Корпоративное обучение долго развивалось вокруг дефицита контента: компании нужно было найти эксперта, описать знания, разработать курс, записать материалы и сделать программу доступной сотрудникам. Генеративный ИИ резко снижает стоимость этой работы.
Курс, инструкция, тест или разбор кейса теперь могут появляться значительно быстрее. Но для L&D это не только повышение эффективности. Когда производство контента дешевеет, становится заметнее другое ограничение: сотруднику всё равно нужно получить опыт, научиться принимать решения и перенести новое знание в работу.
Одновременно сама работа меняется быстрее образовательных программ. ИИ забирает часть задач, на которых раньше учились начинающие специалисты, а руководитель становится важнейшей частью среды развития.
Поэтому задача L&D смещается: не производить больше обучения, а проектировать условия, в которых организация быстрее осваивает новые способы работы.
Microsoft в исследовании 2026 Work Trend Index Annual Report предлагает смотреть на компанию как на обучающуюся систему — организацию, которая умеет извлекать знания из собственной работы и превращать их в общие практики.
В глобальном исследовании участвовали 20 тысяч пользователей ИИ из десяти стран. По модели Microsoft организационные факторы — культура, поддержка руководителей и практики управления талантами — значительно сильнее связаны с результатами использования ИИ, чем одни только индивидуальные установки сотрудников.
Эти показатели отражают статистические связи, а не доказанную причинность. Но для L&D вывод важен: навык сотрудника не существует отдельно от среды, в которой этот навык применяется.
Контента становится больше, а времени на освоение работы — нет
ИИ упрощает производство учебных материалов. Эксперт может быстрее подготовить программу, преобразовать документ в инструкцию, создать тест или адаптировать объяснение под разные группы сотрудников.
Но увеличение объёма контента не отвечает на главный вопрос: что после обучения сотрудник начинает делать иначе? Просмотр курса не формирует профессиональное суждение автоматически. Даже персональная образовательная траектория не гарантирует, что новое поведение закрепится, если человеку негде его применять.
Поэтому возможность выпускать больше программ сама по себе не является показателем зрелости функции.
Компания может хорошо обучить сотрудника работе, которой скоро не будет
Традиционная логика начинается с текущей роли: описывается должность, определяется профиль компетенций, выявляются пробелы и создаётся программа. Эта модель работает, пока содержание работы относительно стабильно.
ИИ нарушает это условие. Он меняет не только инструменты, но и распределение задач внутри роли. Часть операций автоматизируется, часть выполняется совместно человеком и системой, а ценность специалиста смещается туда, где остаются постановка задачи, проверка результата, работа с исключениями и профессиональное суждение.
Поэтому обучение работе с ИИ не стоит начинать с выбора курса. Сначала бизнесу необходимо понять, как после внедрения технологии изменится сама работа: какие задачи исчезнут, какие останутся человеку и какие новые требования появятся к качеству решений.
HR-тренды 2026: найм, зарплаты, ИИ, обучение и удержание сотрудников
Почему компаниям всё чаще приходится начинать не с вопроса «чему учить?», а с вопроса «какая работа останется у человека?».
Читать материал →ИИ убирает из работы не только рутину, но и тренировочную площадку
McKinsey в материале Building Expertise in the Age of AI: Who Trains the Next Generation? обращает внимание на задачи начального уровня: поиск информации, подготовку документации, очистку данных, базовое программирование, предварительный анализ.
С точки зрения производительности именно их рационально автоматизировать одними из первых. Но у этих задач была функция, которую организации часто специально не проектировали: на них люди учились.
Начинающий аналитик делал первые расчёты, получал замечания и переделывал их. Молодой консультант собирал информацию и постепенно учился отделять существенное от второстепенного. Руководитель сначала принимал небольшие решения с ограниченной ценой ошибки, а затем получал более сложные.
Такая работа могла быть неэффективной, но именно из неё через несколько лет появлялась экспертиза.
Для L&D это означает важный сдвиг: часть практики, которая раньше возникала естественно внутри работы, придётся проектировать намеренно.
ИИ забирает работу у новичков. Кто станет руководителем через 10 лет?
Почему автоматизация задач начального уровня затрагивает механизм формирования профессионального опыта и будущего кадрового резерва.
Читать материал →Если практика больше не возникает сама, её придётся проектировать
Ответом на эту проблему не должен стать ещё один обязательный курс. Если профессиональное суждение формируется через опыт, система развития должна создавать опыт, а не только передавать знания.
Это могут быть разборы реальных решений, работа рядом с экспертом, моделирование сложных ситуаций, ротации, наставничество, временные проектные роли, постепенно усложняющиеся задачи и обязательное объяснение логики решения — в том числе когда сотрудник использовал ИИ.
Особенно важно не автоматизировать всю учебную сложность. Если система каждый раз формулирует проблему, предлагает структуру, делает анализ и готовит вывод, сотрудник может научиться эффективно пользоваться системой, но не обязательно научится самостоятельно выполнять профессиональную работу.
Самый быстрый способ выполнить задачу и лучший способ научиться выполнять эту задачу не всегда совпадают.
Главным преподавателем сотрудника снова становится его руководитель
Не потому, что менеджер должен читать лекции. Его влияние находится непосредственно в работе.
Руководитель решает, какую задачу дать сотруднику, насколько сложной она будет, где допустимо использовать ИИ, что необходимо проверить самостоятельно, какой результат считается приемлемым и какую обратную связь человек получит.
Именно эти решения определяют, будет ли работа развивать человека или только использовать уже имеющиеся у него способности.
Поэтому развитие руководителей становится частью инфраструктуры L&D. Даже качественная программа быстро теряет эффект, если после неё сотруднику негде применять новое поведение.
Microsoft: поведение руководителя связано с качеством применения ИИ
В отдельном исследовании Microsoft People Science были проанализированы ответы 1 800 сотрудников. Когда руководители сами показывали, как используют ИИ в работе, сотрудники сообщали о более высокой ценности технологии, более критическом отношении к её применению и большем доверии к агентным системам.
Это также статистическая связь, а не доказательство прямой причинности. Но она показывает, почему обучение новой технологии нельзя полностью передать корпоративной академии.
Сотрудник видит норму поведения в действиях собственного руководителя: проверяет ли тот выводы системы, признаёт ли ошибки, обсуждает ли ограничения и позволяет ли команде экспериментировать.
Переобучение не работает, если человек не видит себя в новой роли
Есть ещё одно ограничение, которое невозможно решить количеством контента. Компания может определить перспективный навык, предложить хорошую программу и оплатить обучение, но сотрудник всё равно может не захотеть переходить в новую профессиональную область.
Материал Harvard Business Review Want Workers to Reskill? Show Them Who They Can Become, основанный на исследованиях Раффаэллы Садун и её коллег, показывает значение профессиональной идентичности.
Для организации сотрудник может выглядеть как набор навыков, который нужно дополнить. Для самого человека профессия — часть ответа на вопрос о том, кто он, в чём его компетентность и какое место он занимает на рынке труда.
Для L&D это означает более тесную связь с внутренней мобильностью. Если после программы нет понятной роли, реальных примеров переходов и прозрачных требований к следующему шагу, обучение остаётся предложением освоить навык без понятного применения.
Почему сотрудникам недостаточно просто предложить переобучение
Как профессиональная идентичность влияет на готовность человека осваивать новую профессию и почему одной образовательной программы недостаточно.
Читать материал →Что тогда становится продуктом L&D
Контент остаётся необходимым, но превращается только в один элемент системы развития.
Руководителю L&D приходится работать одновременно с будущим содержанием ролей, навыками, практикой в реальной работе, наставничеством, поведением руководителей, внутренней мобильностью и передачей знаний между командами.
Это не означает, что L&D должен забрать себе организационный дизайн или управление карьерой. Наоборот, функция становится сильнее, когда перестаёт пытаться решить системную проблему только образовательным продуктом.
Задача L&D — спроектировать механизм, через который новые знания превращаются в новую способность организации выполнять работу.
Как меняется логика корпоративного обучения
| Вопрос | Привычная логика | Новая логика |
|---|---|---|
| Отправная точка | Какие компетенции нужны текущей роли? | Как меняется работа и какая роль понадобится бизнесу? |
| Основной продукт | Курс или программа | Знания, практика, обратная связь и применение |
| Роль сотрудника | Освоить материал | Научиться выполнять новую работу |
| Роль руководителя | Назначить обучение | Создавать задачи для развития и закреплять новое поведение |
| Роль ИИ | Создавать контент быстрее | Помогать учиться в работе, не устраняя необходимую практику |
| Переобучение | Закрыть пробел в навыках | Подготовить человека к новой роли |
| Результат | Прохождение и тест | Изменение способности выполнять работу |
Прохождение курса всё меньше говорит об эффективности L&D
Процент завершения, балл теста и удовлетворённость участников остаются полезными операционными показателями. Но если задача функции — изменить способ работы, измерение должно двигаться дальше учебной платформы.
- Способен ли сотрудник после программы выполнять новую задачу самостоятельно?
- Сократилось ли время выхода на самостоятельную результативность?
- Появилось ли больше внутренних кандидатов на дефицитные роли?
- Изменилось ли качество решений в рабочих ситуациях?
- Умеют ли сотрудники использовать ИИ и при этом проверять его результат?
- Переносится ли успешная практика между командами?
- Изменились ли производительность, качество, скорость, продажи, безопасность или клиентский результат?
Что руководителю L&D стоит пересмотреть уже сейчас
- Проверить программы для ролей, которые уже заметно меняются под влиянием ИИ.
- Для ключевых программ описывать не только цели обучения, но и рабочее поведение, которое должно измениться.
- Определить задачи, которые раньше естественно формировали опыт, но теперь автоматизируются.
- Встраивать в развитие реальные задачи, практику, наставничество и возрастающую сложность.
- Определить, где ИИ ускоряет обучение, а где слишком рано снимает с человека необходимую интеллектуальную нагрузку.
- Проектировать роль руководителя как часть программы.
- Связывать переобучение с реальными маршрутами внутренней мобильности.
- Добавлять к учебным метрикам показатели применения навыка и рабочего результата.
Сильная L&D-функция будет отличаться не количеством контента, а скоростью организационного обучения
ИИ делает образовательные материалы значительно доступнее. Поэтому большая библиотека курсов постепенно становится менее значимым преимуществом.
Гораздо реже встречается другая способность: быстро заметить, что работа изменилась, понять, какой новый опыт нужен людям, дать им пространство для практики, подключить руководителей и распространить найденный способ работы за пределы одной команды.
Учиться должен не только отдельный сотрудник. Учиться должна сама организация.
Главный продукт L&D будущего — не курс
Курсы, инструкции, базы знаний, учебные платформы и тестирование никуда не исчезнут. Во многих случаях ИИ позволит делать их быстрее и дешевле.
Но именно поэтому ценность L&D будет всё меньше определяться способностью производить и распространять материалы.
Когда работа меняется, человеку нужен не только новый контент. Ему нужны опыт применения, задачи подходящей сложности, обратная связь, понятная следующая профессиональная роль и руководитель, который поддерживает новое поведение.
Главный продукт L&D — способность организации быстрее превращать новый опыт отдельных сотрудников в новый способ работы всей компании.
И тогда показатель зрелости функции — не сколько людей удалось обучить, а насколько быстро компания научилась делать по-другому то, чему их обучали.
Источники
Microsoft. 2026 Work Trend Index Annual Report: Agents, Human Agency, and the Opportunity for Every Organization. Исследование 20 тысяч пользователей ИИ в десяти странах.
Microsoft People Science. Agentic Teaming & Trust Survey. Исследование 1 800 сотрудников о роли руководителей в использовании ИИ.
McKinsey & Company. Building Expertise in the Age of AI: Who Trains the Next Generation? Июль 2026 года.
Harvard Business Review. Want Workers to Reskill? Show Them Who They Can Become. Июль 2026 года.