Вред AI в корпоративном обучении: почему “умная” персонализация не меняет результаты

Компании массово закупают AI-инструменты для обучения: «персональные траектории», чат-ассистенты, генерацию контента. Предполагается, что сотрудник будет получать точный материал “в нужный момент”, а значит — обучение ускорится, а бюджеты сократятся.

На практике часто происходит другое: платформа работает, рекомендации выдаются, контента много — а поведение людей и результаты команд почти не меняются. И проблема здесь редко в том, что “AI ещё сырой”. Чаще всего обучение пытаются автоматизировать до того, как выстроена базовая логика: что именно развиваем, почему именно это, как это помогает в работе конкретному сотруднику и как измеряем эффект.

В материале SHRM (Society for Human Resource Management) о внедрении AI в L&D (Learning & Development) выделены препятствия, которые встречаются снова и снова на пути к качественному развитию персонала. Ниже — разбор этих барьеров и практические рекомендации центра исследования компетенций SkillCode.

Неумение точно определить дефициты навыков

Самый дорогой сценарий — когда L&D запускает AI-персонализацию, не имея точного ответа на вопрос: какой навык проседает и как это проявляется в работе. Тогда AI-система честно рекомендует “полезные” курсы, но эффект будет случайным.

Потому что бизнес-проблемы почти никогда не звучат как “людям не хватает обучения”. Обычно они звучат так:

руководители тратят время на повторные объяснения и контроль;
задачи возвращаются на доработку;
конфликты разгораются из ничего и съедают управленческий ресурс;
согласования затягиваются, сроки “плывут”;
продавцы знают продукт, но теряют сделки на переговорах.

Если не провести диагностику причин и не определить, какие компетенции индивидуально и в группе вызывают такие проблемы, обучение превращается в активность ради активности. В публичных обсуждениях статьи SHRM это сформулировано прямо: организации всё ещё не умеют чётко выявлять реальные skill gaps.

Рекомендация SkillCode: начинать не с “подберём курсы”, а с измерения поведенческих компетенций и сценариев, которые ломают результат. И только после этого строить точечную программу развития: что именно меняем в поведении, как тренируем, как проверяем повторно и как замеряем динамику.

«Умное» обучение, которое никому не нужно

AI отлично подбирает материал “по интересам” и “по профилю”. Но корпоративное обучение — не стриминговый сервис. Если персонализация не связана с целями компании и показателями роли, она не работает как управленческий инструмент.

В описании SHRM один из центральных барьеров звучит так: задача — согласовать персонализированное обучение с бизнес-процессами и целями организации.

На языке бизнеса это означает: у каждого направления обучения должен быть ответ на вопрос «что изменится в работе?». Например:

сократим цикл сделки (переговоры, аргументация, стрессоустойчивость);
снизим количество ошибок в проектах (критическое мышление, аналитичность, ответственность, требовательность, добросовестность);
разгрузим руководителей (рациональность, делегирование, самостоятельность мышления, сообразительность, наставничество);
повысим качество сервиса (коммуникабельность, эмпатия, самоконтроль, восприимчивость, стрессоустойчивость).

Если этот мост не построен, AI-рекомендации будут выглядеть разумно, но останутся “контентом”.

Рекомендация SkillCode: привязывать индивидуальные и групповые программы развития к картам компетенций должностей/ролей через связку объективной оценки и целевых метрик подразделения. Тогда персонализация становится не “что человеку интересно”, а “что улучшит результат в конкретном бизнес-процессе”.

Всё упирается в деньги и результат

Бизнес покупает не курсы и не платформу, а управляемость и эффективность. Часто эффект пытаются измерять “метриками обучения” — просмотрами, прохождениями, временем в системе. А руководители ждут “метрики работы”: скорость, качество, ошибки, текучка, конфликты, выгорание.

Если показатели бизнеса не растут, тогда это просто очередное модное обучение для галочки под соусом искусственного интеллекта, за которое компания заплатила деньги, а сотрудники вложили как минимум своё время.

Вывод

Искусственный интеллект в обучении действительно может дать прирост. Но только если компания сначала может ответить как минимум на три вопроса:

Какие компетенции реально проседают? Как эти показатели связаны с показателями эффективности?
Как это проявляется в работе? Что должно измениться, если повысить эти компетенции?
Как обучение встроено в процессы, как будет замеряться динамика роста компетенций? Как будет доказана эффективность обучения?

Если ответов нет, то AI и любые другие инструменты не помогают, а иногда даже усугубляют ситуацию.

SkillCode помогает выстроить основу, без которой AI-обучение не работает: диагностику компетенций, карту дефицитов по ролям, понятное ТЗ на развитие и повторный замер динамики, чтобы эффект был виден не в “прохождениях”, а в реальных рабочих показателях.

Неумение точно определить дефициты навыков

«Умное» обучение, которое никому не нужно

Рекомендации не усваиваются в реальной жизни

Всё упирается в деньги и результат

Вывод

Вернуться на сайт

Заполните форму и мы свяжемся с Вами в ближайшее время

Оцените сотрудников по компетенциям