Come formare i formatori AI in azienda
Un formatore apre il tool, mostra 8 funzioni e chiude con 20 prompt da copiare. Il giorno dopo i partecipanti sanno ripetere la demo. Davanti al primo documento incompleto, però, non sanno dove fermarsi.
La competenza del formatore non coincide con la velocità alla tastiera. Deve saper eseguire un workflow e deve saper vedere come un'altra persona ragiona mentre lo esegue.
Per questo usiamo la doppia prova.
La prima prova riguarda il lavoro. La seconda riguarda l'osservazione. Chi passa soltanto la prima può essere un bravo utente. Non è ancora pronto a formare altri.
Prima definisci cosa deve saper guidare
Formare sull'AI è un perimetro senza confini. Scegli 1 ruolo, 1 processo e 1 livello di autonomia.
Esempio di progetto:
Il formatore guida un gruppo operations nella preparazione di una sintesi da 5 fonti approvate. Sa riconoscere fonti mancanti, far emergere 2 versioni in conflitto e osservare il controllo umano prima della consegna.
La frase contiene 3 lavori diversi:
Dimensione | Cosa deve dimostrare |
|---|---|
esecuzione | chiude il workflow con le fonti corrette |
diagnosi | trova errori, limiti e condizioni di stop |
facilitazione | fa emergere il ragionamento del partecipante senza sostituirsi a lui |
DigComp 3.0 descrive livelli basati su domanda cognitiva, complessità del compito e autonomia. Ai livelli avanzati compare anche la capacità di guidare altre persone. Non è uno standard aziendale per certificare formatori AI. Offre però un criterio utile: saper fare un compito semplice con guida non equivale a saper guidare altri su casi complessi.
La mappatura delle competenze AI aiuta a trovare persone vicine al ruolo. Non scegliere il formatore soltanto perché usa più tool del gruppo. Cerca competenza di dominio, capacità di spiegare un errore e disponibilità a dichiarare un limite.
Prova 1: chiudi il workflow senza scorciatoie
Il candidato riceve un caso già concluso, con dati fittizi o ripuliti. Il risultato corretto è noto al valutatore.
Nel pacchetto metti:
fonti numerate,
consegna,
output atteso,
2 errori inseriti,
condizione di stop,
rubrica di valutazione.
Esempio fittizio: 5 note. Ci sono 1 data discordante, 1 attività senza owner e 1 commento fuori perimetro. Il candidato prepara la sintesi, collega i fatti alle fonti e lascia aperti i 2 punti che non può chiudere.
Non valutare il prompt più elegante. Valuta il processo.
Criterio | 0 | 1 | 2 |
|---|---|---|---|
perimetro | usa materiale vietato | chiede tardi | usa solo input ammessi |
fonti | nessuna traccia | traccia parziale | ogni fatto ha fonte |
conflitti | sceglie senza prova | segnala senza azione | conserva le versioni e ferma |
controllo | accetta la bozza | corregge parte | trova gli errori critici |
evidenza | salva solo il finale | salva alcune correzioni | conserva bozza, correzioni e decisione |
La soglia la decide l'owner del processo. Una scelta possibile è 8/10, senza 0 su perimetro o conflitti. È un esempio, non una certificazione trasferibile ad altri workflow.
Le esercitazioni AI per la formazione aziendale spiegano come costruire casi sul lavoro. Nella doppia prova, il primo caso serve a dimostrare che il formatore sa fare ciò che chiederà agli altri.
Prova 2: osserva senza prendere il mouse
Questa è la parte che separa una demo da una formazione.
Un secondo partecipante esegue un caso diverso. Il candidato formatore osserva. Può fare domande, ma non può completare il prompt, correggere il file o indicare subito l'errore.
Segna 5 momenti:
come il partecipante interpreta la consegna,
quali fonti sceglie,
dove si fida dell'output,
quando riconosce un limite,
come decide di proseguire o fermarsi.
Il formatore non deve indovinare cosa pensa la persona. Deve raccogliere evidenze: frase detta, fonte scelta, controllo saltato, domanda fatta.
Una nota utile suona così:
Al minuto 14 il partecipante vede 2 date ma sceglie quella della prima fonte. Non apre F04. Dice: il modello sembra sicuro.
Una nota inutile suona così:
Il partecipante non ha ancora una mentalità critica.
La prima descrive un comportamento. La seconda appiccica un'etichetta.
NIST AI RMF include esperti di dominio e utenti nelle valutazioni quando il rischio lo richiede. Nel train-the-trainer questo conta molto: un formatore può conoscere il tool e non conoscere il processo. La valutazione del caso deve coinvolgere chi sa riconoscere un errore del lavoro reale.
Inserisci errori che hanno una funzione didattica
Un errore intenzionale non serve a cogliere in fallo. Serve a far vedere un criterio.
Usa una scheda come questa:
Errore | Comportamento atteso | Domanda del formatore | Regola da portare al lavoro |
|---|---|---|---|
fonte senza data | non attribuire una scadenza |
| nessun fatto senza prova |
2 owner diversi | conserva il conflitto |
| il modello non assegna responsabilità |
PII in una nota | interrompi l'uso |
| il perimetro viene prima del prompt |
risposta fluida ma incompleta | confronta con la rubrica |
| stile e correttezza sono cose diverse |
Metti 1 errore per concetto. Cinque trappole nello stesso file misurano la resistenza alla frustrazione, non la competenza che vuoi osservare.
Mo' viene il lavoro meno scenografico: rifare il caso dopo averlo corretto. Se l'errore scompare appena cambia la frase, forse stavi testando un indizio, non un criterio.
Insegna il feedback in 4 mosse
Il feedback generico produce dipendenza. Devi controllare meglio non dice cosa fare al prossimo giro.
Usa questa sequenza:
fatto -> effetto -> criterio -> nuova prova
Esempio:
Hai scelto la data di F02 senza aprire F04. La sintesi presenta come certa una scadenza contestata. Il criterio è conservare entrambe le versioni e coinvolgere l'owner. Riprova sul caso B, dove il conflitto riguarda un ruolo.
Il formatore non corregge la persona. Corregge un comportamento osservabile e assegna una prova diversa.
DigComp 3.0 esprime i learning outcome come conoscenze, abilità e atteggiamenti. Puoi usare la distinzione senza trasformarla in un voto astratto:
Tipo | Evidenza nel formatore |
|---|---|
conoscenza | sa spiegare perché una fonte è ammessa |
abilità | esegue e controlla il workflow |
atteggiamento | dichiara il limite e non copre un dubbio con sicurezza |
Atteggiamento non autorizza una valutazione psicologica. Qui descrive un comportamento nel compito assegnato.
Prepara il debrief prima della sessione
Il debrief non è una chiacchierata finale. Ha una sequenza.
Apri con il risultato, torna al punto di decisione e chiudi con il prossimo uso.
1. Che risultato hai prodotto?
2. Quale passaggio ti ha fatto cambiare strada?
3. Quale fonte ha sostenuto la decisione?
4. Dove il workflow non aveva abbastanza informazioni?
5. Cosa farai al prossimo caso?Il candidato formatore prova il debrief su 2 persone. Se fa tutte domande che contengono già la risposta, non sta osservando. Sta guidando verso il proprio copione.
La co-facilitazione è un gate, non un favore
Prima di assegnare un gruppo intero, fai 2 passaggi.
Nel primo il candidato osserva un formatore esperto e annota decisioni, tempi e interventi. Nel secondo conduce una parte delimitata mentre l'altro osserva.
Dividi la sessione per responsabilità:
Blocco | Candidato | Osservatore |
|---|---|---|
apertura e confini | conduce | verifica chiarezza |
esercizio | osserva il gruppo | registra interventi |
debrief | conduce | controlla domande leading |
chiusura | assegna la prova successiva | verifica coerenza |
Non promuovere per anzianità o entusiasmo. Promuovi quando il candidato passa la doppia prova sul processo che dovrà facilitare.
Costruisci un kit che non dipende dalle slide
Il kit minimo contiene 6 oggetti:
contratto del workflow,
caso chiuso con fonti,
versione per la prova del formatore,
versione per la prova del partecipante,
rubrica osservabile,
stop ed escalation.
Le slide possono orientare. Il kit deve far lavorare.
La formazione AI per il team di MAIKER HUB parte da processi e casi. Se l'obiettivo è costruire formatori interni, il percorso deve includere prove di osservazione, non soltanto contenuti da ripetere.
Misura cosa succede dopo l'aula
Presenze e gradimento non dimostrano che il formatore sappia portare il criterio nel lavoro.
Osserva segnali più vicini al compito:
casi condotti senza intervento del formatore senior,
errori critici riconosciuti dal gruppo,
escalation attivate nel punto previsto,
feedback legati a fatti e fonti,
rubriche compilate senza campi vaghi,
problemi ricorrenti riportati al process owner.
Confronta sessioni simili. Stesso tipo di workflow, gruppo comparabile e rubrica stabile. La misura della formazione AI tratta il passaggio dalla sessione al comportamento sul lavoro.
Il formatore non è autonomo perché ha condotto 1 aula. È autonomo su un perimetro quando sa eseguire, osservare, fermare e riportare ciò che il processo non regge.
Errori che producono dimostratori, non formatori
scegliere chi conosce più tool,
dare una deck senza un caso chiuso,
valutare il formatore soltanto mentre parla,
lasciare che corregga il partecipante al primo errore,
usare feedback su personalità o atteggiamenti non osservati,
nascondere gli stop per non rallentare la sessione,
promuovere dopo una sola co-facilitazione facile,
non coinvolgere l'esperto di dominio,
misurare soltanto presenze e gradimento.
Il primo formatore da preparare
Scegli una persona che sa spiegare un errore senza coprirlo con il tool. Dalle 1 caso chiuso e 1 rubrica. Falla eseguire. Poi mettila accanto a un collega che prova un caso diverso.
La doppia prova inizia lì.
Porta a MAIKER HUB il formatore, il processo e l'errore che il gruppo deve imparare a vedere. Costruiamo pratica, osservazione e supporto. Non un'altra demo da dimenticare il giorno dopo.
Fonti e riferimenti
Domande frequenti
Un AI champion può diventare formatore?
Sì, se possiede il processo, passa la doppia prova e sa facilitare senza sostituirsi ai partecipanti. Il titolo di champion non basta.
Quanto dura un percorso train-the-trainer?
Dipende dal rischio e dalla varietà dei casi. Definisci prove e perimetro prima della durata. Le ore da sole non certificano il risultato.
Il formatore deve conoscere tutti i tool?
No. Deve conoscere il tool approvato, il workflow, i limiti e il percorso manuale. Il catalogo cambia più in fretta del criterio.
Chi valuta la prova?
Almeno una persona che conosce il processo. Per usi più delicati può servire anche un reviewer separato da chi ha preparato il workflow.
Posso usare casi reali?
Solo se sono ammessi e ripuliti secondo le regole dell'organizzazione. Il default sicuro per la prima prova è un caso concluso con dati fittizi o anonimizzati correttamente.
