Несколько лет назад рынок пережил массовое внедрение чат-ботов в клиентскую поддержку. В рекламных материалах звучали обещания: «бот закроет 80% обращений без оператора», «поддержка 24/7 без расширения штата». На практике, по оценкам отраслевых аналитиков, боты обрабатывали 30–40% простейших запросов, а остальные уходили к операторам. Затраты на аналитику, доработки и интеграции нередко нивелировали часть ожидаемого эффекта. Сегодня аналогичный сценарий разворачивается вокруг ИИ в корпоративном обучении.

Что показывают исследования

Согласно опросу «МТС Линк» (июнь 2026 года, выборка — 136 российских компаний), 87% работодателей уже применяют искусственный интеллект в обучении персонала. Однако лишь 35% респондентов полагают, что ИИ способен кардинально повысить эффективность обучения. Ещё 43% рассчитывают на точечные улучшения существующих процессов, а 16% считают влияние ИИ сильно переоценённым.

Таким образом, фиксируется разрыв между масштабом внедрения и ожидаемой отдачей. Рынок ещё не достиг стадии зрелых решений, где компании чётко понимают структуру затрат и измеримые результаты.

Структура использования ИИ в обучении

По данным того же исследования «МТС Линк», 72% компаний применяют ИИ для создания учебного контента — генерации текстов и сценариев. Ещё 52% используют его для планирования обучения и генерации идей. Автоматизацию проверки знаний (тесты, квизы, первичная оценка) применяют 31% компаний. Адаптацию материалов под функции и уровни сотрудников — 30%. И лишь 9% экспериментируют с цифровыми аватарами для вебинаров.

За этими цифрами стоят содержательные ограничения. Планирование и генерация идей с помощью ИИ обеспечивают скорость формулирования гипотез, но не гарантируют их корректность. Автоматизация проверки знаний масштабирует контроль, но не углубляет понимание материала.

Скрытые издержки: смещение бюджетных статей

Компании отчитываются о сокращении расходов на создание материалов, но вопрос в том, из чего складывались исходные 100%. Ранее затраты шли на студии, операторов, монтажёров, спикеров, методологов. Теперь — на лицензии, интеграции, дообучение моделей, работу промпт-инженеров и методистов, перепроверяющих сгенерированные материалы.

Финансовая нагрузка сместилась из статьи «производство контента» в статьи «IT-инфраструктура», «поддержка ИИ-решений» и «внутренние доработки». По оценкам участников рынка корпоративного обучения, переобучение одного сотрудника под новые ИИ-компетенции может составлять от 30 до 100 тыс. рублей в зависимости от программы и формата. Эти расходы способны поглотить заявленный эффект от внедрения.

Системный риск: внедрение без измеримых результатов

В 2026 году ключевая проблема рынка корпоративного обучения — разрыв между масштабом внедрения ИИ и доказанной пользой. Проникновение технологии опережает подтверждённую эффективность, что формирует системный риск.

Вендоры предлагают инструменты, обещая ускорение и повышение эффективности. Тренды подталкивают к немедленному внедрению под угрозой потери конкурентоспособности. Бизнес закупает решения, запускает пилоты, масштабирует. Однако впоследствии часто выясняется, что измеримые показатели отсутствуют: нет связи с бизнес-результатами, нет понимания, выросла ли производительность или снизилось количество ошибок.

Особую остроту ситуации придаёт жёсткая экономическая неопределённость. Бюджеты на обучение находятся под пристальным контролем: каждый рубль должен приносить понятный эффект. Эксперименты с новыми технологиями без системы оценки эффективности превращаются в лотерею.

Успех внедрения ИИ в корпоративное обучение следует измерять не количеством использованных инструментов, а реальными изменениями в работе сотрудников и показателях компании. Если внедрение невозможно связать с конкретными бизнес-показателями — производительностью, частотой ошибок, вовлечённостью, — то такое внедрение не формирует устойчивую систему, а лишь закрывает потребность в «соответствии трендам».

Фото: ChatGPT