AI Works – Tilraunaverkefni með áherslu á fólk sem kannar innleiðingu gervigreindar á breskum vinnustöðum
Flýtileiðsögn
Merki
Deila glærunum
AI Works – Tilraunaverkefni með áherslu á fólk sem kannar innleiðingu gervigreindar á breskum vinnustöðum
Ítarleg sýn á hverja glærusíðu, þar á meðal útlit, lykilefni og sjónræna þætti.
Titilglæra með litríku „AI Works“ lógói og gátmerki, undirtitli um tilraunaverkefni með áherslu á fólk og innleiðingu gervigreindar á vinnustöðum, ásamt vörumerki Google
Hrein forsíðuhönnun með stóru AI Works lógói, undirtitli og Google lógói neðst
Yfirgripsmikið efnisyfirlit með blaðsíðutali sem nær yfir inngang, helstu niðurstöður, samantekt, ráðleggingar, aðferðafræði, niðurstöður og ítarlega greiningu á þremur geirum (menntun, stéttarfélög, lítil og meðalstór fyrirtæki)
Tveggja dálka uppsetning með grænni hliðarstiku vinstra megin sem inniheldur efnisyfirlit; hægra megin er smámynd af myndbandi og athugasemd um siðferðilegar rannsóknir
Inngangssíða kafla með stórri „01“ grafík og undirtitli sem lýsir yfirliti yfir helstu niðurstöður, rannsóknaraðferðafræði og ráðleggingar um stefnumótun
Vinstra megin er stór litrík „01“ tala, hægra megin er svarthvít ljósmynd af þátttakanda í vinnustofu
Tveir formálar frá Rachel Wolf (meðstofnanda Public First) og Debbie Weinstein (forseta Google EMEA) sem útskýra áskoranir við innleiðingu gervigreindar, 400 milljarða punda efnahagsleg tækifæri og vaxandi gjá í innleiðingu
Tveggja dálka uppsetning með tilvitnunum frá báðum leiðtogum, þar sem áhersla er lögð á tækifæri til framleiðni og þörfina á markvissum aðgerðum
Sjö helstu niðurstöður kynntar á myndrænan hátt: gervigreindarvenjur myndast auðveldlega, endurmenntun brúar innleiðingarbil, leyfi til að nota leiðbeiningar, mótun venja leiðir til tilraunastarfsemi, jákvætt samband milli bjartsýni og notkunar, innleiðing gervigreindar eykur vellíðan og tímasparnaður fer fram úr áætlunum
Töfluuppsetning með sjö niðurstöðuspjöldum, stór áherslubox sem dregur fram helstu innsýn um skilvirkni þjálfunar
Hefst á 400 milljarða punda efnahagslegu tækifæri gervigreindar fyrir Bretland; bendir á að 200 milljarðar punda velti á upptöku vinnuaflsins. Upplýsingar um núverandi stöðu: 34% starfsfólks nota gervigreind, 66% nota hana ekki, með verulegum lýðfræðilegum mun
Textamikil síða með punktalistum, inniheldur myndræna framsetningu á tölfræði um notkun
Lýsir aðferðafræði tilraunaverkefnisins: unnið með þremur lykilgeirum (menntun, litlum og meðalstórum fyrirtækjum, stéttarfélögum), viðhorf mæld fyrir og eftir 2,5–5 klukkustunda þjálfun og eftirfylgni eftir þrjá mánuði til að mæla breytingar á hegðun
Texti með innfelldri ljósmynd sem sýnir þjálfunarlotu með fjölbreyttum hópi þátttakenda við borð
Upplýsingar um áhrif þjálfunar: notkun þrefaldaðist meðal félagsmanna stéttarfélaga, tvöfaldaðist hjá litlum fyrirtækjum og kennurum. Sýnir 10:1 arðsemi (ROI) samanborið við 1:2 hjá Lifetime Skills Guarantee. Dregur fram lýðfræðilega umbreytingu með ítarlegri tölfræði um konur og eldra starfsfólk
Opna með stórri skýringarmynd sem sýnir 45% tölfræði og ljósmynd af Google viðburði
Skráir breytingar á viðhorfum: yfir 80% hissa á getu gervigreindar, 70% fundu ný notkunartilvik sjálfstætt, bjartsýni jókst um 13–22 prósentustig þvert á hópa. Upplýsingar um ávinning fyrir vellíðan með 122 klukkustunda árlegum tímasparnaði
Skipt síða með texta hægra megin og stórri andlitsmynd vinstra megin af áhugasömum þátttakanda
Stefnumótandi ráðleggingar fyrir Industrial Strategy og Skills England, þar á meðal: fyrirtæki þurfa stuðning við gervigreindarverkfæri, færni og leiðbeiningar; Skills England ætti að búa til kerfi fyrir ör-vottanir; þörf á viðurkenningu á einingabærri þjálfun
Opna með texta ráðlegginga hægra megin og grípandi þjálfunarmynd vinstra megin sem sýnir kynningu
Ráðleggingar til stjórnvalda: tryggja gervigreindarþjálfun fyrir allt starfsfólk í opinbera geiranum, hefja tilraunaverkefni á stærri skala, skipa leiðtoga gervigreindar í hverri deild, samþætta gervigreind í Civil Service Fast Stream, meta umfang Digital Fast Stream
Framhald af hluta ráðlegginga með andlitsmynd af starfsmanni í opinbera geiranum
Kynnir hluta sem útskýrir hvers vegna efnahagslegir möguleikar gervigreindar eru enn að mestu ónýttir og hvað er í húfi fyrir Bretland. Stór „02“ kaflatala með svarthvítri mynd af þátttakanda
Kaflaskil með stórri litríkri tölugrafík og heimildarljósmyndun
Fjallar um 400 milljarða punda tækifæri Bretlands í gervigreind, áskoranir við upptöku tækni, framleiðni eftirbát G7-ríkjanna, áhættu vegna stafrænnar gjár og bendir á að þetta sé tækifæri til að rjúfa hringrás hægrar tækniupptöku
Texti í einum dálki með áherslu á tilvitnun og tilvísanir í heimildir
Myndræn framsetning gagna sem sýnir notkun á skapandi gervigreind í vinnu eftir lýðfræði: mikill munur á körlum undir 35 ára (hæst) og konum 55+ (lægst – fjórum sinnum ólíklegri til að nota gervigreind)
Súlurit með sex lýðfræðilegum flokkum sem sýnir hlutfall þeirra sem hafa notað skapandi gervigreindarverkfæri í vinnunni
Annað línurit sem sýnir að notkun gervigreindar er í mikilli fylgni við tekjur, hækkar úr 10–20% hjá þeim tekjulægstu í 70% hjá þeim sem eru með 100 þúsund pund eða meira í árstekjur. Bendir á að 34% fólks noti gervigreind í vinnunni, með mikilli tíðni meðal þeirra sem hafa tekið hana í notkun
Línu-/svæðisrit sem sýnir tekjuflokka og notkunarhlutfall, ásamt skýringartexta
Kynnir hluta um aðferðafræði sem útskýrir hönnun tilraunaverkefnisins til að greina hindranir í upptöku gervigreindar og prófa markvissa þjálfun. Stór „03“ kaflatala
Skipt síða með stórri tölugrafík og heimildarljósmynd af tveimur þátttakendum í samstarfi
Upplýsingar um rannsóknarnálgun: viðtöl við 18 sérfræðinga og hagsmunaaðila, þróun tilgátna fyrir þrjá geira (menntun/lítil fyrirtæki/stéttarfélög), könnun meðal 3.100 starfsmanna í ágúst 2024 og mars 2025
Tímalína/ferlisflæði með textaboxum og ljósmynd af þátttakanda
Yfirgripsmikil tímalína frá apríl til mars sem sýnir: grunnrannsóknir, tilgátur geira, greiningu á landslagi, greiningu fyrir þjálfun, framkvæmd þjálfunar (desember), rannsóknir eftir þjálfun, 3 mánaða áhrifagreiningu og eftirfylgnikönnun á landslagi
Lárétt tímalína með tengdum áföngum og ítarlegum lýsingum á hverju stigi
Lýsir samstarfi við LEO Academy Trust, Lift Schools, Community union og Enterprise Nation. Upplýsingar um uppbyggingu þjálfunar: 2,5–5 klukkustunda sérsniðinn stuðningur sem lagaður er að vinnustaðasamhengi hvers geira
Tveggja dálka uppsetning með upplýsingum um þjálfun og samstarfsaðila
Skýrir þriggja þrepa mat: kannanir/rýnihópar fyrir þjálfun, kannanir/rýnihópar eftir þjálfun og eftirfylgni eftir 3 mánuði. Tekur fram að inngrip hafi verið fjölbreytt milli hópa til að fá dýpri innsýn, með prófunum á tölfræðilegri marktækni
Textalýsing með innfelldri ljósmynd af áhugasömum þátttakendum í þjálfun
Kynnir niðurstöðukafla sem útskýrir hvernig stutt þjálfun eykur notkun á AI verulega með varanlegum áhrifum á innleiðingu. Stórt „04“ kaflamerki
Kaflaskil með stórri litríkri tölu og andlitsmynd af þátttakanda
Lykilniðurstaða um að skynjað mikilvægi sé stærsta hindrunin, fremur en geta eða flókni. Tekur fram að sjálfstraust sé áfram mikið (80%+), en meirihlutinn telji gervigreind óviðkomandi sínu starfi. Tvöföld áskorun: sjá ekki notkunarmöguleika og gáfust upp eftir að hafa ekki séð tafarlausan ávinning
Texti með innfelldum gögnum sem sýna 44% daglega notkun meðal þeirra sem nota AI
Samanburðargröf fyrir og eftir sem sýna gífurlega aukningu á áætlaðri gervigreindarnotkun strax eftir þjálfun: færsla úr flokknum „aldrei“ yfir í „mörgum sinnum á dag“ hjá öllum hópum
Stöfluð súlurit sem bera saman „Fyrir þjálfun“ og „Áætluð framtíðarnotkun“ með litakóðuðum tíðniflokkum
Súlurit sem sýnir helstu ástæður fyrir aukinni notkun hjá þremur hópum: tímasparnaður (54–72%), betri skilningur á gagnsemi (61–69%), skilningur á hvernig eigi að nota tæknina á áhrifaríkan hátt (43–63%), sjálfstraust til að gera tilraunir (43–59%)
Lárétt súlurit sem ber saman þrjá hópa með mörgum svarmöguleikum
Sýnir áætlaða á móti raunverulegri notkun þremur mánuðum síðar hjá öllum þremur hópum. Lítilsháttar lækkun með stöðugu mynstri: Stéttarfélög (9%→57%→35%), Menntun (19%→57%→47%), Lítil og meðalstór fyrirtæki (29%→59%→60%). Leggur áherslu á lýðfræðilega umbreytingu hjá konum og starfsmönnum 55 ára og eldri
Samanburðarrit með þremur súlum fyrir hvern hóp sem sýnir notkun fyrir/áætlaða/raunverulega, ásamt tilvitnunum
Stöflunarsúlurit sem sýnir sparaðan tíma á viku eftir hópum: flestir spara 1–3 klukkustundir á viku, sumir 4–6 klukkustundir, sem samsvarar 122 klukkustundum á ári — 22% meira en áætlað var í 100 klukkustunda líkaninu
100% staflað súlurit með flokkum tímasparnaðar ásamt skýringartexta og innfelldri ljósmynd
Súlurit sem ber saman sjálfstraust fyrir þjálfun við almennt vinnuafl. Sýnir að þátttakendur byrjuðu með minna sjálfstraust en þjálfun jók færni verulega. Eftir 3 mánuði höfðu 70% uppgötvað nýja notkunarmöguleika, 48% notuðu AI við hugmyndavinnu og 54% við samantektir
Lárétt súlurit sem ber saman sjálfstraust milli ólíkra hópa starfsmanna, með umsögnum
Súlurit sem sýnir fyrirætlanir um framtíðarnotkun AI hjá hópum fyrir ýmis verkefni. Leggur áherslu á þróun blæbrigðaríks skilnings og ábyrgra vinnubragða. Inniheldur hliðarstiku um öryggisnálgun Google
Hópað súlurit eftir tegund verkefna með samanburði á þremur hópum, ásamt upplýsingapanel um öryggi hjá Google
Pöruð súlurit sem sýna mikla aukningu á tæknibjartsýni eftir þjálfun: Menntun +22 stig (66%→87%), Lítil og meðalstór fyrirtæki +13 stig, Stéttarfélög +9 stig. Tengir aukna notkun við aukna bjartsýni á samfélagsleg áhrif tækninnar
Samanburður á súluriti fyrir og eftir hjá fjórum hópum með skýringartexta og andlitsmynd af þátttakanda
Sýnir hvernig AI bætir aðgengi og inngildingu fyrir fólk með taugafjölbreytni, í sérkennslu, fyrir þá sem hafa ensku sem annað mál og fólk með námsörðugleika. Margar umsagnir um AI sem stuðningskerfi
Textamikil síða með þremur kröftugum umsögnum og ljósmynd til stuðnings
Útskýrir hvað gerði þjálfunina árangursríka: gagnvirkar vinnustofur, hagnýtar sýnikennslur með raunverulegum dæmum, sérsniðið efni fyrir ólíkar atvinnugreinar og æfingar í gerð leiðbeininga (prompting). Tekið er fram að enginn marktækur munur hafi verið á árangri eftir því hvort þjálfunin fór fram á netinu eða í eigin persónu (staðnámi).
Texti með innfelldri ljósmynd af þátttakendum sem sýnir hópnám í framkvæmd.
Skilrúm fyrir ítarlega greiningu á menntageiranum. Sýnir stóra töluna „02“, titilglæru og samstarfsmerki LEO Academy Trust og Lift Schools.
Hreint skilrúm með vörumerkjum og ljósmynd af þátttakendum.
Sjö punkta samantekt: AI þjálfun er ekki í forgangi hjá kennurum (aðeins 22% velja hana), traust er ekki helsta hindrunin (heldur mikilvægi), áhyggjur af „svindli“ krefjast skýrra heimilda, notkun tvöfaldaðist eftir þjálfun og tímasparnaður fór 10% fram úr áætlunum. Stjórnsýsluverkefni eru fyrsta skrefið inn og kennarar urðu talsmenn tækninnar.
Tölusettur listi yfir niðurstöður með tilvitnunum frá samstarfsaðilum í bláum boxum.
Upplýsingar um álag á kennara: 49% telja vinnuálagið óviðráðanlegt, 74% eyða of miklum tíma í stjórnsýslu, 34% íhuga að hætta vegna álags. AI gæti sparað kennurum 109 klukkustundir á ári (16% aukning á hlutfalli kennara og nemenda, sem samsvarar 31.000 nýjum kennurum).
Textamikil glæra með tölfræði og stóru letri undir fyrirsögninni „Education“.
Súlurit sem sýnir hvers vegna starfsfólk í menntun notar ekki AI: skortur á mikilvægi fyrir starfið (38%), ónóg þjálfun (27%), skortur á verkfærum (24%), val á hefðbundnum aðferðum (21%). Aðeins 18% nefna gagnaöryggi og 16% áhyggjur af trausti.
Lárétt súlurit með 15 flokkum hindrana og skýringartexta.
Lýsing á nálgun þjálfunar: 2,5 klukkustunda vinnustofur á staðnum fylgt eftir með valfrjálsum 45 mínútna netlotum yfir 2 mánuði. Sýnir lýðfræði hópsins (84% konur, meðalaldur 41 árs) með minna sjálfstraust gagnvart AI en meðaltal geirans. Stærð úrtaks í könnunum fylgir með.
Tafla sem ber saman almenna könnun við lýðfræði hópsins, ásamt aðferðafræði þjálfunar.
Súlurit sem sýna mikla breytingu á notkunartíðni AI fyrir og eftir. Fyrir þjálfun: 46% notuðu vikulega, 19% daglega. Þremur mánuðum síðar: 78% vikulega, 47% daglega. Tímasparnaður: 2,9 klukkustundir á viku = 109 klukkustundir á ári.
Samanburður á 100% stöfluðum súlurtum með litakóðuðum tíðniflokkum ásamt umsögn.
Hópað súlurit sem sýnir aukna AI notkun í öllum flokkum: samskipti/skrif (60%→77%), samantektir (41%→74%), kennsluáætlanir (23%→51%), lausn vandamála (27%→47%). Inniheldur tilvitnanir um sértæka notkun.
Lárétt hópað súlurit með samanburði á sex verkefnaflokkum fyrir og eftir.
Skráir þrjá þætti: venjur mynduðust fljótt með tilraunastarfsemi, sjálfstraust og traust jókst með auknum skilningi, og notkunarsvið AI víkkaði verulega. Inniheldur kvarðamyndrit sem sýna framfarir í upplifðu mikilvægi, gagnsemi og notendavæni.
Texti með innfelldum 1-5 kvarða samanburðarmyndritum og umsögnum þátttakenda.
Fjórir flokkar AI notkunar kennara með dæmum: Persónuleg framleiðni (tölvupóstsniðmát, fundarnótur), skipulagning, skapandi efni (Canva veggspjöld, myndvinnsla) og merki um lífrænt jafningjanám.
Texti skipulagður eftir notkunarflokkum með ítarlegum tilvitnunum í grænum texta.
Greinir frá viðvarandi hindrunum: áhyggjur af áreiðanleika og trausti við mikilvæga notkun í skólastofunni (38% hafa áhyggjur af áreiðanleika, 20% treysta ekki fyrir mikilvæg verkefni), persónuvernd (31%) og óvissa um hvort AI notkun sé „leyfileg“ – misskilningur um að hún teljist „svindl“.
Textamikil glæra með innfelldri heimildaljósmynd af þjálfunarlotu.
Tvær dæmisögur: Dave Sweet (hugvísindakennari sem notar AI við kennsluáætlanir, prófundirbúning og gerð námsefnis) og Cheryl Narayanan (sérkennari sem notar AI fyrir aðgengilegar og grípandi kennslustundir). Bæði lýsa miklum áhrifum og ætla að þjálfa samstarfsfólk.
Tveggja dálka uppsetning með aðskildum dæmisöguboxum; andlitsmyndir væru venjulega hafðar með.
Útskýrir þriggja þrepa þjálfunarferli: 1) Skilningur (Inngangur að AI, sköpun með AI, ábyrg notkun), 2) Könnun (Leiðbeiningar, AI hagnýtt í starfi, flóknari leiðbeiningar), 3) Þróun (Starfshættir bættir, áætlanagerð til framtíðar). Sex 45 mínútna lotur eða styttri 2,5 klukkustunda útgáfa.
Yfirlit yfir námsskrá í þremur dálkum með upplýsingum um námseiningar og markmið námsins.
Milliglæra fyrir ítarlega greiningu á stéttarfélögum sem sýnir stóra töluna „03“, titilglæru og vörumerki samstarfsins við Community stéttarfélagið.
Hrein milliglæra með vörumerkjum og ljósmynd af þátttakanda sem sýnir mentor-samband.
Samantekt í sjö liðum: 89 milljarða punda tækifæri fyrir félagsmenn, fylgni á milli skilnings og mikilvægis, hópurinn sýndi minna sjálfstraust vegna ónógrar þjálfunar, vikuleg notkun þrefaldaðist eftir þjálfun, skilningur dró aukninguna áfram, áhyggjur af leyfismálum enn til staðar (aðeins 46% treysta sér til að túlka reglur vinnuveitanda).
Tölusettur listi með tilvitnun frá Roy Rickhuss CBE í bláum ramma.
Hefst á 89 milljarða punda efnahagslegum möguleikum fyrir félagsmenn. Bendir á mikið sjálfstraust en litla hagnýtingu meðal verkafólks í stéttarfélögum. Fjallar um sögulegt hlutverk félaga við að styðja tæknibreytingar og tekur á áhyggjum af áhrifum á störf.
Texti með stórri leturgerð „Trade union members“ yfir heimildaljósmynd.
Súlurit sem sýna að félagsmenn eru bjartsýnni en þeir sem eru utan félaga á að AI auðveldi störf og gefi svigrúm fyrir skapandi/stefnumótandi vinnu. Hins vegar eru þeir örlítið áhyggjufyllri vegna starfsöryggis (17% á móti 11%).
Samsett súlurit sem ber saman viðhorf félagsmanna og annarra í sex flokkum.
Súlurit sem sýnir að 62% þátttakenda nefndu ónóga þjálfun sem hindrun – meira en önnur og þriðja hindrunin samanlagt. Endurgjöf úr rýnihópum lagði áherslu á þörf fyrir hagnýta sýnikennslu.
Liggjandi súlurit með 13 flokkum hindrana, þar sem „ónóg þjálfun“ er langstærst.
Þjálfunaráætlun: þrjár 1 klukkustundar vefmálstofur í beinni, valfrjálsar lotur í eigin persónu fyrir trúnaðarmenn, 30 mínútna einstaklingsráðgjöf. Lýðfræði hópsins: 52% konur, meðalaldur 53 ára, aðeins 11% mjög örugg (miðað við 38% meðaltal í geiranum). Heildarfjöldi þjálfaðra: 404 félagsmenn.
Samanburðartafla yfir lýðfræði og upplýsingar um þjálfunaráætlun ásamt útskýringu á tilgátu.
Sláandi súlurit sem sýnir breytingu á notkun fyrir og eftir. Dagleg notkun: 9%→29%, vikuleg notkun: 17%→61% (þreföldun). Tímasparnaður: 2,1 klukkustund á viku = 12,5 vinnudagar á ári.
100% staflað súlurit sem ber saman tvær súlur (fyrir/eftir þjálfun) með stórri áherslu á tímasparnað.
Samsett súlurit sem sýnir aukna notkun í mismunandi verkefnum: samskipti/skrif (69%→74%), samantektir (55%→37%), hugmyndavinna (34%→40%), nám í nýjum efnum (37%→49%), lausn vandamála (29%→28%), greining (15%→29%). Inniheldur sértæk dæmi í umsögnum.
Liggjandi samsett súlurit með samanburði fyrir/eftir ásamt tilvitnunum sem lýsa sértækri notkun.
Súlurit sem sýnir hvers vegna notkun jókst: 66% „Ég skil betur hvernig AI tól virka“, 65% „Þjálfunin hjálpaði mér að skilja hvernig á að nota þau í vinnunni“, 29% „Komst í vanann“, 29% „Treysti tólunum betur“. Inniheldur tilvitnanir um aðgengi og einfaldleika.
Liggjandi súlurit með átta ástæðum, umsagnir leggja áherslu á aðgengi.
Þrátt fyrir framfarir eru stórar hindranir enn til staðar: aðeins 46% treysta sér til að skilja AI-stefnu vinnuveitanda, 58% nefna öryggisáhyggjur. Tilvitnanir um upplifun af „svindli“ og skort á skýrum horfum frá stjórnvöldum fyrir stofnanir.
Textamikil glæra með innfelldri heimildaljósmynd sem sýnir hópumræður.
Tvær dæmisögur: Tania da Silva (stjórnandi á sambýli sem notar AI við skýrslugerð, þjálfun og skapandi verkefni) og Carl Ravenhill (stálverksmiðjustarfsmaður sem notar AI til að einfalda tæknilegt efni og skipuleggja þjálfunargögn). Bæði urðu talsmenn sem hvöttu samstarfsfólk sitt.
Uppsetning dæmisagna í tveimur dálkum með ítarlegum lýsingum á áhrifum.
Námsskrá í þremur lotum: 1) Inngangur að AI (lykilhugtök, hvernig það virkar, ábyrg notkun), 2) Verkleg hagnýting (notkun AI við skrif, hönnun, skilning á upplýsingum, nám), 3) Gerð áhrifaríkra leiðbeininga (skipanagerð (prompt engineering), tækni, rýni á niðurstöðum).
Þriggja dálka yfirlit yfir námskrá með upplýsingum um námseiningar
Kaflaskil fyrir ítarlega greiningu á SMB, sýnir stóra töluna „04“, titilglæru og vörumerki vegna samstarfs við Enterprise Nation
Hreinleg kaflaskil með vörumerkjum og ljósmynd af þátttakendum
Samantekt í sjö liðum: Mikið sjálfstraust en lítil innleiðing hjá SMB, skortur á getu til þjálfunar (fá minni þjálfun en starfsmenn stórra fyrirtækja), þjálfun er stærsta hindrunin (62%), innleiðing tvöfaldaðist eftir þjálfun (29%→60% daglega), breyting úr tilraunastarfsemi yfir í markvissa samþættingu, jákvæð endurgjöf um einstaklingsráðgjöf og kynningarfundi
Tölusettur listi með tilvitnun frá Emma Jones CBE í grænum ramma
Niðurstöðuhluti SMB hefst á þverstæðu: 92% treysta sér til að nota tækni, 84% AI-notenda eru öruggir, en aðeins 38% nota AI í raun þrátt fyrir að 71% telji það eiga við. Bendir á að bresk SMB fjárfesta minna og dragast aftur úr G7-ríkjum, þar sem þjálfunargjá er augljós
Texti með stórri „SMB“ leturgerð yfir ljósmynd, ásamt stuðningshlutföllum
Súlurit sem sýnir að 62% nefna ónóga þjálfun, aðrar hindranir eru mun lægri. Tekið fram að 29% starfsmanna SMB kenndu sjálfum sér nýjustu færni samanborið við 19% hjá stórum fyrirtækjum, 42% sjálfmenntaðir hjá minnstu fyrirtækjunum (<10 starfsmenn)
Lárétt súlurit þar sem þjálfunarhindrunin er ríkjandi, ásamt texta um þjálfunargjána
Þjálfunaráætlun sem nýtir lögmál um vanamyndun: vikuleg vefnámskeið, „Lunch & Learn“ pallborðsumræður, vinnustofur á staðnum. Hannað í kringum Ebbinghaus-gleymskukúrfuna, félagslegan stuðning og aðstæðubundnar vísbendingar. Hópurinn: 57% konur, meðalaldur 47 ára, minna sjálfstraust en í geiranum. Heildarfjöldi þjálfaðra: 905
Tafla sem sýnir lýðfræðilegan samanburð, útskýring á lögmálum vanamyndunar, uppbygging þjálfunar
Súlurit sem sýnir hvers vegna SMB auku notkun: 72% „skilja meira um hvernig AI-tól virka“, 65% „þjálfun hjálpaði mér að skilja hvernig á að nota það í vinnunni“, 35% „mynduðu vana“, 35% „treysta tólunum betur“, 18% „tól kynnt á vinnustaðnum“
Lárétt súlurit með þáttum sem auka notkun, ásamt tilgátu
Stöfluð súla sem sýnir notkun fyrir og eftir með mikilli aukningu. Fyrir þjálfun: 29% daglega. Þremur mánuðum síðar: 60% daglega (tvöföldun), 86% vikulega. Sýnir breytingu úr tilraunastarfsemi yfir í markvissa samþættingu
100% stöfluð súla til samanburðar með litakóðuðum tíðniflokkum
Hópað súlurit sem sýnir þróun notkunartilfella: samskipti/skrif drógust lítillega saman (82%→79%) á meðan önnur notkun jókst verulega: hugmyndavinna (54%→59%), nám (46%→50%), lausn vandamála (36%→50%), samantekt (60%→67%). Tilvitnun um Gemini fyrir töflureikna
Lárétt hópað súlurit með samanburði fyrir/eftir í sjö verkefnaflokkum ásamt tilvitnun
Skipulagt eftir notkunartilfellum: Skapandi efnisgerð (markaðsherferðir, handrit), Uppköst/ritvinnsla (efni á vefsíður, endurgjöf á síður), Aukin framleiðni (straumlínulögun rekstrar), Hugmyndaþróun (hugmyndavinna, hugmyndaspegill). Margar ítarlegar tilvitnanir fyrir hvern flokk
Texti skipulagður eftir flokkum með ítarlegum tilvitnunum, inniheldur ljósmynd
Útskýrir framvindu frá tilfallandi notkun yfir í samþættingu í daglegt vinnuflæði. Þjálfun hjálpaði þátttakendum að upplifa tafarlausan ávinning sem styrkti áframhaldandi notkun. Tilvitnun um að Gemini sé orðinn „besti vinurinn“ við vinnu í töflureiknum
Texti með innfelldri heimildarmyndalegri ljósmynd sem sýnir áhugasaman þátttakanda
Heldur áfram að skrá sértæk notkunartilfelli með dæmum: Notkun NotebookLM fyrir prófskýrslur, AI fyrir hugmyndavinnu með „sýndarteymi“, Canva fyrir skapandi efni, AI sem persónulegur aðstoðarmaður í öllum verkefnum. Sýnir lífrænt nám og miðlun til samstarfsmanna
Texti skipulagður eftir tegund notkunar með mörgum dæmum úr tilvitnunum
Upplýsingar um uppbyggingu þjálfunar: fimm 1 klukkustundar vefnámskeið (Skilningur á ML, Aukin framleiðni, Verkfæri í verki, Fyrirmælavinna (Prompt Engineering), Ábyrg notkun AI), fjögur 30 mínútna „hádegisfræðsla (Lunch & Learn)“ (Persónuleg framleiðni, Sala, Markaðssetning, Rekstur), þrjár heilsdags lotur í beinni. Tilviksathugun á Dan Menezes Melo hjá Grind sem notar AI fyrir inngildingu í mannauðsmálum
Tveggja dálka uppsetning með námskrárdrögum vinstra megin og tilviksathugun hægra megin
Einföld bakhlið sem sýnir eingöngu Google lógóið miðjað á hvítum bakgrunni
Lágmarkshönnun með miðjuðu lógói
Algengar spurningar um þessa glæru og undirliggjandi kynningarefni.
Tilraunaverkefnið skilaði framúrskarandi árangri í öllum þremur geirum. Dagleg notkun gervigreindar tvöfaldaðist meðal starfsfólks í menntun (úr 19% í 47%) og hjá litlum og meðalstórum fyrirtækjum (úr 29% í 60%), og þrefaldaðist meðal stéttarfélagsmeðlima (úr 9% í 29%). Vikuleg notkun jókst gríðarlega í 71% hjá öllum hópum. Starfsmenn sögðust spara að meðaltali 122 klukkustundir á ári – sem er 22% meira en upphaflegar áætlanir gerðu ráð fyrir. Þjálfunin nýttist sérstaklega vel þeim lýðfræðilegu hópum sem jafnan eru undirfulltrúar í tækniinnleiðingu: dagleg notkun kvenna jókst úr 18% í 45% og starfsfólk eldra en 55 ára jók daglega notkun úr 13% í 35%.
Tilraunaverkefnin byggðu á tiltölulega stuttri þjálfun: 2,5 til 5 klukkustundir af sérsniðnu efni sem miðlað var með ýmsum hætti, þar á meðal vinnustofum á staðnum, vefnámskeiðum og einstaklingsmiðaðri ráðgjöf. Starfsfólk í menntun fékk 2,5 klukkustunda upphafsvinnustofu og síðan valfrjálsa 45 mínútna fundi yfir tveggja mánaða tímabil. Stéttarfélagsmeðlimir fengu þrjú klukkustundarlöng vefnámskeið með valfrjálsum fundum á staðnum. Litlum og meðalstórum fyrirtækjum stóðu til boða fimm klukkustundarlöng vefnámskeið auk 30 mínútna „Lunch & Learn“ funda. Rannsóknin sýndi engan marktækan mun á árangri eftir því hvort þjálfunin fór fram á netinu eða á staðnum, sem bendir til þess að hægt sé að stækka verkefnið án þess að gæðin skerðist.
Líkön Public First sýna að gervigreindarþjálfun skilar tífaldri arðsemi (10:1) með aukinni framleiðni og tímasparnaði. Þetta er mjög hagstætt í samanburði við fyrri verkefni eins og Lifetime Skills Guarantee, sem skilaði aðeins tvöfaldri arðsemi (1:2). Bretland gæti hagnast um 400 milljarða punda vegna vaxtar drifnum áfram af gervigreind, þar sem 200 milljarðar punda velta á innleiðingu vinnuaflsins. Starfsmenn sögðust spara sem nemur 122 klukkustundum á ári, sem þýðir verulega framleiðniaukningu og möguleika á að einbeita sér að verðmætari verkefnum í stað stjórnsýslustarfa.
Rannsóknin greindi mismunandi hindranir hjá ólíkum hópum. Hjá öllum hópum var ónóg þjálfun helsta hindrunin, nefnd af 62% þátttakenda úr litlum fyrirtækjum og stéttarfélögum. Þvert á upphaflegar tilgátur voru traust og persónuvernd ekki helstu hindranirnar – skynjað mikilvægi fyrir starfsverkefni reyndist vega þyngra. Margir starfsmenn sáu ekki hvernig þeir gætu nýtt gervigreind í sínum störfum, eða höfðu prófað hana einu sinni og gefist upp þegar árangurinn lét standa á sér. Önnur mikilvæg hindrun var „leyfi til að nota skipanir“ (permission to prompt): starfsmenn óttuðust að notkun gervigreindar yrði litin hornauga sem „svindl“ og þurftu skýrt leyfi frá skipulagsheildinni til að finnast þeir öruggir við að taka tæknina í notkun.
Þjálfunin reyndist sérstaklega áhrifarík fyrir hópa sem jafnan eru undirfulltrúar í tækniinnleiðingu. Konur yfir 55 ára, sem upphaflega voru fjórum sinnum ólíklegri til að nota gervigreind en karlar undir 35 ára, sáu gríðarlega framför: dagleg notkun þeirra næstum þrefaldaðist úr 9% í 29%, og vikuleg notkun meira en þrefaldaðist úr 17% í 56%. Árangur þjálfunarinnar fólst í því að sýna viðeigandi og hagnýta notkun frekar en að gera ráð fyrir tæknilegum hindrunum; sýna fram á að gervigreindarverkfæri eru ótrúlega aðgengileg og krefjast ekki forritunarkunnáttu; bjóða upp á verklega æfingu með tafarlausri endurgjöf; og skapa öruggt námsumhverfi þar sem þátttakendur gátu prófað sig áfram án dómhörku.
Starfsfólk í öllum geirum jók notkun sína á gervigreind verulega. Algengustu notkunarmöguleikarnir voru: samskipti og skrif (69-77% notenda), samantekt og einföldun lengri skjala (54-67%), hugmyndavinna og skapandi hugsun (48-59%), nám um ný efni (41-50%), lausn vandamála (28-47%) og greining flókinna upplýsinga (29-31%). Starfsfólk í menntun notaði gervigreind sérstaklega við gerð kennsluáætlana, aðlögun efnis fyrir nemendur með sérþarfir og til að draga úr stjórnsýslubyrði. Stéttarfélagsmeðlimir notuðu hana til að búa til þjálfunarefni, skrifa skýrslur og skipuleggja flóknar upplýsingar. Lítil og meðalstór fyrirtæki nýttu gervigreind í markaðsherferðir, vefþróun, hagræðingu í rekstri og sem sýndarfélaga í hugmyndavinnu.
Skýrslan mælir með: 1) Iðnaðarstefna ætti að útlista hvernig styðja megi við innleiðingu gervigreindar í lykilatvinnugreinum, þar sem fyrirtæki þróa hagnýtar reglur sem gefa starfsmönnum skýrt leyfi til að nota verkfærin; 2) Skills England ætti að búa til faggildingarkerfi fyrir einingabæra þjálfun með örskírteinum (micro-credentials), sem gerir stuttar og áhrifaríkar þjálfunareiningar gjaldgengar fyrir fjármögnun í gegnum nýja vaxtar- og færnigjaldið (Growth and Skills Levy); 3) Stjórnvöld ættu að tryggja gervigreindarþjálfun fyrir allt starfsfólk í opinbera geiranum (heilbrigðiskerfi, sveitarfélög, stjórnsýsla) með efni sem tengist hverju starfi; 4) Hleypa af stokkunum stærri tilraunaverkefnum um innleiðingu gervigreindar í opinbera geiranum með áherslu á teymi í framlínuþjónustu; 5) Skipa gervigreindarleiðtoga í framkvæmdastjórn hvers ráðuneytis með kröfu um reglulega þjálfun; 6) Samþætta gervigreindarþjálfun í allar starfsþróunarleiðir stjórnsýslunnar (Civil Service Fast Stream); 7) Fylgjast með framförum með árlegri könnun á gervigreindarfærni og innleiðingu á vegum Skills England.
Rannsóknin leiddi í ljós mikilvæga hindrun sem kallast „leyfi til að nota skipanir“ (permission to prompt). Starfsfólk lýsti oft áhyggjum af því að notkun gervigreindar gæti talist „svindl“ eða væri óviðeigandi, jafnvel eftir að þjálfun sýndi þeim fram á gagnlega notkunarmöguleika. Aðeins 46% stéttarfélagsmeðlima töldu sig skilja stefnu vinnuveitanda síns varðandi gervigreind. Þessi óvissa stafar af skorti á skýrum leiðbeiningum frá skipulagsheildum og neikvæðri umræðu í fjölmiðlum. Þjálfunin sýndi að starfsfólk þarf skýran stuðning frá stofnunum – ekki bara leyfi til að nota gervigreind, heldur virka hvatningu um að hún sé lögmætt og sanngjarnt tæki, sambærilegt við notkun leitarvéla. Fyrirtæki ættu að móta stefnu með jákvæðu orðalagi sem útlistar tiltæk gervigreindarverkfæri og viðeigandi notkunardæmi, svipað og þegar menntastofnanir innleiddu notkun vasareikna í stærðfræði.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Sæktu innblástur í faglega hönnun, veldu þinn stíl og búðu til glærur með fullkominni textabirtingu. Knúið af Nano Banana—byrjaðu að búa til kynninguna þína núna.
Þinn AI-þjónn fyrir glærur. Sparaðu tíma, skín hraðar með snjallri kynningargerð.
© 2026 2slides. Allur réttur áskilinn.