AI-аудит навичок без консультанта: як зробити самим за тиждень

Якщо ви власник SMB на 60-200 людей і вендор щойно виставив €18 000 за «AI readiness assessment» — пригальмуйте. За тиждень ви можете провести захищабельний аудит власними силами, і результат буде кориснішим, бо його збирали ваші ж люди.

Чому більшість skill-gap звітів лежать у шухляді?

Бо вони оцінюють людей, а не геп.

Звіт каже: «42% персоналу — beginner з prompt engineering». COO кивне і покладе в архів. Нічого не зміниться, бо нічого не actionable. Немає ролі, прив’язаної до гепу. Немає workflow, який він блокує. Немає менеджера, який відповідає за закриття.

Definition: Skill-gap аудит — зріз (поточна здатність) проти (здатність, що вимагається роботою, яку люди реально роблять), розбитий за ролями, з планом закриття per gap. Не personality test і не maturity score.

DIY-версія, яку розберемо нижче, пропускає maturity-театр і йде одразу до: кому що потрібно, до якого числа, щоб робити роботу, яка перед ним лежить.

Як виглядає тиждень?

День 1: визначаєте role families. День 2: запускаєте опитування. Дні 3-4: практичне на вибірці. День 5: scoring, mapping і output з трьох пріоритетів.

Перед стартом треба 3 артефакти:

1. Список role families в scope (для 100-людної SMB це 6-12 родин, а не 47 конкретних посад).
2. Рубрика, яка мапить role family на потрібний рівень AI capability (нижче будуємо).
3. Відповідальний owner per відділ, який запускає практичне і підписує heatmap.

Definition: Role family — група посад зі спільною щоденною AI surface area. «Account executive» і «SDR» можуть бути однією родиною; «controller» і «AP clerk» — навряд чи.

Що йде в 15-хвилинне опитування?

Шість блоків. Не додавайте сьомий.

1. Чим користуються сьогодні (інструменти, частота, paid/free, sanctioned/shadow).
2. Завдання, де AI вже допомагає (вільний текст, до трьох прикладів).
3. Завдання, де хочеться щоб AI допоміг (вільний текст, до трьох).
4. Self-rated впевненість за п’ятибальною шкалою на 4 capabilities: написати prompt, оцінити якість виходу, редагувати чутливі дані, відновитись після поганого виходу.
5. Історія навчання (структуроване, скільки годин, коли, ким).
6. Одне відкрите питання: «Яке одне завдання щотижня вас з’їдає — і ви б віддали його AI завтра, якби могли?»

Останнє питання — золото. Відповіді кластеризуються у 4-6 патернів per відділ, і ці патерни стають пріоритетами навчання.

Definition: Shadow AI — AI-інструменти (санкціоновані чи ні, оплачені чи ні), якими співробітники користуються на робочих задачах без відома IT. Патерн: у кожної SMB 50+ людей зазвичай 4-8 shadow-інструментів.

Як виглядає практичне з 3 завдань?

Опитування каже, що люди кажуть. Практичне показує, що вони вміють.

По 3 завдання на role family. Маленькі (15-30 хв), реалістичні, оцінюються по виходу, не по підходу. Приклад для AE:

• Завдання 1: чернетка follow-up після discovery-call з транскрипту.
• Завдання 2: знайти одну фактичну помилку і одну проблему з tone у AI-згенерованому case study.
• Завдання 3: редагувати чутливий уривок контракту перед вставкою в публічний AI-інструмент.

Вибірка 15-20% з кожної role family. 12 людей на 100-людну SMB достатньо, щоб тріангулювати survey. Оцінюємо за рубрикою нижче.

Copy/paste рубрика

Це рубрика, яку ми даємо командам як стартову. Адаптуйте capability levels і required-by-role mapping під свій бізнес.

ROLE FAMILY: [напр. Account Executive]
REQUIRED CAPABILITY LEVELS (target):

Capability                | Required level (1-4)
--------------------------+----------------------
Tool fluency              | 2
Prompt design             | 3
Output judgment           | 3
Data-handling discipline  | 3
Workflow integration      | 2
Recovery from bad output  | 2

LEVEL DEFINITIONS:
1 = Aware     — знає інструмент, спробував один раз
2 = Functional — користується на рутині щотижня, за прикладами
3 = Fluent    — адаптує prompts, оцінює якість, редагує дані
4 = Coach     — навчає інших, дизайнить workflow, дебагає фейли

SCORING ПРАКТИЧНОГО (per завдання):
- Якість виходу: 0-3
- Підхід: 0-3
- Робота з даними: 0-3 (нуль = auto-fail на рівні ролі)

GAP = required level − observed (середнє)
≤ 0 = не пріоритет навчання.
+1 = один cohort lab.
+2 і більше = структурована програма.

OUTPUT:
- Heatmap (role family × capability) з red/amber/green.
- Три пріоритети: найбільші гепи, які блокують найчастіше згадані завдання з питання 6.
- Owner per пріоритет.

Рубрика навмисне opinionated. Документ, у якому будь-яке прочитання приводить до «нам потрібен загальний AI-курс», — це не рубрика, це гороскоп.

Tool tip (Course for Business): Коли SMB роблять цей аудит самі, найчастіший стопор — крок з рубрикою: люди over-design рівні й не випускають документ. Наша 6-week program дає готову рубрику для 8 найпоширеніших SMB role families (sales, CS, marketing, finance, ops, HR, eng, leadership) і AI Champions (1:15-20) pod, який запускає практичне за вас у перший тиждень. Augment, don't replace — аудит дістає геп; ваші менеджери залишаються тими, хто вирішує, що з цим робити. Деталі — https://course.aiadvisoryboard.me/business.

Team scan (що репортять AI champions після тижня 1)

• Response rate опитування: ціль 70%+ у перший тиждень; нижче 50% означає, що leadership не endorse-нув видимо.
• Найкорисніший сигнал: відкрите питання про «таск, що з’їдає тиждень».
• Найбільший геп по SMB, що ми бачимо: data-handling discipline (редакція, що вставляти, що ні).
• Найменший геп: tool fluency — більшість пробували ChatGPT.
• Сюрприз: senior часто scor-ять нижче juniors на output judgment, бо делегують review.
• Shadow AI вилазить у питанні 1 — очікуйте 4-8 несанкціонованих інструментів на 50+ headcount.
• Один AI champion на ~17 людей запускає scoring практичного; менеджер володіє калібровкою рубрики.
• Перший friction: люди бояться, що практичне — це performance test. Frame: «ми тестуємо програму, не вас».
• Перша перемога: керівники відділів впізнають патерн heatmap за хвилини.
• Зекономлено на консультантах: типово €12-25K vs зовнішній аудит, повторюваний щокварталу.

Micro-case (що змінюється за 7-14 днів)

120-людна professional services firm провела це за п’ять робочих днів. 42 людини заповнили опитування, 12 зробили практичне. Heatmap показав три очевидні червоні зони: data-handling discipline по всій фірмі, output judgment у junior consulting tier і workflow integration у маркетингу. Leadership збирався витратити €22K на загальний «AI 101» для всіх. Після перегляду heatmap бюджет перерозподілили: один targeted workshop з data-handling для всієї фірми, чотиритижневий lab з judgment для junior consultants і marketing-specific workflow build з champion. Шість тижнів потому override rate на AI-чернетках клієнтських матеріалів впав приблизно на 40%, а junior consultants почали робити peer review AI-виходу самостійно, без нагадування менеджера.

Note on this case: This example is illustrative — based on typical patterns we observe with companies of 30-500 employees, not a single named client. Specific numbers are rounded approximations of common ranges, not guarantees.

Tool tip (Course for Business): Пастка DIY-аудитів: зробили один раз, поділилися heatmap — і нічого не сталося, бо ніхто не володіє закриттям. Shoulder-to-Shoulder hot seat нашої 6-week program побудований саме навколо цього failure mode — champion сидить тиждень з кожною red-zone командою, шипить перший реальний workflow і передає maintenance ritm. Аудит — це один понеділок; наступні шість тижнів — про закриття. 30-хв mapping call — https://course.aiadvisoryboard.me/business.

FAQ

Чи можна обмежитись опитуванням без практичного? Можна, за два дні отримаєте directional read. Але опитування переоцінює capability — люди ставлять собі бал щедріше. Практичне відділяє «кажуть, що вміють редагувати контракти» від «справді вміють». Якщо пропускаєте — запустіть тижневий пілот топ-пріоритету і використайте як reality-check.

Що робити з нетиповими ролями? Будувати свої. Рубрика opinionated на рівнях, а не на наборі ролей. Будівельна фірма, з якою ми працювали, мала «начальник дільниці» як окрему role family з геть іншими цільовими рівнями — heatmap все одно спрацював, бо колонки capabilities стабільні крос-індустрій.

Як часто повторювати? Один baseline, потім щокварталу перший рік, далі двічі на рік. Capabilities рухаються швидше за річний цикл, і drift heatmap між кварталами — теж сигнал: якщо за 90 днів нічого не зрушило, навчання не приживається.

Анонімні відповіді дадуть кращі дані? Трохи вищий response rate, суттєво гірший follow-up. Якщо до гепу не прив’язане ім’я — нема кому призначити owner. Підписані відповіді з рамкою від leadership «це для дизайну навчання, не для оцінки людей» — патерн, що працює.

Висновок

Консультант дає вам палітурку. DIY-аудит дає три пріоритети і три owner-и. Owner-и — це і є різниця.

Заблокуйте тиждень. День 1 — role families. До кінця Дня 2 — survey в руках. До кінця Дня 4 — практичне scored. До кінця Дня 5 — heatmap і три пріоритети.

Якщо хочете, щоб кожен співробітник запустив свою першу AI-автоматизацію за 5 днів — забронюйте 30-хв дзвінок і ми зніципуємо перший тиждень вашої команди: https://course.aiadvisoryboard.me/business.