Come creare un piano di pratica dopo un corso AI

Lunedì mattina il team riapre il materiale del corso. Trova 43 slide, nove prompt e nessun task assegnato.

Il venerdì dopo nessuno ha usato niente.

Un piano di pratica post-corso AI organizza le settimane successive alla formazione attorno a un task reale. Definisce cadenza, supporto, evidenze, feedback e criterio di uscita. Il risultato non è aver rivisto le lezioni. È saper svolgere un lavoro nel perimetro deciso.

Il corso finisce, la pratica comincia

Durante il corso il formatore prepara esempi, tempo e ambiente. Nel lavoro entrano urgenze, dati incompleti, tool diversi e conseguenze vere.

La distanza va progettata. Non basta chiedere al team di usare l'AI quando capita.

Un piano utile collega sette elementi:

ruolo
-> task
-> cadenza
-> prova
-> feedback
-> nuova esecuzione
-> autonomia

La mappa delle competenze AI del team aiuta a scegliere il punto di partenza. Il piano di pratica prende una competenza e la porta dentro un comportamento osservabile.

Scegli un task, non un argomento

Usare meglio ChatGPT non è un task. Preparare la prima bozza del riepilogo settimanale da tre fonti approvate sì.

Un buon task ha:

• un input riconoscibile

• un output che qualcuno usa

• un confine chiaro

• un controllo prima dell'uso

• una frequenza reale

• un owner del processo

Evita di assegnare dieci casi d'uso insieme. La pratica si disperde e il manager non capisce quale ostacolo sta osservando.

Parti da una baseline concreta

Prima della prima settimana chiedi alla persona di svolgere il task con gli strumenti e il supporto che usa già. Conserva output, tempo impiegato, passaggi, errori e richieste d'aiuto.

La baseline non serve a mettere un voto. Serve a confrontare lo stesso lavoro dopo la pratica.

Scheda minima:

Non inserire dati personali o contenuti cliente nel materiale formativo se non sono necessari e autorizzati. Un caso ripulito può allenare il metodo senza copiare il lavoro reale in un ambiente sbagliato.

Disegna una progressione leggibile

La difficoltà non cresce aggiungendo prompt più lunghi. Cresce togliendo supporto e aumentando la variabilità del task.

Una progressione può passare da:

1. esempio guidato con input pulito

2. caso simile con checklist disponibile

3. caso reale ripulito con una eccezione

4. task ordinario con review a campione

5. task svolto in autonomia nel perimetro concordato

Le esercitazioni AI per la formazione aziendale coprono il lavoro dentro il percorso formativo. Il piano post-corso continua sul calendario operativo, con responsabilità condivise tra persona e manager.

Dai una cadenza al comportamento

!Partecipanti lavorano al computer durante il laboratorio Build with AI di MAIKER HUB

*Una cadenza sostenibile rende visibile la pratica nel lavoro quotidiano. — MAIKER HUB · archivio eventi*

La frase usalo questa settimana non dice quando, su quale caso o quale prova conservare.

Definisci:

• giorno o trigger del task

• numero di esecuzioni previste

• tempo protetto

• canale di supporto

• data del feedback

• nuova prova dopo la correzione

La frequenza dipende dal lavoro. Un task giornaliero può produrre più prove in pochi giorni. Un'attività mensile richiede un altro disegno, forse con casi simulati tra una ricorrenza e l'altra.

Fai raccogliere una prova piccola

Ogni esecuzione lascia un pacchetto leggero:

practice_id: practice-04
task_id: weekly-summary
input_class: note-riunione-ripulite
output_ref: draft-17
checks:
  facts: green
  dates: green
  owners: needs_fix
support_used: checklist
decision: retry_after_feedback

I valori sono fittizi. La prova mostra cosa è stato fatto, quale controllo ha fallito e cosa succede dopo. Non deve diventare sorveglianza del dipendente o raccolta indiscriminata di prompt.

Accorcia il feedback

!Formatore MAIKER HUB presenta un passaggio operativo durante il laboratorio Build with AI

*Feedback ravvicinati aiutano a correggere il metodo mentre viene applicato. — MAIKER HUB · archivio eventi*

Un commento ricevuto due settimane dopo arriva quando la persona ha già ripetuto lo stesso errore.

Il feedback deve nominare:

• punto osservato

• effetto sull'output

• correzione richiesta

• nuova prova

• criterio di chiusura

Sii più preciso non aiuta. Le tre azioni non hanno owner: torna alle note, assegna solo ciò che è esplicito e marca le altre come da confermare produce un comportamento verificabile.

Il feedback chiude il giro solo quando la persona ripete il task. Correggere il file al posto suo chiude la consegna, non l'apprendimento.

Separa supporto e dipendenza

Checklist, esempi, office hours e reviewer servono. Devono però cambiare nel tempo.

Puoi usare quattro livelli:

Autonomia non significa lavorare senza controlli. Significa sapere quali controlli applicare e quando fermarsi.

Coinvolgi il manager sul lavoro

Il formatore vede la qualità dell'esercizio. Il manager vede se il task entra nel calendario, se mancano accessi o se il risultato non viene usato.

Assegna al manager poche responsabilità chiare:

• proteggere il tempo di pratica

• fornire casi adatti

• non premiare scorciatoie fuori policy

• verificare che l'output abbia un consumer

• rimuovere blocchi organizzativi

• confermare il passaggio di livello

Se il team non pratica perché il processo non concede tempo o accessi, un'altra lezione non risolve il problema.

Collega il piano al contesto d'uso

L'articolo 4 del Regolamento europeo sull'AI richiede misure di AI literacy che tengano conto di conoscenze tecniche, esperienza, istruzione, formazione e contesto d'uso. Questo articolo non offre una valutazione legale. Offre una conseguenza progettuale prudente: non usare lo stesso piano per ruoli e sistemi con conseguenze diverse.

Chi usa l'AI per riordinare appunti ha bisogno di controlli diversi da chi prepara una decisione su persone, credito o sicurezza. In alcuni casi il task non va assegnato senza una verifica competente più ampia.

Il JRC DigComp 2.2 organizza esempi di competenza attraverso conoscenze, skill e attitudini. Nel piano puoi trasformare questa distinzione in tre domande:

• sa spiegare il limite?

• sa svolgere il task?

• sa fermarsi quando il caso esce dal perimetro?

Decidi il criterio di uscita

Un piano senza uscita diventa un corso infinito.

Il criterio può richiedere:

• più esecuzioni su casi diversi

• assenza di errori critici

• uso corretto delle fonti

• spiegazione delle decisioni

• escalation dei casi fuori perimetro

• riduzione del supporto

• approvazione del process owner

Non trasformare il numero di esecuzioni in una certificazione. Tre casi verdi mostrano una prova nel contesto testato. Non dimostrano competenza su qualunque situazione.

Un esempio fittizio di quattro settimane

Un team operations deve preparare un riepilogo da note riunione e stato attività.

Settimana 1. Due casi ripuliti. Checklist completa. Feedback entro il giorno successivo. Il difetto ricorrente è assegnare owner non presenti nella fonte.

Settimana 2. Due casi con note incomplete. La persona deve distinguere fatti, ipotesi e domande aperte. Può usare la checklist, ma non l'esempio svolto.

Settimana 3. Un caso reale autorizzato. Review a campione. Il manager verifica che il riepilogo venga usato nella riunione successiva.

Settimana 4. Un caso con conflitto tra due fonti. Il task è verde solo se la persona non sceglie in silenzio e porta il conflitto all'owner.

Alla fine il team non riceve un'etichetta generica. Riceve un esito sul task: autonomo, ancora assistito o da riprogettare.

Misura pratica e uso

La misura della formazione AI in azienda osserva se il comportamento entra davvero nel lavoro. Il piano di pratica fornisce le prove di base.

Misure possibili:

• esecuzioni previste e completate

• task chiusi senza aiuto

• errori critici per categoria

• casi fermati correttamente

• tempo tra feedback e nuova prova

• output usati dal consumer

• persone ancora dipendenti dal formatore

Non promettere produttività se non hai baseline e confronto. Prima misura se il task viene svolto e con quale qualità.

Gli errori che fanno sparire la pratica

Il primo è consegnare una libreria di prompt senza calendario.

Il secondo è scegliere task inventati che non hanno un consumer.

Il terzo è valutare la forma del prompt invece dell'output e della decisione.

Il quarto è chiedere al manager di supportare il team senza assegnargli azioni.

Il quinto è lasciare invariato il supporto. La persona completa il piano, ma non esce mai dall'esempio guidato.

Think, Build, Enable applicato alla pratica

Think: scegli ruolo, task, baseline, rischio e consumer. Definisci cosa significa autonomia in quel perimetro.

Build: prepara calendario, casi, prove, feedback, livelli di supporto e criterio di uscita.

Enable: coinvolgi manager e process owner. Porta la pratica nel lavoro e misura ciò che viene usato.

La formazione team aziendale AI di MAIKER HUB può collegare corso, casi reali e piano di pratica. Si parte da un task che il team deve chiudere la settimana dopo, non da un catalogo di tool.

Fonti e riferimenti

• NIST AI Risk Management Framework

• NIST AI 600-1: Generative AI Profile

• Commissione europea: quadro normativo sull'intelligenza artificiale