greenai.guide

Strona główna › Jak…? › Jak przeszkolić pracowników w wydajnym korzystaniu z AI?

Jak…?

Jak przeszkolić pracowników w wydajnym korzystaniu z AI?

Aktualizacja · Czas czytania: 1 min

W skrócie

Kilku nawyków należy uczyć na krótkiej sesji z rzeczywistymi przykładami z własnej pracy: sprawdzić, czy AI jest właściwym narzędziem, pisać jasne i konkretne prompty, prosić o krótkie odpowiedzi, poprawiać zamiast generować od nowa i oszczędnie korzystać z obrazów i wideo. Szkolenie warto wesprzeć wydajnymi ustawieniami domyślnymi w narzędziach firmy, bo ustawienia domyślne docierają też do osób, które pominęły kurs.

Kroki

  1. Wybrać trzy lub cztery rzeczywiste zadania, do których pracownicy już używają AI, i wykorzystać je jako przykłady.
  2. Nauczyć pięciu nawyków, pokazując dla każdego prompt „przed” i „po”.
  3. Na jednym slajdzie wyjaśnić, dlaczego długość odpowiedzi, obrazy i ponowne generowanie zwiększają zużycie energii.
  4. Ustawić wydajne ustawienia domyślne w narzędziach, z których korzystają pracownicy, aby nawyki nie zależały od pamięci.
  5. Włączyć sesję do szkolenia wdrożeniowego i odświeżać ją, gdy zmieniają się narzędzia.

Krótkie szkolenie oparte na przykładach i dobre ustawienia domyślne działają lepiej niż długi wykład o energii. Te same nawyki oszczędzają czas pracowników i pieniądze, a to zwykle łatwiejszy argument.

Jakich nawyków uczyć?

  1. Najpierw właściwe narzędzie. Wyszukiwarka, szablony, arkusze kalkulacyjne i istniejące oprogramowanie często wystarczą.
  2. Jasne, konkretne prompty. Należy podać, czego się oczekuje, dla kogo i jak długa ma być odpowiedź. Warto wkleić odpowiedni fragment, a nie cały dokument.
  3. Prośba o krótkie odpowiedzi. UNESCO i University College London ustalili, że krótsze prompty i odpowiedzi mogą zmniejszyć zużycie energii o ponad połowę.
  4. Poprawianie zamiast generowania od nowa. Należy wskazać narzędziu, co zmienić, zamiast wielokrotnie naciskać „spróbuj ponownie”.
  5. Oszczędne korzystanie z obrazów i wideo. W testach Luccioni, Jernite'a i Strubell generowanie obrazów zużywało średnio około 2,9 kWh na 1000 obrazów, wobec 0,002 kWh na 1000 klasyfikacji tekstu.

Dlaczego długość ma znaczenie?

Energia rośnie wraz z tym, ile model czyta i pisze. Epoch AI szacuje typowe zapytanie do ChatGPT na około 0,3 Wh. Przy danych wejściowych o długości 10 000 tokenów rośnie to do około 2,5 Wh, a przy 100 000 tokenów do prawie 40 Wh. Wklejanie długiego raportu do każdego czatu się sumuje.

Co daje największą różnicę

Ustawienia domyślne. Jeśli firmowy asystent startuje z mniejszym modelem, ogranicza długość odpowiedzi i ma wyłączone nieużywane funkcje AI, korzystają wszyscy, także osoby, które nigdy nie przyszły na szkolenie.

Częste błędy

  • Wzbudzanie poczucia winy. Lepiej przedstawić to jako dobre wykonywanie pracy.
  • Abstrakcyjne przykłady. Należy używać własnych zadań.
  • Jednorazowe szkolenie. Narzędzia się zmieniają; szkolenie trzeba odświeżać.

Więcej nawyków w części wydajne korzystanie z AI.

Źródła

  1. Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
  2. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
  3. How much energy does ChatGPT use?, Epoch AI (2025)

Dołącz do nas

Pomóżmy zmniejszyć wpływ AI na planetę

Nowe przewodniki, nabory wniosków i wpisy w katalogach e-mailem, mniej więcej raz w miesiącu. Można też dodać do katalogów swój produkt, kurs, ofertę studiów doktoranckich lub badania.

Bez śledzenia. Rezygnacja jednym kliknięciem. Inne sposoby dołączenia · Prywatność