Assessment
Jak skórujeme
Proč je hlavní výsledek úroveň, jak pracujeme s evidencí a k čemu slouží SP Score.
Skórování stojí na jednoduchém pravidle: důležitější je reálné chování než sebehodnocení.
Když člověk říká, že AI používá pokročile, ale neumí popsat žádný opakovatelný postup ani konkrétní výstup, výsledek tomu odpovídá. Když se naopak hodnotí skromně, ale v rozhovoru ukáže jasné příklady a hotové postupy, výsledek může být vyšší.
#Hlavní výsledek je úroveň
Nejdřív určujeme úroveň práce s AI. Ta říká, jak moc je AI součástí skutečné práce člověka:
- zkoušení,
- pravidelné používání,
- stavění vlastních postupů,
- změna pracovního systému.
Úroveň není výsledek prostého součtu bodů. Je to vyhodnocení evidence: co člověk reálně dělá, jak často, s jakým dopadem a jaké výstupy vznikají.
#SP Score je doplňkové číslo
SP Score neříká „jak dobrý člověk je". Ukazuje pozici uvnitř dané úrovně.
To je důležité hlavně při opakovaném měření. Člověk může zůstat na stejné úrovni, ale výrazně se posunout uvnitř ní. Například z raného L2 do silného L2, který se už blíží L3. Samotný název úrovně by takový posun nezachytil.
#Spark a Deep používají jinou sílu evidence
Spark je první nízkojistotní orientace. Jeho deterministické skóre tvoří z 30 % frekvence používání AI a ze 70 % dvě spojené části: jak AI používáte při práci a co jste si s ní připravili nebo postavili. Značka ani počet nástrojů, cíle, překážky, pracovní situace a oddělení do tohoto výpočtu body nepřidávají. Spark může orientačně ukázat AI Explorer, L1 Operator nebo L2 Builder, ale nikdy sám nepřiřazuje L3 Transformer.
Deep pracuje s konkrétními příklady. Ověřuje kvalitu výstupů, iteraci, ověřování, opakovatelnost, dopad a změnu způsobu práce. Teprve tady vzniká evidence-backed level a skóre ukazuje pozici uvnitř něj. Když se Spark a Deep rozcházejí, rozhoduje konkrétní evidence z Deep.
#Co při vyhodnocení sledujeme
Při skórování se díváme na několik věcí najednou:
| Oblast | Co nás zajímá |
|---|---|
| Frekvence | Jestli je AI občasný pokus, nebo běžná součást práce |
| Hloubka práce | Jestli člověk bere první odpověď, nebo iteruje a zlepšuje výstup |
| Nástroje | Jestli používá správný režim pro daný typ práce |
| Výstupy | Jestli vznikají konkrétní dokumenty, šablony, nástroje nebo rozhodnutí |
| Dopad | Jestli AI mění jen jeden úkol, nebo celý opakovaný postup |
Žádná položka sama o sobě nestačí. Například používání pokročilého nástroje neznamená automaticky vyšší úroveň. Rozhoduje, co s ním člověk dělá.
#Proč mají dva lidé na stejné úrovni jiné číslo
Dva lidé můžou být oba L2 Builder, protože oba staví opakovatelné postupy s AI. Jeden ale může mít SP Score 60 a druhý 75, protože evidence není stejně silná.
Čísla nejsou samostatná známka. Ukazují, jak rozvinutě a přesvědčivě se stejná úroveň projevuje v praxi.
L2 Builder s nižším skóre má typicky první funkční šablony, asistenta nebo workflow. Používá je hlavně pro sebe, dopad je zatím popsaný spíš kvalitativně a postup se ještě stabilizuje.
L2 Builder s vyšším skóre ukazuje stejnou úroveň vyspěleji. Postup používá opakovaně, vznikají z něj konkrétní artefakty, člověk umí vysvětlit, proč fungují, volí vhodnější nástroje a je vidět dopad na čas, kvalitu nebo práci dalších lidí.
To neznamená, že první je „horší" nebo že druhý dostal body za víc nástrojů. Znamená to, že druhý je uvnitř L2 blíž hranici L3. Proto v individuálním reportu čteme číslo společně s levelem, profilem a evidencí.
#Co může číslo posunout nahoru nebo dolů
Skóre vychází z určené úrovně. Potom ho uvnitř této úrovně posouvají korekce podle toho, jak přesvědčivá je evidence.
| Co vidíme v evidenci | Jak to ovlivní čtení skóre |
|---|---|
| Jasný opakovaný postup | Číslo spíš roste, protože nejde jen o jednorázový pokus |
| Konkrétní artefakty | Číslo spíš roste, pokud mají reálný dopad |
| Vhodnější nástroje | Číslo roste jen tehdy, když mění kvalitu práce |
| Slabá nebo obecná evidence | Číslo se drží níž, i když člověk říká, že AI používá často |
| Ad hoc používání bez stabilního výstupu | Číslo může zůstat níž i při vysoké frekvenci |
Korekce nejsou odměnové body. Chrání hlavně to, aby stejné číslo neznamenalo u dvou lidí úplně jinou realitu.
#Proč se evidence nepočítá dvakrát
Když někoho dostane na L2 to, že staví vlastní opakovatelné postupy, nepřičteme stejnou věc ještě jednou jako bonus do skóre. Jinak by číslo přehánělo.
Skóre uvnitř úrovně má ukazovat, co je nad rámec běžného zástupce dané úrovně: kvalitu výstupů, rozsah použití, stabilitu návyků nebo dopad na další lidi.
#K čemu je re-assessment
Opakované měření je často užitečnější než první výsledek. Ukáže, co se změnilo po programu, coachingu nebo několika měsících vlastní praxe.
Příklad:
První měření: L2 Builder, raný L2
Opakované měření: L2 Builder, silný L2 blízko L3Úroveň je stejná, ale posun je významný. Právě tady dává SP Score největší smysl.
Srovnání před a po je nejsilnější, když oba pokusy používají stejnou verzi metodiky. Starý report se při změně nikdy nepřepisuje. Větší metodická změna může vytvořit novou baseline; aktuální rozdělení jedné otázky na dvě ale zachovává váhy společných odpovědí, takže stejné volby dávají srovnatelný Spark výsledek.
#Co skórování nedělá
- Nehodnotí osobnost ani pracovní výkon.
- Nepřevádí člověka na jedno číslo.
- Neurčuje úroveň zpětně jen podle skóre.
- Netrestá začátečníky. AI Explorer je legitimní startovní fáze.
Pokud číslo a konkrétní chování ukazují jinam, vyhrává chování. Skóre je pomůcka, ne hlavní pravda.