldrig öppnat ett AI-verktyg är att svara på en fråga ingen har ställt.

Och finns varken verktyg, rutiner eller någon som äger frågan är utbildning inte första steget alls. Det är värt att pröva innan pengarna läggs, eftersom en utbildning som landar i tomma händer inte ger något oavsett hur bra den var.