Еще несколько лет назад в работе специалиста по обучению и развитию было много вещей, которые казались практически незыблемыми. Для разработки онлайн-курса, нужны были методист, дизайнер, иногда иллюстратор, монтажер и специалист по сборке курса. Для подготовки хорошего вебинара — часы на поиск информации, разработку структуры и создание презентации. Для учебных кейсов и упражнений — вдохновение или обращение к материалам коллег.

Сейчас список задач, с которыми ИИ помогает L&D-специалисту, огромен:

Для меня особенно заметно изменилось проектирование вебинаров.

Раньше сама разработка программы занимала достаточно много времени, а создание презентации — еще больше. Сейчас значительную часть этой работы я могу сделать намного быстрее.

ИИ, в целом, меняет единицу производства. Раньше ею была команда. Все чаще ею становится человек, усиленный технологиями.

На первом этапе распространения генеративного ИИ главным эффектом действительно стало ускорение. Можно быстрее написать сценарий. Быстрее сделать презентацию. Быстрее придумать кейсы.

Возьмем классический тренинг для руководителей по обратной связи. Обычно участники изучают модель, затем разбиваются на пары или тройки и тренируются давать обратную связь друг другу. У формата есть очевидное ограничение. Человек, с которым вы тренируетесь, сам только что познакомился с моделью обратной связи. Он не эксперт. А тренер физически не может наблюдать за всеми.

Теперь появляется другой вариант. Каждый участник может провести такой разговор с ИИ-тренажером: поговорить с виртуальным сотрудником, отработать карьерный диалог, постановку задачи или обратную связь, а затем получить разбор своего поведения. В результате вместо одного тренера на группу у каждого участника фактически появляется персональный тренажер, исправляющий ошибки.

Именно здесь, на мой взгляд, находится одно из главных изменений L&D. Корпоративное обучение строилось преимущественно по модели «одна программа — много участников».

Мы можем сегментировать аудиторию, создавать разные программы для руководителей разных уровней, давать дополнительные материалы. Но внутри конкретного курса десятки или сотни людей проходят примерно один и тот же маршрут.

Полноценных систем, которые действительно хорошо выстраивают персональную образовательную траекторию автоматически, пока не так много. Но направление развития уже понятно.

У этой скорости есть обратная сторона. ИИ очень убедительно создает ощущение готового результата. Есть структура. Есть текст. Есть иллюстрации. Есть презентация. Кажется, что работа сделана. Но наличие материала еще не означает, что перед нами качественное обучение.

L&D-специалисту по-прежнему необходимо понимать:

У генеративного ИИ есть еще одна особенность: иногда он ошибается очень правдоподобно. У меня был показательный случай. Я работала со сложным техническим текстом об оборудовании. Попросила И И объяснить его мне коротко и простым языком. На всякий случай решила показать эксперту упрощенный с ИИ текст. Он нашел в этих нескольких абзацах пять смысловых ошибок.

Это важный урок для специалистов по обучению. Если вы разрабатываете курс по незнакомой теме, экспертная верификация никуда не исчезает. Более того, возможно, она становится еще важнее.

Из описанного выше следует парадоксальный вывод.

Например, вы создаете иллюстрации с помощью нейросети. Для хорошего результата, полезно понимать, какие существуют типы визуализации, композиции и иллюстраций. Если проектируете тренинг — модели обучения и методику разработки упражнений. Если создаете презентацию — знать хотя бы базовые принципы презентационного дизайна. Если делаете видео — представлять, как строится сценарий и что делает ролик понятным зрителю.

ИИ не отменяет эту базу. Он дает возможность одному человеку применять сразу несколько профессиональных областей на базовом или среднем уровне.

Современный L&D-специалист постепенно превращается из человека, который координирует создание продукта, в человека, который способен значительную часть продукта сделать самостоятельно.

На мой взгляд, один из ключевых навыков специалиста по обучению вообще не изменился. Это способность быстро разобраться в новой теме.

L&D-специалист редко работает всю жизнь с одной предметной областью. Сегодня нужно разработать программу для продаж, завтра — для инженеров, послезавтра — для руководителей. ИИ может очень сильно ускорить погружение. Он может объяснить термин, построить карту темы, предложить вопросы эксперту, структурировать материалы.

Но способность понять предмет, увидеть противоречия и задать правильные вопросы остается за человеком. Также становятся особенно важны:

При этом ценность простого технического навыка «уметь работать в конкретной программе» может постепенно снижаться. Инструменты будут меняться. Способность сформулировать задачу и оценить качество результата останется.

Наверное, это один из самых популярных вопросов. Я не думаю, что сегодня на него можно дать окончательный ответ.

Пока человеку все еще необходимо определять цели, проверять результат, работать с экспертами, принимать решения и корректировать работу ИИ. В будущем часть этих функций смогут выполнять агенты.

Но даже тогда, вероятно, останется роль человека, который проектирует систему, задает ей направление, контролирует результат и меняет правила, когда меняется задача бизнеса.

Здесь я расскажу историю, которая произошла со мной недавно. Один мой знакомый, который использует ИИ в основном для себя, похвастался мне: «Я попросил ИИ разработать для меня программу обучения искусственному интеллекту. Получилась отличная программа: семь модулей, в каждом — подробно расписанные уроки».

Тогда я задала вопрос, ответ на который, честно говоря, уже предполагала:

И мне кажется, это очень хорошо показывает одно из ограничений ИИ в обучении. Создать программу, подобрать материалы и выстроить идеальную образовательную траекторию — недостаточно. Между «у меня есть программа обучения» и «я действительно научился» остается огромная дистанция.

Человека еще нужно вовлечь, мотивировать, помочь ему не бросить обучение, поддержать в сложный момент, иногда подтолкнуть, а иногда объяснить, зачем вообще ему все это нужно.

Я бы не советовала специалистам по обучению пытаться освоить абсолютно все существующие нейросети. Они слишком быстро меняются.

Гораздо полезнее взять свои реальные рабочие задачи и постепенно проверять, где ИИ уже способен помочь.

1. Попробуйте пройти весь процесс вместе с ИИ: от анализа задачи до финального результата.

2. Посмотрите, где он действительно экономит время. Где предлагает идеи, до которых вы сами не додумались. Где вы вынуждены полностью переделывать результат. А где необходим человек.