AI 家教 · 教育用 AI
AI Tutor
什麼是 AI 家教?
- 擅長應對個別差異與重複提問
- 最適合的應用場景,是結訓後的現場應用階段
- 直接給答案的設計,會讓學習流於膚淺
導入 AI 家教後,最先改變的是提問的總量。在三十人的教室裡,舉手的通常只有兩三位,其餘學員則因擔心 '這樣問會不會顯得奇怪' 而把問題吞回去。家教會接住那些被吞下的問題。對教育訓練承辦人而言,更大的變化在於學習者哪裡不懂,會以紀錄留存下來。滿意度問卷絕對問不出的資訊,會逐句累積下來。
不過,並非所有家教都相同。大致分為三類:找出既定 FAQ 的應答型、以企業內部文件為依據作答的依據連結型(RAG),以及不直接給答案、而是反問的教練型。企業教育最容易出問題的地方,通常是把應答型當成家教,連規章問題都交給它。與線上學習內容或 LMS 導覽、聊天機器人的界線,也在這裡區分。學員說出自己的情況時,答案是否會隨之改變,判斷標準只要這一句就足夠。
營運也有節奏。實際被使用的期間是教育結束後的 4~12 週,開課兩週後,連線次數會明顯下滑。若未事先在設計中納入每週一次提醒與問題精選,家教就會悄悄失效。依據文件也不必無限加入。現場問題的大部分,都能在核心規章 30~50 則與教材範圍內找到答案,文件越多,反而越常引出不相干的條文。
最常見的誤解,是忽略了學習者會把「導師的回答 = 公司的回答」來接受。實際上曾發生過這樣的情況:導師把試用期延長的條件說得頭頭是道、編出了答案,新任主管就把這些話原封不動轉告給組員,差點引發勞資糾紛。因此應先訂下遇到判斷有分歧的主題不作答、而交由人員處理的規則。另外還要記住一點:愈是即時給出正確答案的導師,滿意度分數雖然較高,但現場實際應用率反而會下降。
此概念源自 1980 年代智慧型教學系統(ITS)的研究。其理論背景常被引用的,是班傑明·布魯姆(Benjamin Bloom)關於一對一個別指導效果的研究。語言模型出現後,才以自然語言對話的形式實用化。
以一個假設案例來看。全體員工 1,200 人規模的汽車零件製造商 A 公司,對 42 名新任主管完成了為期兩天的領導力課程。滿意度為滿分 5 分的 4.5 分,但一個月後回答 '真的把學到的用在工作上' 的比例未超過 30%。教育團隊決定導入為期三個月的 AI 家教試行。
- 教育團隊 Kim 課長將人事規章 37 則與教材投影片 210 張連結為依據文件,並設下限制:無法引用出處句子時,就完全不作答。
- 把「不要直接給答案,先問情況」設為回應原則,當使用者寫下面談的煩惱時,導師會先追問「您上一次和那位成員談話是什麼時候?」。
- 對於懲戒、試用期延長、勸退等判斷容易分歧的 12 項主題,我們以例外規則登錄,改為顯示人事部 Park 次長的聯絡方式,而非直接作答。
- 營運第二週,每週連線人數砍半,Kim 課長於是每週二早上以郵件寄出 '本週主管提問 TOP 3',拉高了回訪率。
- 3 個月內累積了 418 則提問,42 位主管中有 35 位至少使用過一次。最多的提問是「績效面談的第一句話」,共 61 則,已直接放入下一期的實習模組。
金鍾赫
Ara Lim