Прямо сейчас: представьте — вы внедряете AI-бота для онбординга новичков. Какие два вопроса про безопасность вы зададите вендору, прежде чем подписать договор? Запишите их. В конце урока мы к ним вернёмся — и вы увидите, насколько глубже стали ваши вопросы.
Зачем это L&D-специалисту
Если вы прошли Модули 1 и 2, вы знаете как управлять моделью, строить RAG-агентов и дообучать модели. Но теперь вы не исполнитель — вы тот, кто решает, куда вообще приложить AI в своей организации. Это другой уровень: не «как сделать», а «стоит ли делать» и «с чего начать».
К концу урока вы проведёте аудит готовности своего отдела/компании к AI и составите список из 5 приоритетных use case'ов — не «вообще классных идей», а задач, где AI даст реальную пользу при разумных усилиях и контролируемых рисках. У вас будет рабочий документ — AI Readiness Check.
Разогрев: «Чужой разум» — почему это касается вас
В сентябре 2026 года главный научный сотрудник OpenAI Якуб Пачоцки опубликовал текст «An Alien Mind» — не маркетинговый анонс, а трезвую оценку происходящего.
Суть в трёх предложениях:
- AI умнеет не потому, что его «спроектировали» умным — он «вырастает» из масштабирования вычислений. Мы не до конца понимаем, как он работает.
- AI начинает улучшать сам себя (recursive self-improvement). Скорость изменений такова, что никто — включая создателей — не готов к последствиям.
- Главный риск не в том, что AI «захватит мир», а в том, что он начнёт действовать по логике, которую мы не контролируем и не всегда понимаем.
При чём здесь L&D? Напрямую. Каждый раз, когда вы выбираете AI-инструмент для обучения, вы делаете ставку. Ставку на то, что инструмент не навредит сотрудникам, не выдаст опасную рекомендацию, не обучит людей неверным решениям.
Что такое AI Readiness и почему «купить ChatGPT» — не стратегия
AI Readiness — это не «есть ли у нас доступ к ChatGPT». Это способность организации осмысленно внедрить AI: с понятными целями, подготовленными людьми, чистыми данными и контролем рисков.
Три слоя готовности — проверьте каждый:
| Слой | Вопрос | Пример: готов | Пример: не готов |
|---|---|---|---|
| Люди | Понимают ли сотрудники, что AI может ошибаться? | Команда прошла AI-грамотность, знает про галлюцинации | «AI всегда прав, он же компьютер» |
| Процессы | Есть ли понятные задачи, куда AI ложится без насилия? | Рутинная классификация заявок, анализ фидбека | «Давайте AI всё оптимизирует» (вообще всё — это не задача) |
| Данные | Есть ли чистые, структурированные данные для AI? | База учебных материалов в едином формате | 300 документов в разных папках, часть устарела, часть дублируется |
Матрица L&D-задач × AI-возможностей: куда смотреть
Прежде чем приоритизировать — надо понять, что вообще можно автоматизировать. Вот карта типовых L&D-задач и того, что AI умеет делать с ними уже сегодня:
| L&D-задача | Что AI может | Пример инструмента | Уровень зрелости |
|---|---|---|---|
| Анализ обратной связи | Классификация тональности, кластеризация тем, саммари | RAG-агент на документах | Высокий |
| Создание учебного контента | Генерация текстов, сценариев, тестовых вопросов | LLM + промпты | Высокий |
| Адаптивное обучение | AI-тьютор, который подстраивается под ответы ученика | Agentic workflow + RAG | Средний |
| Оценка компетенций | Анализ ответов, сравнение с эталоном, выявление пробелов | LLM + чек-листы | Средний |
| Онбординг | AI-бот, отвечающий на вопросы новичков по регламентам | RAG на внутренних документах | Высокий |
| Предиктивная аналитика | Прогноз оттока, эффективности обучения | ML-модели (не LLM) | Средний |
| Автоматизация отчётности | Генерация дашбордов, саммари по метрикам | LLM + API | Средний |
| Разработка стратегии L&D | Анализ трендов, бенчмаркинг, сценарное планирование | LLM + веб-поиск | Низкий |
Выпишите 10–15 задач вашего отдела. Против каждой отметьте, есть ли AI-инструмент, который это уже умеет. Если не знаете — напишите «?». Это ваш сырой список для следующего шага.
Приоритизация: три оси вместо двух
Классический подход: оцениваем use case по двум осям — ценность для бизнеса и усилия на внедрение. Но этого мало. Сентябрь 2026, «Чужой разум» даёт третью ось: риск.
Ось 1 — Ценность для бизнеса (1–5)
- 5: напрямую влияет на деньги/безопасность/ключевую метрику (например, снижение аварийности через обучение)
- 3: ускоряет существующий процесс (например, автогенерация тестов)
- 1: «прикольно, но без этого жили и проживём»
Ось 2 — Усилия на внедрение (1–5, где 1 = легко, 5 = тяжело)
- 1: настройка промпта в существующем инструменте
- 3: нужен RAG на ваших документах
- 5: нужна кастомная разработка, интеграция с ERP, обучение всей команды
Ось 3 — Риск (1–5 по каждому вопросу, сумма 3–15)
Ответьте на каждый вопрос по шкале 1–5 (1 = нет, 5 = точно да):
| Вопрос | 1 | 3 | 5 |
|---|---|---|---|
| Может ли ошибка AI навредить людям? | Нет, это аналитика «в стол» | Может дать неверную рекомендацию преподавателю | Может дать опасный совет сотруднику на производстве |
| Понимаю ли я, как модель принимает решение? | Да, простой промпт, предсказуемо | Частично: RAG, но источники контролирую | Нет, цепочка рассуждений непрозрачна |
| Что случится через год, когда модель обновится? | Ничего, мои промпты продолжат работать | Нужно будет перепроверить качество | Модель может изменить поведение, и я не узнаю |
Risk-фильтр: сумма 3–6 = зелёный (низкий риск). 7–10 = жёлтый (средний). 11–15 = красный (высокий).
Принцип «человек в петле» (human-in-the-loop)
Из статьи Пачоцки: главная угроза RSI (recursive self-improvement) — что AI выпадет из-под человеческого контроля. Контрмера на уровне L&D: каждое AI-решение проектируем так, чтобы человек оставался в контуре принятия решений.
| Не human-in-the-loop | Human-in-the-loop |
|---|---|
| AI сам оценивает компетенции сотрудника и назначает программу обучения | AI предлагает оценку и рекомендацию, методист утверждает или правит |
| AI-бот отвечает новичкам без контроля | AI-бот отвечает, но каждую неделю методист выборочно проверяет диалоги |
| AI генерирует учебный контент и сразу публикует | AI генерирует черновик, редактор вычитывает перед публикацией |
Сводим в матрицу: ценность / усилия / риск
Теперь для каждого use case'а из вашего списка заполните таблицу:
| Use case | Ценность (1–5) | Усилия (1–5) | Риск (3–15) | Вердикт |
|---|---|---|---|---|
| … |
Как читать вердикты:
- Высокая ценность, низкие усилия, низкий риск → «В приоритет» — делаем прямо сейчас
- Высокая ценность, средние усилия, средний риск → «Пилот» — тестируем на малой группе, с метриками, с human-in-the-loop
- Любая ценность, высокий риск → «Отложить» — возвращаемся, когда появятся средства контроля (лучший мониторинг, более зрелые модели, обученные люди)
- Низкая ценность, высокие усилия → «Не делать» — AI-хайп не оправдывает затрат
Промежуточный итог
Вы знаете, что AI Readiness — это три слоя (люди, процессы, данные) и три оси приоритизации (ценность, усилия, риск). Вы понимаете принцип human-in-the-loop и умеете применять risk-фильтр из трёх вопросов. Осталось упаковать это в шпаргалку и отработать на практике.
AI в компании — не покупка кофемашины
Это как нанять умного, но очень молодого стажёра. Он быстрый, но неопытный. Если дать ему подписывать договоры в первый день — последствия реальны. AI Readiness — сначала порядок в людях, процессах и данных, потом технология. Три слоя, три оси, три вопроса risk-фильтра. Не наоборот.
Шпаргалка
| Термин | Определение одним предложением |
|---|---|
| AI Readiness | Способность организации осмысленно внедрить AI: цели, люди, процессы, данные, контроль рисков |
| Use case | Конкретная задача, которую вы отдаёте AI — не «улучшить обучение», а «классифицировать заявки на обучение по темам» |
| Human-in-the-loop | Принцип: человек всегда утверждает финальное решение там, где ошибка AI может навредить |
| RSI (Recursive Self-Improvement) | AI ускоряет собственное развитие; главный риск — потеря человеческого контроля |
| CoT monitoring | Подглядывание в цепочку рассуждений модели; один из немногих инструментов контроля, но слабеет с ростом моделей |
| Risk-фильтр (3 вопроса) | Шкала |
|---|---|
| Может ли ошибка AI навредить людям? | 1–5 |
| Понимаю ли я, как модель принимает решение? | 1–5 |
| Что случится через год, когда модель обновится? | 1–5 |
| Сумма баллов | Уровень риска | Действие |
|---|---|---|
| 3–6 | Зелёный | Можно делать |
| 7–10 | Жёлтый | Пилот + human-in-the-loop |
| 11–15 | Красный | Отложить до появления средств контроля |