ИИ как долгосрочная стратегия. Бизнес перезапускает обучение сотрудников

Искусственный интеллект перестал быть экспериментальной инновацией — теперь он становится инструментом экономической и кадровой политики. В России утверждена стратегия развития ИИ до 2030 года, и все больше компаний рассматривают внедрение алгоритмов как условие устойчивости бизнеса и конкурентоспособности страны. Ключевая задача этой трансформации лежит не только в плоскости технологий, но и в работе с людьми: как обучать, сохранять и развивать специалистов в меняющихся условиях. Одна из самых уязвимых зон в этом процессе — корпоративное обучение. Общепринятые модели — универсальные курсы и программы — не учитывают реальные задачи текущих проектов, индивидуальные роли сотрудников, их профессиональные интересы и амбиции. В итоге обучение формально существует, но не дает нужного эффекта ни бизнесу, ни специалистам.

Изменить эту логику призван персонализированный ИИ: в российском корпоративном обучении формируется тренд на обучающие платформы нового поколения, которые из библиотек курсов преобразуются в индивидуальные навигаторы профессионального развития. Архитектурные принципы одного из первых подобных решений — LXP-платформу с персонализированной ИИ-лентой рекомендаций, где контент подстраивается под профиль конкретного сотрудника, — спроектировал разработчик программного обеспечения Артем Агаев, старший эксперт по технологиям крупнейшего российского банка. Разработка была реализована в период, когда персонализированные ИИ-модели в обучении на рынке только начинали обсуждаться, и стала ориентиром для последующих решений в этой области.

Как устроена ИИ-лента, изменившая подход к обучению

В основе этой технологической трансформации — переход от унификации к гиперперсонализации, где речь идет об изменении логики работы с данными. Вместо неких заданных норм обучения система начинает анализировать поведение, профессиональный контекст и карьерные намерения конкретного сотрудника. И здесь кроется один из значимых рисков — ошибки в модели, например, могут незаметно усилить неравенство в команде или исключать людей из перспективных сценариев роста.

«Обучающие платформы с персонализированным ИИ требуют очень аккуратной архитектуры и постоянной работы с качеством данных. Если система начинает подменять развитие сотрудников удобством управления, эффект будет обратным», — объясняет Агаев.

Это понимание он сформировал благодаря собственному опыту профессионального развития. Еще будучи студентом, он осознал, что программирование невозможно освоить без реальной практики вне учебных аудиторий, и устроился стажером в компанию, которая занималась разработкой электроники. Переломным моментом стало участие в хакатоне — на его команду обратило внимание жюри, в составе которого были эксперты одного из крупнейших российских банков. К слову, теперь он и сам выявляет таланты, выступая в роли судьи на престижных международных конкурсах, таких как American Business Expo. А тогда после соревнований Агаева пригласили на собеседование, оформили в штат, и уже в первые годы работы он был вовлечен в сложные проекты, требующие системного мышления. В итоге ему удалось спроектировать технологическое решение, кардинально изменившее философию корпоративного обучения сотрудников. Оно и стало основой ИИ-ленты рекомендаций для платформы «Пульс».

«Раньше обучение строилось по директивной модели — оно спускалось сверху и контролировалось инструктором или преподавателем. Задачей сотрудника было выполнить достаточно жесткие правила и требования. В новой системе сотрудник сам решает, что изучать, а ИИ ему в этом помогает как навигатор», — поясняет разработчик.

Лента рекомендаций анализирует поведение, должность, интересы и карьерные цели каждого специалиста, предлагая релевантный контент — например, обучающий материал или подходящую по тематике статью. Это решает ключевую проблему корпоративного обучения — низкую вовлеченности сотрудников, когда обучение воспринимается как обязанность, а не желаемая возможность. Платформа, разработанная Агаевым, начиналась как пилотный проект, но после масштабирования была внедрена во все подразделения банка и стала одной из первых подобных реализаций в России. Сейчас инфраструктура платформы и подобные проекты широко используются в корпоративной среде, хотя их создание по-прежнему требует серьезных инженерных ресурсов.

Как кадры становятся ключевым элементом национальной ИИ-стратегии

Масштабные стратегии в области искусственного интеллекта в России, как и в других странах, сталкиваются с дефицитом кадров. Государственные программы и инвестиции в технологии не работают без людей, способных проектировать, внедрять и сопровождать сложные цифровые системы. В этом случае экспертиза и системное менторство перестают быть внутренней HR-функцией компаний и становятся элементами технологического суверенитета страны.

В банке, где работает Агаев, ставка сделана на культуру передачи знаний и единые отраслевые стандарты, при этом опыт разработки созданной им платформы показал, что без менторской работы и участия инженеров-лидеров архитектурные стандарты новых технологий быстро размываются, а скорость внедрения инноваций снижается.

«В цифровых системах, от надежности и безопасности которых зависят миллиардные операции, персонализированная "настройка” командной работы — критически важный элемент. Ее невозможно закрепить только регламентами — она передается через практику и людей», — считает эксперт.

Сам он сейчас проводит код-ревью для кластера из нескольких десятков разработчиков, оценивая проекты других высококлассных инженеров, консультирует коллег, обучает и сопровождает новых специалистов, отвечая за сохранение качества решений и преемственность инженерных подходов. Выполняя роль наставников, сотрудники с глубокой экспертизой не просто помогают новичкам, а реализуют принцип ее приумножения и создают кадровый резерв с конкретными, востребованными в определенной области компетенциями. Далее эта культура масштабируется уже за пределами компаний, через отраслевые ассоциации. К примеру, Агаев — член престижного международного профильного сообщества разработчиков и инженеров Hackathon Raptors, которое организует хакатоны, направленные на решение социально значимых проблем. В глобальном смысле, пока образовательные корпоративные платформы повышают вовлеченность рядовых сотрудников, менторская работа нацелена на квалификацию и вовлеченность тех, кто создает и поддерживает эти платформы, повышая общеотраслевой уровень.

Какие вызовы скрывает создание «умных» платформ

Создание персонализированных ИИ-платформ — это сложнейшая инженерная задача, связанная с интеграцией технологий, базами данных и человеческим фактором, балансирующая между гибкостью и устойчивостью системы, обслуживающей сотни тысяч пользователей. Особой задачей было построение алгоритмов ядра ИИ-ленты, призванной объединить разрозненные данные в целостный профиль сотрудника и дать ему действительно ценные рекомендации.

«Обеспечить качество, актуальность и релевантность собранных данных — мало. Главная сложность в том, чтобы научиться их осмыслять. Во многих компаниях данные есть, но не используются неэффективно», — говорит разработчик.

Дополнительный вызов — человеческий фактор. Новые системы часто сталкиваются с сопротивлением пользователей, привыкших к старым инструментам. Задача команды разработки — не просто выпустить продукт, но и обеспечить восприятие. Поэтому разработка платформы сопровождалась взаимодействием с HR-отделом, бизнес-подразделениями, созданием понятного технологического бренда и постоянной коммуникацией с сотрудниками.

Именно в преодолении таких, на первый взгляд, незаметных сложностей и заключается суть реализации национальной стратегии в области ИИ на корпоративном уровне. Сервисы, подобные платформе, разработанной Агаевым, создают стандарты работы с данными и кадрами, которые в будущем могут быть востребованы и за пределами бизнеса — в госуправлении, медицине или образовании. Однако главный актив, который формируется в ходе этой работы, — поколение инженеров, прошедших школу решения сверхсложных задач на стыке технологий и социальных процессов. Именно их опыт, передаваемый через менторство, и становится фундаментом технологического суверенитета.