«Наша ключевая задача — усилить с помощью ИИ человеческий потенциал»

Сегодня бизнес перестраивает процесс создания и использования обучающих продуктов, исходя из возможностей искусственного интеллекта. Директор по корпоративному развитию и управлению персоналом компании «МегаФон» Роман Ермоленко рассказывает о том, как с помощью высоких технологий компания трансформирует обучение сотрудников и оценивает эффективность этой инициативы.

— 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 удается 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 серьезной адаптации под свои процессы и требования информационной безопасности даже самый продвинутый ИИ — просто дорогая игрушка.

— Понимаю эту дилемму: для многих компаний разработка собственного решения кажется неподъемной 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 создает 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 тренажеров, наша ИТ-команда оказалась перегружена их поддержкой. При этом в очереди на новые решения у нас уже стояло еще 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 тренажера не нужно привлекать программистов. Достаточно сформулировать бизнес-задачу, и на ее основе можно самостоятельно формировать сценарии, наполнять их контентом, тестировать и запускать для нужных групп сотрудников. Результат превзошел 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 реальном опыте наших сотрудников. Мы выделяем наиболее эффективных, тщательно анализируем их ежедневные практики и трансформируем лучшие модели поведения в тренажеры для тех, кого необходимо подтянуть. Например, мы берем 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 передаем не теоретические знания о том, «как вообще нужно продавать», а даем 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.

— Тренажер 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 дает 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.

— 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 тренажеров, и сотрудники проходят примерно 20 тыс. тренировок ежемесячно. В ближайшей перспективе мы рассчитываем выйти на 30–40 тыс. тренировок в месяц, расширив охват не только на отделы продаж и контактный центр, но и на ИТ-направление, технические и другие подразделения компании.

— Да, мы уже движемся в этом направлении. Сотрудники розницы работают по всей стране, в разных часовых поясах, и через корпоративные порталы не всегда удается 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 передает их сотрудникам в автоматическом режиме. Таким образом, мы сохраняем на верхнем управленческом уровне центр экспертизы, который определяет стратегические цели, а системе передаем 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 передает сводные результаты обратно в центр управления.

В этой модели три основных компонента: коммуникация между головным офисом и сотрудниками, развитие навыков с помощью тренажеров 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.

— 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 ее, сколько раз повторял упражнение и какие именно ошибки допускал. Эти данные позволяют нам постоянно совершенствовать тренажеры и объективно оценивать их влияние на результат.

Приведу пример из розницы, где у нас работает около 5,5 тыс. продавцов. По результатам стандартной диагностики компетенций примерно 5 тыс. сотрудников успешно прошли оценку с первого раза, еще около 500 не справились с первой попытки. Когда мы предложили сотрудникам ИИ-тренажер по продаже SIM-карт, с первого раза его прошли только 3 тыс. человек. Остальные 2,5 тыс. сотрудников выполнили около 6 тыс. 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.

— Да. Само ядро нашей разработки универсально. На его основе можно создавать тренажеры 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 четкие критерии оценки и загрузить в систему лучшие практики именно этого бизнеса. Без этой адаптации даже самая совершенная технология останется просто инструментом без содержания.

— 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 тренажер 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.

— Дальше нас ждет гиперперсонализация обучения с помощью ИИ. Постепенно происходит переход от отдельных тренажеров 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 движемся.