Кейс клієнта
ПриватБанккорпоративне навчання Gemini для команди підтримки
Виклики та спеціальні умови
- Досвідчена аудиторія. Учасники вже понад півтора року мали корпоративні ліцензії Google Workspace і активно користувались Gemini у щоденній роботі. Стандартна вступна програма викликала б спротив — команда й так вважала, що вміє користуватись інструментом.
- Банківський комплаєнс. З усіх галузей, з якими ми працювали, банки мають найвищі вимоги до безпеки даних і регуляторного контролю. Кожна практична вправа мала враховувати, які дані можна передавати в AI-інструмент, у якому вигляді і в яких межах.
- Кілька ролей одночасно. Програма охоплювала п'ять різних функцій підтримки — Field Support, Service Desk, Change Management, Service Management, Service Request Management. Задачі та типові сценарії роботи з AI відрізнялись для кожної ролі.
Як вирішили
Ми відмовились від стандартної вступної структури «що таке генеративний ШІ» і побудували дворенну програму (5 годин перший день, 4 години другий) навколо принципу: не «як користуватись інструментом», а «які саме задачі вашої ролі можна автоматизувати вже завтра».
Питання безпеки й комплаєнсу не виносили в окремий теоретичний блок — їх вплели в кожну практичну вправу, щоб учасники одразу вчились не просто «що можна зробити», а «що можна зробити безпечно з урахуванням специфіки банку».
Практичні завдання будували виключно навколо реальних робочих сценаріїв кожної ролі — Service Desk отримував інші приклади, ніж Change Management — замість універсальних прикладів з інтернету, які для досвідченої аудиторії виглядають надто абстрактно.
Результат
- 100% учасників за результатами опитування після тренінгу оцінили навчання як корисне і залишились задоволені форматом.
- Учасники самостійно почали ділитись лайфхаками одне з одним під час занять, без модерування з боку тренера — ознака того, що навчання «просунутої» аудиторії відбулось на потрібному рівні.
- Команда отримала практичні сценарії використання Gemini, адаптовані під конкретні ролі, а не загальну теорію.
Якщо ваша команда вже користується AI-інструментами, але без структурованого навчання — це саме та ситуація, де ми можемо допомогти найбільше.
Обговорити схожий кейс для вашої команди →