Як навчити команду працювати з AI – і що ми зробили не так

Усі компанії зараз кажуть, що використовують AI. Це на кожному сайті, у кожній презентації, на кожній конференції. Але є величезна різниця між фаундером, який експериментує з ChatGPT о півночі, і командою, яка реально інтегрує AI в щоденні робочі процеси. Саме в цій прірві більшість команд застрягають.

Я знаю, бо ми теж там застрягли.

EvoTalents працює вже понад 10 років. Коли AI-інструменти почали набирати популярність, я була в захваті. Пробувала все. Будувала промпти, автоматизувала процеси, експериментувала з AI-асистентами. І звісно, я хотіла, щоб моя команда була поруч зі мною. Я уявляла, що вже наступного тижня ми всі будемо працювати на AI, повністю автоматизовано.

Реальність виявилася іншою. Навіть у невеликій команді впровадження йшло набагато повільніше, ніж я очікувала. І коли я нарешті зупинилася, щоб зрозуміти чому, то усвідомила: проблема була не в інструментах. І не в людях. 

Проблема була в моєму підході із самого початку.

Крок 1. Почніть із візії, а не з інструментів

Моїм першим імпульсом було показати команді класні інструменти. «Дивіться! Цей інструмент робить звіти! Цей генерує outreach-листи!» Мені ввічливо кивали. І нічого не змінювалось.

Тоді я спробувала інакше. Замість проштовхувати інструменти, я сіла з командою і поділилась візією для їхньої конкретної ролі. Не абстрактне «AI це майбутнє». А конкретна картина: як саме твоя робота може виглядати, коли AI стане твоїм партнером.

Для моєї асистентки, яка фактично керує нашими AI-асистентами, я описала роль, якої не існувало рік тому: людина, яка підтримує наші AI-проєкти, оновлює контекст, перевіряє якість результатів і стежить, щоб уся система працювала.

Для маркетингу я окреслила, як AI може писати перші версії контенту, ресерчити тренди, робити переклади. А людина залишається відповідальною за стратегію, голос бренду і креативні рішення, які насправді вирізняють бренд серед інших.

Це не про заміну людей. Це про те, щоб кожна людина побачила себе в майбутньому, яке ви описуєте. Люди не опираються змінам, коли бачать своє місце в новій картині.

Takeaway: не показуйте команді інструменти. Покажіть їм майбутнє, де вони потрібні.

Крок 2. Створіть простір для навчання

Візії недостатньо. Треба створити середовище, де люди можуть вчитися, експериментувати й говорити про те, що відкривають.

Ми зробили три речі, які реально змінили ситуацію.

1. Демосесії кожні два тижні. Іноді я показую щось нове, що тестую. Іноді хтось із команди демонструє воркфлоу, який винайшов. Ми обговорюємо, що спрацювало, що ні, що здивувало. Це не відполіровані презентації. Це чесні розмови, де хтось може сказати: «Я витратив три години на цей інструмент і це було жахливо». І це так само цінно, як історія успіху.
2. Окремий Slack-канал для AI-інструментів і експериментів. Це не база знань і не формальний вікі. Це жива розмова. Хтось кидає промпт, який добре спрацював. Хтось питає, чи пробував хтось певний інструмент для конкретного завдання. Хтось шерить скриншот кумедно неправильної відповіді AI.
3. Ми виділили бюджет на зовнішнє AI-навчання, на яке пішли всією командою. Не одна людина йде на вебінар і потім розповідає. Ми всі навчалися разом, а потім обговорювали як це можна застосувати в нашій роботі. Цей спільний досвід створює спільну мову і відчуття, що ми всі в цьому разом.

Takeaway: створіть простір, у якому людям не соромно помилятися і ділитися провалами. Саме там народжується реальне впровадження.

Крок 3. Конкретні інструменти, які ми використовуємо

Я за прозорість. Розпливчасті фрази на кшталт «ми використовуємо AI» нікому не допомагають. Ось що ми реально використовуємо.

Ми перевели всю команду на Claude Teams. Це дало кожному доступ до однакових AI-можливостей зі спільним контекстом про нашу компанію. Ми використовуємо Projects всередині Claude для підтримки постійних баз знань для різних клієнтів і процесів. AI реально розуміє контекст нашого бізнесу, а не просто генерує загальні відповіді. Claude Cowork ми використовуємо для спільної роботи над складними завданнями: ведення фінансів, аналітика ринку, маркетингові матеріали. А Claude Code для внутрішніх автоматизацій і звітів клієнтам.

Також Clay для лідогенераціі та сорсингу кандидатів. Lemlist команда використовує для багатоканального аутріча, як потенційних клієнтів, так і кандидатів.

Canva, Lovable, OpusClip, Destrict для контенту та ведення всіх соціальних мереж.

В Airtable автоматизували всю нашу аналітику по компанії та рекрутингу, на основі якої бачимо реальну картинку бізнесу та приймаємо рішення.

Але стек – не головне. Головне те, що кожен інструмент зайняв своє місце, бо розв’язав реальну проблему команди. І кожен інструмент став частиною нашої організаційної структури.

Takeaway: нехай впровадження буде «підтягнуте» потребою, а не «проштовхнуте» ентузіазмом. Команда сама скаже, що їй потрібно. Якщо ви створите простір для цього.

Що ми зробили не так

Ця частина, можливо, найважливіша.

Перша помилка: ми не проговорили страхи команди одразу. Коли ви починаєте впроваджувати AI, люди лякаються. Вони не кажуть це на зустрічах, але думають: «Ця штука мене замінить?» І якщо ви не звернетесь до цього страху прямо, він тихо саботуватиме кожну вашу ініціативу.

Порожні запевнення на кшталт «AI ніколи тебе не замінить» не працюють. Люди бачать це наскрізь. Потрібно чесно ділитися своєю візією того, як команда еволюціонує. У цьому випадку – модель, де AI і людина працюють поруч, кожен робить те, що вміє найкраще. Але це можна казати лише тоді, коли це правда. Якщо ваш реальний план скоротити команду, вони це зрозуміють швидко. І ви втратите довіру повністю.

Друга помилка була найбільшою. І найважчою для мене особисто. На початку я не була особисто залучена в процес. Я купувала навчальні курси й казала команді: «Впроваджуйте це». Або: «Розберіться, як використовувати AI в сорсингу». І відходила. Команда тестувала щось, воно не працювало ідеально з першого разу, і всі тихо поверталися до старого воркфлоу. Нічого не приживалося.

Усе змінилося, коли я почала бути присутньою. Коли почала ділитися тим, що сама використовую. Навіть коли мої ідеї здавалися дивними або напівготовими. Коли я приходила на демосесії зі своїми експериментами. Коли почала питати на таких дзвінках, що люди пробують. Коли показала, що я розбираюся в цьому разом із ними, а не делегую зверху.

Takeaway: якщо фаундер або керівник команди не використовує AI сам відкрито й активно, команда не буде.

Третя помилка: ми намагалися впровадити занадто багато інструментів одночасно. Три нові платформи за місяць. Команда була перевантажена й повернулася до старих методів. Зараз ми впроваджуємо один інструмент за раз і даємо мінімум два-три тижні, щоб він прижився.

Іноді експерименти просто провалюються. Інструмент, який чудово працює в теорії, виявляється незручним на практиці. Хтось витрачає години на налаштування, а результат посередній. Але це нормально. Головне, щоб у команді була культура, де можна сказати: «Це не працює». І ця чесність сприймається як прогрес, а не поразка.

Takeaway: не бійтеся помилок. Бійтеся культури, де про помилки не можна говорити.

Післямова

Впровадження AI в невеликій команді дуже схоже на побудову спільноти. Ви не просто змінюєте процеси. Ви змінюєте те, як люди думають про свою роботу, свої навички і своє майбутнє.

Демосесії, Slack-канал, спільне навчання, чесні розмови про те, що працює і що ні. Це не просто тактики change management. Це фундамент культури, яка здатна абсорбувати безперервні зміни. Бо AI не перестане еволюціонувати. Інструменти, які ми використовуємо сьогодні, застаріють за півтора року. Але команда, яка вміє вчитися разом, не застаріє ніколи.

Ми не завершили цей шлях. Ми навіть не близько. Але ми побудували дещо, чим я реально пишаюсь: команду, яка сприймає AI не як загрозу й не як чарівну пігулку, а як майстерність, яку ми опановуємо разом.

І мені здається, що саме із цього кожна команда має починати.