ИИ в обучении и развитии сотрудников: от разрозненных инструментов к адаптивным системам обучения

Применение ИИ в обучении и развитии сотрудников всё меньше связано с созданием дополнительного обучающего контента и всё больше – с объединением обучения с данными о навыках, требованиями к должностям, базами знаний, показателями эффективности, участием руководителей, соблюдением нормативных требований и бизнес-приоритетами. Почему? Согласно докладу Всемирного экономического форума «Будущее рабочих мест – 2025», в период с 2025 по 2030 год 39% существующих навыков сотрудников изменятся или устареют. Для команд, отвечающих за обучение и развитие сотрудников, это означает, что непрерывное обучение стало необходимостью: без него сотрудники не смогут адаптироваться к меняющимся ролям и участвовать в реализации бизнес-стратегии.

В таких условиях прежняя модель – создать курс, опубликовать его в системе управления обучением (Learning Management System, LMS) и дождаться данных о прохождении – уже не справляется с задачей сама по себе. ИИ в обучении и развитии сотрудников даёт организациям возможность перестроить систему обучения на основе непрерывной адаптации, но только при условии, что они перестанут рассматривать ИИ как набор разрозненных инструментов.

Как сегодня применяется ИИ в обучении и развитии сотрудников

Роль искусственного интеллекта в обучении и развитии сотрудников (Learning and Development, L&D) проще всего представить в виде нескольких уровней зрелости.

На первом уровне ИИ работает как помощник. Он готовит черновики, составляет краткие содержания и предлагает варианты, но каждый результат проверяет человек. На практике это может быть созданный генеративным ИИ черновик учебного модуля или тест на основе краткого задания, который методист проверяет до того, как материал станет доступен сотрудникам.

На втором уровне используется отдельный ИИ-агент. Он получает цель и набор инструментов, после чего выполняет одну чётко ограниченную задачу от начала до конца. Практический пример в сфере обучения и развития сотрудников – ИИ-агент, который автоматически оценивает результаты тестирования и предоставляет структурированную обратную связь. При этом команда устанавливает ограничения и проверяет качество результатов.

На третьем уровне ИИ поддерживает рабочие процессы с помощью систем из нескольких специализированных агентов. Они последовательно выполняют связанные задачи под управлением координирующего агента: один создаёт курс, другой сопоставляет его с графом навыков организации, а все результаты проходят обязательное согласование со специалистом. Как ни парадоксально, автономность системы не уменьшает роль человека, а усиливает её: чем больше взаимосвязанных компонентов участвует в процессе, тем более строгого управления они требуют.

Важно понимать, на каком уровне зрелости находится ваша организация. Многие крупные компании пока остаются на уровне использования ИИ-помощников: они экспериментируют с технологией, а не применяют ИИ-агентов в промышленной эксплуатации.

В проектах Cronit переход от вспомогательного ИИ к агентным системам прежде всего связан с управлением и качеством данных, а уже затем – с выбором модели. По нашему опыту, компании, которые пытались сразу перейти к автономным ИИ-агентам без координации и обязательного согласования результатов, часто не продвигались дальше экспериментов.

Именно эта практика внедрения объясняет, почему в статье рассматриваются управляемые рабочие процессы с обязательным контролем, а не покупка отдельных автономных инструментов. Как же такой подход применяется в повседневной работе команд, отвечающих за обучение и развитие сотрудников?

Сценарии применения ИИ в корпоративном обучении с измеримым эффектом

ИИ расширяет возможности на пяти этапах процесса обучения и развития сотрудников. При работе с контентом, персонализацией, проведением обучения, аналитикой навыков и операционными задачами действует один принцип: эффект каждого направления усиливается только при координации всех этапов на основе общих и качественных данных об обучении на основе общих и качественных данных об обучении, а не используются в виде разрозненных точечных инструментов. Вот какие задачи ИИ решает на каждом этапе:

1. Ускоренное создание контента: подготовка учебных модулей, тестов и оценочных материалов по краткому заданию за несколько часов вместо нескольких недель.
2. Персонализация в масштабе: формирование адаптивных траекторий обучения с учётом роли, истории и темпа каждого сотрудника.
3. Круглосуточная поддержка и наставничество: постоянно доступный помощник отвечает на вопросы и помогает разбирать сложные темы.
4. Актуальная информация о навыках по мере обновления данных: регулярное сопоставление компетенций сотрудников с потребностями бизнеса.
5. Автоматизация операционных задач обучения и развития: зачисление на программы, планирование, отправка напоминаний и контроль соблюдения обязательных требований.

Главное техническое преимущество достигается, когда эти этапы связаны с общим графом навыков и едиными данными об обучении, благодаря чему они усиливают друг друга.

Создание контента и учебных курсов

Благодаря генеративному ИИ создание учебных материалов стало одним из самых распространённых сценариев применения искусственного интеллекта в обучении и развитии сотрудников. Команды, отвечающие за это направление, могут использовать ИИ для подготовки структуры курсов, преобразования объёмных документов в материалы для микрообучения, создания заданий для проверки знаний, адаптации примеров под разные должностные роли, изменения сложности текстов и локализации контента для разных языков и регионов.

Однако здесь есть риск. Учебный материал, созданный ИИ, может выглядеть профессионально, но при этом содержать ошибки, быть устаревшим, слишком общим или не соответствовать внутренним правилам компании. Поэтому в наиболее эффективных процессах создания контента сохраняется обязательное участие человека. ИИ готовит черновик, изменяет структуру, адаптирует или локализует материал. Профильные эксперты проверяют его точность. Команды по обучению и развитию сотрудников оценивают методическое качество. Процессы согласования обеспечивают публикацию только утверждённой версии.

При таком подходе ИИ помогает масштабировать создание учебного контента, не превращая экосистему обучения в поток непроверенных материалов.

Персонализация и адаптивное обучение

Адаптивное обучение превращает статичный каталог материалов в индивидуальную траекторию, которая меняется с учётом потребностей сотрудника. Система анализирует его должностную роль, ранее пройденные материалы, результаты оценки и поведение в работе, а затем определяет, что ему следует изучить дальше. Мы внедрили такой подход в мобильное приложение для образовательной экосистемы: рекомендательная система на основе машинного обучения подбирала каждому пользователю следующий подходящий модуль, что позволило повысить вовлечённость в обучение на 43%.

В крупных компаниях персонализация работает только при наличии достоверного контекста. Если таксономия навыков плохо проработана, должностные роли описаны непоследовательно, учебные материалы неправильно размечены или данные о результативности недоступны, рекомендации ИИ становятся недостаточно надёжными. Поэтому уровень знаний и контекста не менее важен, чем сама модель.

ИИ-наставники, поддержка в работе и поиск знаний

Многие проблемы в обучении и развитии сотрудников на деле связаны с доступом к знаниям. Необходимая информация уже есть в организации, но сотрудники не могут найти её в нужный момент.

ИИ-наставник или помощник по обучению, работающий на основе проверенных внутренних источников, позволяет сотрудникам задавать вопросы и получать обоснованные ответы. Он может указать соответствующий документ, объяснить внутреннее правило, предложить следующий шаг и передать специалисту случаи, когда уверенность в ответе недостаточно высока.

Например, сотрудник первой линии может получить рекомендации по обработке нестандартной ситуации при обслуживании клиента. Инженеру-программисту система может объяснить концепцию с учётом внутренних подходов компании. Специалисту по продажам помощник способен подсказать, как представить новую функцию клиенту из регулируемой отрасли. В финансовом подразделении он может указать внутреннее правило, применимое к конкретному сценарию согласования. В таких ситуациях сотрудникам важнее получить правильный ответ в нужный момент, чем пройти ещё один часовой учебный модуль.

Аналитика навыков

Многие компании по-прежнему не могут точно оценить компетенции своих сотрудников: какими навыками они обладают, какие навыки теряют актуальность, какие должностные роли меняются быстрее всего, кто может перейти на смежную позицию, где формируется дефицит компетенций и какие инвестиции в обучение действительно поддерживают стратегические приоритеты.

ИИ в развитии сотрудников может помочь объединить структуру должностей и ролей, таксономию навыков, данные об обучении, сведения о проектах, оценки руководителей, показатели результативности и данные о внутренней мобильности.

В этом случае ИИ приобретает стратегическое значение для обучения и развития персонала. Он может поддерживать планирование карьерных траекторий и кадрового резерва, управление численностью сотрудников, комплектование проектных команд, переобучение и внутреннюю мобильность. Вместо единого каталога курсов для всех организация получает возможность формировать более целевые траектории развития.

Автоматизация операционных задач в обучении и развитии сотрудников

Наименее заметный этап часто первым демонстрирует руководителям практическую ценность ИИ. Система автоматизирует зачисление сотрудников на программы, планирование обучения, отправку напоминаний и учёт прохождения сертификации, а также формирует отчёты о соблюдении требований, на подготовку которых раньше уходили часы работы координаторов.

В регулируемых отраслях автоматическое отслеживание сертификаций и подготовленная для аудита отчётность повышают готовность организации к проверке. Без них сотрудникам приходится в последний момент собирать подтверждающие документы. На этом этапе автоматизация выходит за рамки повышения внутренней эффективности и становится частью корпоративного управления рисками и контроля соблюдения требований. Значимость этих задач влияет на то, как должна быть построена вся система.

Как выглядит ИИ-система для обучения и развития сотрудников, готовая к промышленной эксплуатации

Как только ИИ начинает рекомендовать траектории обучения, анализировать данные о навыках, направлять руководителям напоминания, поддерживать соблюдение обязательных требований или обновлять записи в системе управления обучением (Learning Management System, LMS), он становится частью инфраструктуры развития компетенций компании. Такой системе необходимы чёткие правила, достоверный контекст, безопасные интеграции, скоординированные рабочие процессы на основе ИИ, обратная связь о результатах работы и пользовательские сценарии, соответствующие реальным задачам обучения и развития сотрудников.

Эти требования формируют шесть уровней архитектуры. Каждый из них отвечает на отдельный вопрос внедрения и создаёт основу для следующего:

• какие действия разрешено выполнять ИИ;
• какие источники знаний системе разрешено использовать;
• с какими корпоративными системами она может взаимодействовать;
• как координируются этапы работы с применением ИИ;
• как контролируются результаты работы системы;
• как с системой взаимодействуют сотрудники, руководители и команды по обучению и развитию.

1. Уровень управления и контроля

Управление должно быть предусмотрено в первую очередь, поскольку применение ИИ в обучении и развитии сотрудников (Learning and Development, L&D) часто затрагивает чувствительные области: данные сотрудников, сведения об обучении, профили навыков, показатели эффективности, статус выполнения обязательных требований, рекомендации по карьерному развитию и решения руководителей.

Этот уровень определяет, какие действия разрешено выполнять системе, что требует согласования со специалистом, к каким данным имеет доступ каждая роль и как проверяются результаты работы ИИ.

Он включает разграничение прав доступа по ролям, правила конфиденциальности, процессы согласования контента, журналы аудита, подтверждение происхождения данных и материалов, проверку на предвзятость, порядок передачи нестандартных случаев специалистам, проверку с участием человека и чёткое разделение между рекомендациями и решениями.

2. Уровень знаний и контекста

После определения правил системе необходимо предоставить достоверный контекст.

Этот уровень объединяет информацию, которую ИИ использует для поддержки решений в сфере обучения: таксономии навыков, модели компетенций, профили должностных ролей, учебные материалы, внутренние правила, стандартные операционные процедуры (Standard Operating Procedures, SOP), статьи базы знаний, результаты оценки, историю обучения сотрудников, обратную связь от руководителей и бизнес-приоритеты.

Без этого персонализация останется поверхностной. Система может сформировать связный ответ или предложить качественно оформленный курс, но результат может оказаться неактуальным, неутверждённым или не соответствующим должностной роли сотрудника.

Многим компаниям сложно применять ИИ в обучении и развитии сотрудников из-за неподготовленных данных: контент, метаданные, сведения о навыках и бизнес-контекст хранятся разрозненно.

3. Уровень интеграции и выполнения действий

ИИ становится полезным в масштабах компании после интеграции с системами, в которых уже проходят обучение и рабочие процессы.

Этот уровень связывает ИИ-систему с системой управления обучением (Learning Management System, LMS), платформой управления учебным опытом (Learning Experience Platform, LXP), информационной системой управления персоналом (Human Resources Information System, HRIS), платформами внутренней мобильности, инструментами совместной работы, базами знаний, хранилищами контента, платформами оценки, системами управления эффективностью, сервисами обработки заявок, системами управления взаимоотношениями с клиентами (Customer Relationship Management, CRM) и бизнес-приложениями.

Благодаря интеграциям ИИ может выходить за рамки рекомендаций: назначать траектории обучения, обновлять сведения о прохождении курсов, отправлять руководителям напоминания, планировать сессии наставничества, находить внутренние правила, рекомендовать практические упражнения, создавать учебные задания и направлять материалы на проверку.

Однако выполнение действий повышает риски. Получение информации из базы знаний – это одно, а изменение сведений о сотруднике, назначение обязательного обучения или отправка рекомендаций руководителю – другое. Такие действия должны регулироваться правами доступа, фиксироваться в журнале, по возможности быть обратимыми и выполняться по установленным маршрутам согласования.

4. Уровень оркестрации ИИ-агентов

Проектировать ИИ-агентов имеет смысл только после того, как определены правила управления, необходимый контекст и интеграции.

Агентный ИИ в обучении и развитии сотрудников полезен, когда рабочий процесс включает несколько этапов, изменение контекста, доступ к разным системам, передачу задач и проверку человеком. Уровень оркестрации координирует работу специализированных компонентов на основе ИИ в рамках единого процесса обучения.

Например, адаптация нового сотрудника может включать несколько ИИ-агентов или этапов с поддержкой ИИ. Агент, анализирующий требования к должности, определяет, что необходимо знать новому сотруднику. Агент по работе со знаниями находит утверждённые материалы компании. Агент по работе с контентом адаптирует их и формирует траекторию обучения. Агент для практических заданий создаёт реалистичные упражнения. Агент поддержки руководителя готовит рекомендации для наставничества, а аналитический агент отслеживает прогресс.

Ценность заключается не в том, чтобы называть агентом каждый компонент, а в координации их работы. Для простых процессов оркестрация может быть не нужна. Если обучение зависит от нескольких систем, согласований, ролей и циклов обратной связи, она помогает избежать появления очередного набора разрозненных инструментов.

5. Уровень мониторинга и оптимизации

ИИ-системы для обучения требуют непрерывного мониторинга, поскольку качество их работы зависит от постоянно меняющихся данных: контента, должностных ролей, внутренних правил, навыков, поведения сотрудников и потребностей бизнеса.

На этом уровне отслеживаются использование системы, вовлечённость сотрудников в обучение, точность контента, качество поиска информации, случаи ручного вмешательства, частота передачи задач специалистам, результаты оценки знаний, завершение обучения, признаки применения новых знаний в работе, уровень использования системы руководителями, развитие навыков, бизнес-результаты, дрейф данных и моделей, а также типовые сценарии сбоев.

Каждый рабочий процесс с применением ИИ должен оставлять проверяемый след: какой контекст использовался, какой результат сформировала система, какое действие было выполнено, был ли результат согласован специалистом и что произошло после этого.

Без мониторинга компании оценивают работу ИИ по отдельным случаям. Мониторинг позволяет управлять ИИ как полноценной частью бизнес-процессов.

6. Уровень пользовательских интерфейсов

Интерфейс становится итоговым воплощением всей архитектуры.

Для сотрудников это может быть помощник, учитывающий должностную роль, персонализированная траектория обучения, среда для практических симуляций или поддержка, встроенная непосредственно в рабочий процесс.

Руководителям система может показывать рекомендации для наставничества, дефицит компетенций в команде, показатели готовности сотрудников, рекомендуемые действия и сценарии бесед.

Команды по обучению и развитию сотрудников могут использовать информационные панели для контроля качества контента, эффективности рабочих процессов, вовлечённости сотрудников, соблюдения правил управления и результатов учебных программ.

Как использовать ИИ в обучении и развитии сотрудников, не создавая ещё один набор разрозненных систем

Оптимальный способ внедрения ИИ-инструментов в обучение и развитие сотрудников – начать с одного рабочего процесса, в котором компания уже сталкивается с трудностями.

Начните с операционной проблемы.

На этом этапе перед внедрением ИИ важно провести предварительный анализ. Иначе команды по обучению и развитию сотрудников могут получить генератор контента для одних задач, чат-бот для других и отдельного помощника для наставничества – без общей логики, связывающей их с навыками, корпоративными системами, правилами управления и измеримыми бизнес-результатами. Структурированный семинар по внедрению ИИ, адаптированный к задачам компании, помогает избежать такой ситуации. Он объединяет представителей бизнеса, обучения и развития сотрудников, управления персоналом и ИТ в рамках единого обсуждения ещё до выбора инструментов и запуска пилотных проектов.

Цель – определить несколько перспективных сценариев, выбрать один приоритетный для первого этапа и сформировать рабочую дорожную карту его внедрения.

Практическое внедрение включает шесть этапов:

1. Выберите одно направление развития компетенций, например адаптацию новых сотрудников, поддержку продаж, обучение специалистов клиентской службы, соблюдение обязательных требований, развитие руководителей, повышение технической квалификации или информационную поддержку сотрудников первой линии.
2. Опишите рабочий процесс от начала до конца: условия запуска, используемые системы, контент, согласования, сложности, с которыми сталкиваются сотрудники в обучении, участие руководителей и ожидаемые бизнес-результаты.
3. Проведите аудит данных и базы знаний: учебных материалов, таксономии навыков, профилей должностных ролей, метаданных, внутренних правил, баз знаний, кадровых данных и прав доступа.
4. Определите этапы, на которых человек должен проверить или согласовать результат, провести наставническую беседу либо принять окончательное решение.
5. Сформируйте систему оценки, учитывающую время до достижения необходимого уровня компетентности, долю запросов, по которым сотрудники получили нужную информацию, вовлечённость сотрудников, уровень использования системы руководителями, снижение количества обращений в службу поддержки, внутреннюю мобильность или повышение результативности.
6. Определите, какие решения следует купить, какие – доработать, а какие – разработать самостоятельно.

Эффективное применение ИИ в обучении и развитии сотрудников не означает автоматизацию всех процессов. Оно предполагает перестройку подходящих рабочих процессов таким образом, чтобы ИИ помогал развивать компетенции, не снижая качество, ответственность и доверие.

Управление ИИ в обучении и развитии сотрудников: риски, меры контроля и ответственное внедрение

Риски применения ИИ в обучении и развитии сотрудников вполне реальны.

Первый сценарий сбоя – создание недостоверных учебных материалов или контента по обязательным требованиям. Модель, которая готовит модуль по технике безопасности на основе общедоступных данных из интернета, может уверенно сообщить неверную информацию. При обязательном обучении в регулируемых отраслях такая ошибка способна повлечь юридические последствия. Решение должно быть заложено в архитектуру: поиск с дополненной генерацией (Retrieval-Augmented Generation, RAG) на основе контролируемого и утверждённого контента позволяет модели использовать корпоративную библиотеку учебных материалов. Любой материал, предназначенный для публикации, также должен проходить обязательное согласование со специалистом. Ни один модуль по соблюдению требований не должен становиться доступным сотрудникам без проверки специалистом.

Второй риск – предвзятость рекомендаций. Системы на основе графов навыков и адаптивных траекторий могут опираться на исторические данные, в которых отражено, кто ранее получал повышение, проходил обучение и пользовался поддержкой при карьерном развитии. Без контроля система будет направлять новые возможности тем группам сотрудников, которые уже имели преимущества. Для снижения риска необходимо регулярно проверять граф навыков и результаты рекомендаций на необоснованные перекосы. Такая проверка должна быть постоянным процессом, а не разовой задачей перед запуском.

Третий риск связан с конфиденциальностью данных сотрудников. Сведения об обучении, связанные с конкретным сотрудником, могут относиться к персональным данным, позволяющим идентифицировать человека: к ним относятся история занимаемых должностей, результаты оценки и показатели эффективности. Эти данные необходимы для персонализации, но должны храниться и обрабатываться только в контролируемой среде с заранее установленными требованиями к месту хранения. Их не следует передавать внешней общедоступной модели без предусмотренных мер защиты и законных оснований для обработки. Границы хранения и доступа необходимо определить ещё до запуска первого ИИ-агента.

Четвёртый риск – недоверие к автономным системам. Осторожность руководителей в этом вопросе оправданна. Вместо непрозрачной автономной работы следует использовать контролируемую оркестрацию с полным журналом аудита. ИИ-агенты должны получать ограниченные полномочия, проходить обязательные этапы согласования и фиксировать каждое решение, чтобы впоследствии его можно было проверить и обосновать.

Осторожность компаний в отношении полностью автономных ИИ-агентов оправданна: такие системы требуют зрелых данных, чётких ограничений, постоянного контроля и доказанной практической ценности.

Будущее ИИ в обучении и развитии сотрудников: от инструментов создания контента к инфраструктуре развития компетенций

Следующее поколение обучающих систем будет не только рекомендовать курсы. Такие системы смогут выявлять дефицит навыков, находить достоверную информацию, создавать возможности для практики, поддерживать руководителей, отслеживать прогресс, обновлять контент, направлять материалы на согласование и связывать результаты обучения с показателями бизнеса.

Как ни парадоксально, это делает участие человека ещё более важным. Люди по-прежнему определяют, какие навыки необходимы компании. Эксперты продолжают проверять достоверность знаний. Руководители занимаются наставничеством и принимают стратегические кадровые решения. Сотрудникам по-прежнему необходимо практиковаться, осмысливать полученный опыт и развивать профессиональное суждение.

Рынок генеративного ИИ для обучения и развития сотрудников уже выходит за рамки инструментов создания контента и движется к системам, объединяющим аналитику навыков, автоматизацию рабочих процессов, наставничество, оценку результатов и поддержку сотрудников в работе. Иными словами, будущее обучения и развития сотрудников заключается в создании более совершенной инфраструктуры, которая помогает людям адаптироваться.