— Сегодня много говорят об искусственном интеллекте и его влиянии на работу сотрудников. По каким критериям можно оценить, какие обучающие ИИ‑продукты применимы в бизнесе и способны приносить измеримый экономический эффект?

— Действительно, рынок перенасыщен готовыми ИИ‑решениями для обучения, которые можно быстро внедрить. Однако после первых циклов тренировок у бизнеса часто возникает фундаментальный вопрос: какой реальный экономический эффект это принесло? Выросла ли производительность, сократилось ли время на выполнение задач, улучшились ли ключевые показатели эффективности (KPI)? К сожалению, объективно ответить на них удаётся не всегда. Чтобы отделить маркетинговые обещания от реальной пользы, необходимо опираться на три ключевых критерия оценки применимости ИИ‑продуктов. Первый — это соответствие инструмента бизнес-целям и специфике ролей. Он должен решать конкретную задачу для конкретной профессиональной роли, а не быть универсальным «набором знаний». Коробочные решения часто слишком общие, тогда как бизнесу нужен точечный фокус в нужный момент.

Второе — это возможность интеграции и сбора данных. Без подключения к корпоративным системам невозможно отследить, как полученные навыки применяются на практике. ИИ должен работать в едином контуре с существующим ИТ‑ландшафтом компании. И третье — наличие измеримых метрик «до и после». Эффективность инструментов обучения должна подтверждаться сравнением показателей сотрудников до их внедрения и после. Это может быть скорость обработки заявки, качество коммуникации с клиентом, снижение количества ошибок. Крупные компании понимают, что без серьёзной адаптации под свои процессы и требования информационной безопасности даже самый продвинутый ИИ — просто дорогая игрушка.

— Тем не менее для многих компаний коробочное решение остаётся единственным вариантом. Разработка собственного продукта требует ресурсов, в том числе ИТ‑специалистов.

— Понимаю эту дилемму: для многих компаний разработка собственного решения кажется неподъёмной задачей из‑за нехватки ресурсов и ИТ‑специалистов. Однако практика показывает, что полагаться исключительно на коробочные продукты рискованно. Мы сами прошли путь от использования сторонних сервисов до создания собственной платформы. Столкнулись с тем, что внешние решения сложно интегрировать в уникальные корпоративные процессы, а зависимость от поставщика создаёт риски: если он перестанет поддерживать продукт или откажется передавать исходный код, накопленный опыт и данные могут оказаться заблокированными в чужой системе.

Попытка полностью взять разработку на себя тоже выявила проблему: когда мы создали первые десять обучающих тренажёров, наша ИТ‑команда оказалась перегружена их поддержкой. При этом в очереди на новые решения у нас уже стояло ещё около 50 запросов. Стало очевидно, что бизнес не может ждать месяцами, пока разработчики напишут код под каждую новую задачу.

Выходом из этого стала разработка единой платформы с универсальным ядром. Теперь для создания нового обучающего тренажёра не нужно привлекать программистов. Достаточно сформулировать бизнес-задачу, и на её основе можно самостоятельно формировать сценарии, наполнять их контентом, тестировать и запускать для нужных групп сотрудников. Результат превзошёл ожидания: время вывода продукта на внутренний рынок сократилось с нескольких месяцев до нескольких дней, стоимость разработки снизилась в 15 раз, а стоимость владения — более чем в 6 раз.

Таким образом, даже при ограниченных ресурсах стратегия «сделай сам» через создание гибкой платформы оказывается выгоднее, чем бесконечная покупка и адаптация чужих продуктов, которые не решают специфические задачи компании.

— На чём основано содержание таких тренажёров?

— На реальном опыте наших сотрудников. Мы выделяем наиболее эффективных, тщательно анализируем их ежедневные практики и трансформируем лучшие модели поведения в тренажёры для тех, кого необходимо подтянуть. Например, мы берём опыт 30% самых успешных продавцов, прогоняем тысячи их реальных диалогов с клиентами через ИИ, выявляем ключевые алгоритмы общения, которые приводят к сделке, и внедряем эти сценарии в обучение для остальных сотрудников.

Таким образом, мы передаём не теоретические знания о том, «как вообще нужно продавать», а даём практический инструмент. Он на реальных кейсах учит продавать именно то, что нужно нашей компании, в нашем контексте и с нашими продуктами. Такой подход позволяет развивать навыки, которые напрямую коррелируют с ростом ключевых бизнес-показателей.

— Насколько легко сотрудники осваивают технологию? Зависит ли это от возраста?

— Тренажёр понятен интуитивно, и возраст практически не имеет значения. Для работы достаточно обычного смартфона. Сотрудник запускает тренировку, слушает или читает задание и отвечает голосом. Допустим, ему предлагают провести разговор со сложным клиентом. Система в реальном времени анализирует его ответ, оценивает, насколько хорошо выстроен диалог, и даёт обратную связь: что упущено, какие аргументы не прозвучали, какие действия нужно улучшить.

Главное преимущество — возможность многократного повторения упражнения для достижения нужного уровня мастерства. При этом обучение происходит не по абстрактным учебникам, а на реальных ситуациях, характерных для конкретной работы, оно основано на лучших внутренних практиках. Это делает процесс освоения быстрым и максимально прикладным для сотрудников любого возраста.

— Сколько времени занимают тренировки?

— Обычно одна тренировка длится от 10 до 15 минут. Это формат микрообучения, который позволяет сотрудникам развивать навыки без отрыва от основной деятельности. Система сама определяет слабые места сотрудника и предлагает упражнения по тем темам, которые ему необходимо подтянуть. Благодаря этому обучение становится более точечным: мы убираем лишнюю теорию и концентрируемся на практических задачах.

Сейчас у нас около 60 различных тренажёров, и сотрудники проходят примерно 20 тысяч тренировок ежемесячно. В ближайшей перспективе мы рассчитываем выйти на 30‑40 тысяч тренировок в месяц, расширив охват не только на отделы продаж и контактный центр, но и на ИТ‑направление, технические и другие подразделения компании.

— Можно ли использовать тренажёры не только для обучения, но и для внутрикорпоративной коммуникации?

— Да, мы уже движемся в этом направлении. Сотрудники розницы работают по всей стране, в разных часовых поясах, и через корпоративные порталы не всегда удаётся оперативно донести информацию до каждого. Поэтому в короткие обучающие форматы мы встраиваем и информационный контент.

Отдельное перспективное направление — возможность замены первых управленческих ролей. В отличие от многих, кто фокусируются на замене массовых ролей, занятых рутинными задачами, мы тестируем возможность делегирования ИИ‑инструменту задач первого управленческого звена: система эффективнее любого человека распределяет маршруты, планы звонков, задачи и передаёт их сотрудникам в автоматическом режиме. Таким образом, мы сохраняем на верхнем управленческом уровне центр экспертизы, который определяет стратегические цели, а системе передаём операционное управление.

Например, получив план на неделю, сотрудник может задать системе уточняющие вопросы, предложить корректировки и согласовать новый порядок работы. Система же отслеживает выполнение задач и автоматически передаёт сводные результаты обратно в центр управления.

В этой модели три основных компонента: коммуникация между головным офисом и сотрудниками, развитие навыков с помощью тренажёров и связь результатов с конкретными планами и системой вознаграждения. Сейчас мы находимся на этапе тестирования, как наиболее эффективно объединить эти элементы в единую экосистему для повышения общей эффективности бизнеса.

— Как вы измеряете эффективность обучения? Есть ли результаты?

— Это один из важнейших вопросов для нас. В продажах мы анализируем конкретные метрики: трафик, конверсию, средний чек и другие показатели. По нашей текущей оценке, около 5% результата можно связать с глубиной знания продукта и качеством навыков его продажи. При этом важно понимать, как именно рассчитывается этот вклад. Благодаря глубокой интеграции с корпоративными системами мы видим полный путь сотрудника: когда он начал тренировку, завершил ли её, сколько раз повторял упражнение и какие именно ошибки допускал. Эти данные позволяют нам постоянно совершенствовать тренажёры и объективно оценивать их влияние на результат.

Приведу пример из розницы, где у нас работает около 5,5 тысяч продавцов. По результатам стандартной диагностики компетенций примерно 5 тысяч сотрудников успешно прошли оценку с первого раза, ещё около 500 не справились с первой попытки. Когда мы предложили сотрудникам ИИ‑тренажёр по продаже сим‑карт, с первого раза его прошли только 3 тысяч человек. Остальные 2,5 тысяч сотрудников выполнили около 6 тысяч дополнительных тренировок, прежде чем достигли нужного результата. Это показывает, что формального соответствия компетенциям недостаточно: навык нужно отрабатывать. Наша ключевая задача — усилить с помощью ИИ человеческий потенциал, поэтому мы меняем сложность сценариев, моделируем разные ситуации и постепенно повышаем уровень подготовки сотрудников, что в итоге приводит к измеримому росту результатов.

— Можно ли перенести такую платформу в другие отрасли?

— Да. Само ядро нашей разработки универсально. На его основе можно создавать тренажёры для представителей практически любых профессий — хоть для металлургов, хоть для журналистов. Но платформу необходимо наполнить контентом конкретной компании: определить нужные навыки, разобрать реальные рабочие ситуации, сформулировать чёткие критерии оценки и загрузить в систему лучшие практики именно этого бизнеса. Без этой адаптации даже самая совершенная технология останется просто инструментом без содержания.

— Получается, без участия человека качественный ИИ‑тренажёр создать невозможно?

— Безусловно. При этом роль человека в этом процессе меняется: тренер постепенно превращается в методолога, который умеет создавать сценарии, работать с инструментом, оценивать его эффективность. Каждый тренажёр необходимо тщательно протестировать до запуска. Методолог проверяет, насколько корректно система воспринимает действия сотрудника, и подтверждает готовность продукта к использованию. Искусственный интеллект помогает масштабировать обучение, но содержанием, определением критериев качества и финальной проверкой результатов по‑прежнему должны заниматься живые специалисты. Без экспертного участия человека технология не сможет обеспечить реального роста компетенций.

— Как будет развиваться продукт дальше?

— Дальше нас ждёт гиперперсонализация обучения с помощью ИИ. Постепенно происходит переход от отдельных тренажёров к персональному обучающему ИИ‑помощнику, который сопровождает сотрудника на протяжении всего времени его работы в компании.

Представьте систему, которая знает полную историю тренировок сотрудника — что у него получается хорошо, а какие навыки требуют развития. Она сможет обращаться к корпоративным базам знаний, истории обучения, различным информационным системам и сама подбирать упражнения и контент под потребности конкретного сотрудника. По сути, это мультиагентный бот — персональный помощник по профессиональному развитию, который будет видеть точки роста сотрудника и фокусироваться именно на них. Если человеку нужно улучшить управленческие навыки, система предложит соответствующие сценарии тренировки. Если ему трудно готовиться к совещаниям или структурировать информацию, она сможет помочь с этими задачами.

Такой помощник объединит тренажеры, корпоративные базы знаний и другие инструменты обучения как для профессиональных, так и для гибких навыков. Это следующий уровень развития технологии, к которому мы активно движемсяё

Автор: Антон Великжанин / Коммерсантъ

Источник: Газета Коммерсантъ