Навігація по роботі

Гончарова Наталія

AI Battle

Ідея роботи

Початкове завдання — проаналізувати результати анкетування щодо рівня використання AI, потреб у навчанні та готовності співробітників розвивати навички.

У процесі аналізу дані було перетворено не просто на рейтинг, а на систему навчальних груп і менторської підтримки. У результаті сформовано три рівні:

• A — впевнені користувачі;
• B — користувачі із середнім рівнем;
• C — початківці, які потребують базового навчання.

Кожен рівень додатково поділено на групи A1–A3, B1–B3 та C1–C3 по 5–6 людей. Окремо для найсильніших учасників A1 та A2 побудовано менторську модель, у якій 12 учасників допомагають групам B і C.

Таким чином, результат роботи — це не просто аналіз анкети, а готова модель організації навчання та передачі AI-практик усередині групи.

Інструменти та підхід

Основою роботи стали результати анкетування. Дані були:

• структуровані за рівнем роботи з AI та впевненістю у промптах;
• зведені у композитний бал;
• розподілені на рівні A/B/C;
• сформовані у навчальні групи;
• додатково проаналізовані за потребами у навчанні, бар'єрами та бажаними форматами навчання.

Окремий блок роботи — визначення менторів з груп A1 та A2 та їх розподіл між групами B і C.

Фактично логіка роботи виглядає так: анкетування → аналіз рівня → формування груп → визначення менторів → аналіз потреб → модель навчання.

Час роботи

Основна робота з даними включала аналіз результатів анкетування, формування рівнів та груп, визначення менторської моделі й аналіз потреб у навчанні.

У представленій роботі основний акцент зроблено не на обсязі виконаної роботи, а на перетворенні даних анкетування у практичну структуру навчання.

Як дивитися роботу

1. «Рейтинг і групи» — спочатку подивитися загальну картину: учасники, частота використання AI, рівень роботи, впевненість у промптах, композитний бал та сформована група.
2. «Групи» — далі перейти до готової структури A/B/C та подивитися склад кожної навчальної групи.
3. «Ментори (A1+A2)» — окремо подивитися, як учасники найвищого рівня розподілені як ментори між групами B та C.
4. «Потреби у навчанні» — фінальний блок показує, чому саме і як потрібно навчати кожен рівень: необхідні навички, бар'єри, бажані формати навчання та готовність до практичних завдань.

Тобто навігація проста: хто → на якому рівні → у якій групі → хто допомагає → чого навчати.

Що вважаю найцікавішим результатом

Найцікавішим є те, що анкетування перетворено на практичну модель розвитку AI-компетенцій, а не залишено у вигляді статистики.

Особливо показовим є поєднання двох блоків: рівень компетенцій + конкретна потреба у навчанні. Наприклад:

• для A-рівня головний запит — автоматизація (72%), створення застосунків (56%), робота з моделями та базами знань;
• для B-рівня — формулювання промптів (61%) та перевірка якості відповідей (39%);
• для C-рівня — формулювання промптів (47%), робота з файлами (35%) та декомпозиція задач.

Тобто для різних рівнів не пропонується однакова програма навчання — навчання прив'язане до реальних потреб конкретної групи.

Ще один сильний момент — менторська модель: учасники A1 та A2 не просто залишаються окремою «сильною» групою, а використовуються як ресурс для розвитку B і C.

Які інсайти отримали під час роботи

Окремий інсайт — різним рівням потрібні різні формати навчання. A більше орієнтований на практичні кейси та воркшопи, B — на короткі інструкції й шаблони, C — на максимально прості покрокові формати.

У результаті робота показує не просто «хто як користується AI», а що саме потрібно зробити далі для розвитку кожного рівня.