Telegram Group & Telegram Channel
Использование нейросети как ассистента при создании топ-командой модели корпоративных ценностей

Некоторое время назад вёл стратегическую сессию для топ-команды. Помимо других важных задач, мы работали с моделью корпоративных ценностей.

Использовали классический для наших сессий алгоритм групповой работы по этой теме:

Стратегия ==> Целевая культура VS Существующая культура ((1) что есть, и это хорошо; (2) что есть, но это не нужно; (3) чего нет — но это нужно) ==> Целевая культура (формулировки)

Интересным было использование нейросети в качестве ассистента на нескольких этапах.

1. Анализ возможных сложностей на конкретном этапе развития организации (для разделов «что есть, но это не нужно» и «чего нет — но это нужно»), которые можно было бы частично преодолеть за счет формулировки соответствующих принципов

2. Приведение созданных формулировок принципов (индикаторов поведения к ценностям) к единой речевой модели

3. Поиск вариантов альтернативных названий для ценностей

Стоит заметить, что как это всегда и бывает на наших стратегических сессиях, нейросеть не «принимала участие» в сессии и никак не влияла на групповую динамику:

1. Мы работали с ней исключительно с командой энтузиастов, которым были интересны эти эксперименты, и которые сами хотели этого

2. Мы делали это во «внеурочное время» (на перерывах, на обеде, а также до или после сессии)

3. Мы «допускали находки нейросети до группы» только после проверки экспертом (в роли эксперта выступал я), а также при наличии хотя бы одного участника, который был готов «взять ответственность» за конкретную находку, «подав её группе» от своего имени как подтвердившего пользу

Другими словами, для участников это выглядело как источник дополнительных идей и находок, которые вносились от лица конкретного участника группы и никак не отнимали общий ресурс (время и внимание).

А вот мои выводы по каждой ситуации применения:

1. Анализ возможных сложностей на конкретном этапе развития организации (для разделов «что есть, но это не нужно» и «чего нет — но это нужно»)

Традиционно нейросеть смогла воспроизвести порядка 70-80% идей группы (это удивительно, но уже привычно) + дала несколько новых фокусов внимания. Ожидаемо и полезно (однако без разрывающих сознание идей).

2. Приведение созданных формулировок принципов (индикаторов поведения к ценностям) к единой речевой модели

Я писал о подобных промптах подробно выше, поэтому промпт приводить не буду. Скажу лишь, что польза от выравнивая речевой модели была значительной (сэкономив нам минимум час и кучу сил), однако нейросеть не могла «дотянуться» до живой группы в уровне оригинальности. Поэтому мы оставили оригинальные, не всегда идеально строгие, но очень эмоциональные и живые слова, скорректировав речевую модель и вынеся на голосование каждый пункт итоговой версии.

3. Поиск вариантов альтернативных названий для ценностей

О, дааааааа. «Скормив» нейросети индикаторы поведения, выбранные для конкретной ценности, мы получили потрясающий широкий список названий. Действовали в 2 этапа: собирали названия с обоснованиями (промпт ниже), экспертно отбирали адекватные и делать второй поиск на их основе (х2 к качеству!).

ПРОМПТ для шага 3

Ты — эксперт в теме управления корпоративной культурой с опытом работы больше 25 лет и крупнейших ИТ-компаниях. Мы работаем с моделью корпоративных ценностей компании, которая занимается NNN (описать рынок). За последние 5 лет компания выросла в 2 раза и сегодня там работает 3000 человек (детали о компании). Команда хочет сформулировать яркие и дифференцирующие их компанию от других ценности.

Мы уже сформулировали поведенческие индикаторы (принципы) для каждой ценности и сейчас ищем варианты названий (формулировок) самих ценностей.

Я буду последовательно передавать тебе наработки по каждой из 5 ценностей. Пожалуйста, предложи по 15 формулировок названий ценностей (допустимо от 1 до 3 слов в каждом) в дополнение к одному уже имеющемуся. По каждому названию обоснуй, почему это название хорошо.

Первая ценность: Безопасность

Индикаторы поведения:
Индикатор 1
Индикатор 2


каталог кейсов



tg-me.com/PromptLab_Mozlab/79
Create:
Last Update:

Использование нейросети как ассистента при создании топ-командой модели корпоративных ценностей

Некоторое время назад вёл стратегическую сессию для топ-команды. Помимо других важных задач, мы работали с моделью корпоративных ценностей.

Использовали классический для наших сессий алгоритм групповой работы по этой теме:

Стратегия ==> Целевая культура VS Существующая культура ((1) что есть, и это хорошо; (2) что есть, но это не нужно; (3) чего нет — но это нужно) ==> Целевая культура (формулировки)

Интересным было использование нейросети в качестве ассистента на нескольких этапах.

1. Анализ возможных сложностей на конкретном этапе развития организации (для разделов «что есть, но это не нужно» и «чего нет — но это нужно»), которые можно было бы частично преодолеть за счет формулировки соответствующих принципов

2. Приведение созданных формулировок принципов (индикаторов поведения к ценностям) к единой речевой модели

3. Поиск вариантов альтернативных названий для ценностей

Стоит заметить, что как это всегда и бывает на наших стратегических сессиях, нейросеть не «принимала участие» в сессии и никак не влияла на групповую динамику:

1. Мы работали с ней исключительно с командой энтузиастов, которым были интересны эти эксперименты, и которые сами хотели этого

2. Мы делали это во «внеурочное время» (на перерывах, на обеде, а также до или после сессии)

3. Мы «допускали находки нейросети до группы» только после проверки экспертом (в роли эксперта выступал я), а также при наличии хотя бы одного участника, который был готов «взять ответственность» за конкретную находку, «подав её группе» от своего имени как подтвердившего пользу

Другими словами, для участников это выглядело как источник дополнительных идей и находок, которые вносились от лица конкретного участника группы и никак не отнимали общий ресурс (время и внимание).

А вот мои выводы по каждой ситуации применения:

1. Анализ возможных сложностей на конкретном этапе развития организации (для разделов «что есть, но это не нужно» и «чего нет — но это нужно»)

Традиционно нейросеть смогла воспроизвести порядка 70-80% идей группы (это удивительно, но уже привычно) + дала несколько новых фокусов внимания. Ожидаемо и полезно (однако без разрывающих сознание идей).

2. Приведение созданных формулировок принципов (индикаторов поведения к ценностям) к единой речевой модели

Я писал о подобных промптах подробно выше, поэтому промпт приводить не буду. Скажу лишь, что польза от выравнивая речевой модели была значительной (сэкономив нам минимум час и кучу сил), однако нейросеть не могла «дотянуться» до живой группы в уровне оригинальности. Поэтому мы оставили оригинальные, не всегда идеально строгие, но очень эмоциональные и живые слова, скорректировав речевую модель и вынеся на голосование каждый пункт итоговой версии.

3. Поиск вариантов альтернативных названий для ценностей

О, дааааааа. «Скормив» нейросети индикаторы поведения, выбранные для конкретной ценности, мы получили потрясающий широкий список названий. Действовали в 2 этапа: собирали названия с обоснованиями (промпт ниже), экспертно отбирали адекватные и делать второй поиск на их основе (х2 к качеству!).

ПРОМПТ для шага 3

Ты — эксперт в теме управления корпоративной культурой с опытом работы больше 25 лет и крупнейших ИТ-компаниях. Мы работаем с моделью корпоративных ценностей компании, которая занимается NNN (описать рынок). За последние 5 лет компания выросла в 2 раза и сегодня там работает 3000 человек (детали о компании). Команда хочет сформулировать яркие и дифференцирующие их компанию от других ценности.

Мы уже сформулировали поведенческие индикаторы (принципы) для каждой ценности и сейчас ищем варианты названий (формулировок) самих ценностей.

Я буду последовательно передавать тебе наработки по каждой из 5 ценностей. Пожалуйста, предложи по 15 формулировок названий ценностей (допустимо от 1 до 3 слов в каждом) в дополнение к одному уже имеющемуся. По каждому названию обоснуй, почему это название хорошо.

Первая ценность: Безопасность

Индикаторы поведения:
Индикатор 1
Индикатор 2


каталог кейсов

BY Лаборатория Промптинга Mozlab


Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283

Share with your friend now:
tg-me.com/PromptLab_Mozlab/79

View MORE
Open in Telegram


telegram Telegram | DID YOU KNOW?

Date: |

Telegram Auto-Delete Messages in Any Chat

Some messages aren’t supposed to last forever. There are some Telegram groups and conversations where it’s best if messages are automatically deleted in a day or a week. Here’s how to auto-delete messages in any Telegram chat. You can enable the auto-delete feature on a per-chat basis. It works for both one-on-one conversations and group chats. Previously, you needed to use the Secret Chat feature to automatically delete messages after a set time. At the time of writing, you can choose to automatically delete messages after a day or a week. Telegram starts the timer once they are sent, not after they are read. This won’t affect the messages that were sent before enabling the feature.

Among the actives, Ascendas REIT sank 0.64 percent, while CapitaLand Integrated Commercial Trust plummeted 1.42 percent, City Developments plunged 1.12 percent, Dairy Farm International tumbled 0.86 percent, DBS Group skidded 0.68 percent, Genting Singapore retreated 0.67 percent, Hongkong Land climbed 1.30 percent, Mapletree Commercial Trust lost 0.47 percent, Mapletree Logistics Trust tanked 0.95 percent, Oversea-Chinese Banking Corporation dropped 0.61 percent, SATS rose 0.24 percent, SembCorp Industries shed 0.54 percent, Singapore Airlines surrendered 0.79 percent, Singapore Exchange slid 0.30 percent, Singapore Press Holdings declined 1.03 percent, Singapore Technologies Engineering dipped 0.26 percent, SingTel advanced 0.81 percent, United Overseas Bank fell 0.39 percent, Wilmar International eased 0.24 percent, Yangzijiang Shipbuilding jumped 1.42 percent and Keppel Corp, Thai Beverage, CapitaLand and Comfort DelGro were unchanged.

telegram from hk


Telegram Лаборатория Промптинга Mozlab
FROM USA