Реальный кейс обучения
ИИ-наставник проверил рабочий навык и объяснил оценку
Вместо общего «хорошо» или «плохо» агент применил критерии, выставил 94 из 100 и перечислил сильные стороны и конкретные улучшения.
Что именно получило 94 из 100
Агенту отправили архив с рабочей инструкцией — Skill для подготовки рекламной кампании. В ответе он оценил этот материал, а не профессиональный уровень человека.
Разбор показывает, что было в работе и что стоит дополнить. Полной шкалы с весами критериев на скриншоте нет: по нему нельзя восстановить расчёт каждого балла или утверждать, что такая оценка подходит для аттестации.
Это пример того, как нейросотрудник помогает разбирать рабочие материалы. Для другой задачи нужны свои требования к результату и проверка замечаний человеком.
Что агент отметил в готовой работе
- Состав результата: структура кампании, группы и тексты объявлений, быстрые ссылки, ключевые смыслы и задания для креативов.
- Ограничения: не выдумывать предложения, опираться на факты страницы и проверять число символов.
- Организация материалов: справочные файлы, шаблоны результата и отдельная проверка длины текста.
Какие доработки предложил
- Описать работу без ссылки на сайт, когда известны только продукт, аудитория и потребность клиента.
- Уточнить, какими инструментами агент должен анализировать страницу.
- Добавить пример результата в JSON, чтобы формат для автоматической проверки был однозначным.
Это рекомендации из показанного ответа, а не подтверждение, что все доработки уже внесены. Балл за материал не измеряет рост продаж или эффективность рекламы.
Граница автоматизации
Агент помогает руководителю, но не принимает кадровое решение
Оценка относится к одному рабочему материалу и заданным критериям. Она не является полной оценкой сотрудника и не должна автоматически определять аттестацию или другие кадровые последствия.
- Критерии задаёт компания
- Замечания можно перепроверить в исходном материале
- Итоговое решение принимает уполномоченный руководитель
Связанные страницы