Живой наставник vs ИИ-тьютор: миф или реальность? Снижаем стоимость онбординга
Новый сотрудник должен приносить прибыль через неделю-месяц, а не сосать деньги и силы полгода-год, пока не начнёт выдавать результат. Согласны? Рассказываем всё подробно, даём чек-листы и TLDR в финале (для тех, кому лень читать много букв).
Привет, на связи TEAMLY — платформа для совместной работы и управления знаниями с AI. Сегодня разбираем возможности ИИ для онбординга. Передаём слово специалисту HR, который не так давно делился с нами, как сделал свой первый чат-бот в Telegram без программистов.
Меня зовут Андрей Пеплов, я уже больше семи лет возглавляю HR-направление в IT-компании. После создания бота я чувствовал себя победителем – ИИ-помощник отвечал на вопросы сотрудников про отгулы и табели, экономил мне массу времени, и это было «вау!»
Но, как это обычно бывает, аппетит приходит во время еды. Я решил примитивные задачи, но оставались гораздо более серьёзные вызовы. Например:
- Каждому новичку нужен наставник, а у наших живых наставников хватает собственной работы, новичками заниматься им некогда.
- Команда работает гибридно, сотрудники живут в нескольких часовых поясах.
- Основные продукты обновляются с частотой не реже раза в месяц, и передавать чейнджлоги и другие новые знания «из уст в уста» просто невозможно. Кстати, одно дело прочесть чейнджлог, а другое — понять, как то или иное изменение влияет именно на твою работу и нужно ли что-то предпринимать. ПМ, разумеется, даёт комментарии конкретным разрабам, но есть пул тикетов, которые должны читать и принимать во внимание вообще все, здесь никаких комментариев нет. Новичку недолго и пропустить важное.
Как решать вопросы онбординга и информирования? Проводить по три онбординг-сессии в месяц? Дёргать опытных разработчиков и ПМов «объясни ещё раз»? — устал и я, и они.
В какой-то момент я понял: надо идти дальше. Чат-бот хорошо помогает, но пора внедрять полноценного цифрового тьютора на базе AI.
И вот сегодня расскажу, что это такое, зачем он нужен и как его создать. Сразу предупрежу, что на стадию реализации нашего ИИ-тьютора мы пока не вывели, и существует он только в наших задумках.
Кто такой тьютор
Сайт МТА (Межрегиональной тьюторской ассоциации) даёт ретроспективу тьюторства. Изначально тьютор — это домашний учитель, а позже — посредник в университете, который подбирает свободных профессоров для свободных студентов. Студент получает необходимые знания, профессор — деньги.
Но тьютор — не просто «сваха». Он разрабатывает сначала образовательный, а потом и профессиональный трек студента, подбирает для него лучшие лекции и практики, стажировки. В Англии XVIII–XX веков тьюторство было основной университетской практикой, лекции лишь дополняли её.
Современный тьютор разрабатывает для своего тьюторанта индивидуальный учебный план, обеспечивает его выполнение, берёт на себя коммуникацию между родителями и учебным заведением. При составлении плана тьютор основывается на результатах тестирования своего тьюторанта, на его склонностях и способностях, но не забывает и о ФГОС — то, что положено по стандартным программам, человек должен получить.
Можно ли заменить такого человека искусственным интеллектом? А почему бы и нет! У нас не университет, задачи у нас более приземлённые.
Что такое ИИ-тьютор и может ли он заменить реального человека
Когда я впервые сказал коллегам, что хочу разработать «цифрового тьютора», реакция была разная: от «ого!» до «ну-ну, ещё один чат-бот, ага».
Но это не тот самый «ботик-справочник».
Цифровой тьютор – это полноценная обучающая система на основе языковых моделей (LLM), которая работает с внутренними данными компании.
Чтобы убедиться в реальности, стоит спуститься с университетских небес на грешную землю — уровень разработчиков, тестировщиков, технических писателей и других участников продуктовых команд. В задачу ИИ-тьютора будут входить следующие ключевые функции:
- Ответы на вопросы. От банальных («сколько дней отпуска?») до сложных («объясни кейс по интеграции API»).
- Персонализация обучения. Материал подстраивается под конкретного человека: его роль, уровень знаний и даже стиль восприятия информации.
- Практика и симуляции. Бот может устроить ролевую игру: например, провести переговоры с «виртуальным клиентом» или смоделировать трудный звонок в поддержку.
- Оценка и обратная связь. Тьютор не просто отвечает, но и проверяет – даёт тесты, анализирует аргументы и даже пишет комментарии: «ответ хороший, но забыл упомянуть …».
- Эскалация вопросов. Если бот «не потянул», он передаёт вопрос живому эксперту. Но важно, что это происходит не каждые 5 минут, а в исключительных случаях.
Фактически, ИИ-тьютор — это «цифровой наставник, который всегда рядом».
Зачем компаниям внедрять цифровых тьюторов
Тут всё просто. Я как HR вижу одновременно и «боль», и «выгоду». Закрываем боли, получаем выгоду — бинго, задача решена!
Операционные цели
- Ускорить онбординг: новичок должен быстрее выходить на продуктивность.
- Стандартизировать обучение: ход вливания в работу не должен зависеть от того, кто наставник и в каком он настроении.
- Снизить нагрузку на экспертов: внедрение ИИ-тьюторов должно освободить 30–40% времени senior-специалистов от «RTFM-вопросов».
Олды должны помнить, что RTFM расшифровывается как «Read the f***ing manual». Ну ок, «Read the following manual» — остановимся на политкорректном варианте. ИИ способен по контексту вопроса найти нужные места в руководствах, чейнджлогах, корпоративной базе знаний, подключить, по необходимости, внешние источники. И выдать не просто текст с описанием, но и план обучения для новичка — типа подтяни-ка, дорогой, знания специально разработанного под твой проект фреймворка.
Стратегические цели
- Удержание знаний: бот – это источник знаний, к которому можно обратиться в любое время суток.
- Культивация культуры continuous learning: обучение становится естественным процессом, а не обязательной скучной «учебкой».
- Очистка документации: пока тренируешь бота, сам видишь, где каша и противоречия в инструкциях.
- Аналитика: видно, какие темы вызывают больше всего вопросов и где новички «спотыкаются».
Как цифровой тьютор работает в реальности? Спойлер: не магия, а пошаговый процесс
Разумеется, сложно сделать одного универсального цифрового тьютора. Да и надо ли? Пусть будет несколько: по отделам, направлениям, проектам или любой другой классификации — для каждой компании это будет свой набор.
Я так вижу пошаговый алгоритм проектирования и запуска ИИ-тьютора.
Шаг 1. Определяем цели и аудиторию
Кто пользователь ИИ-тьютора? Новенькие Java-разработчики? Sales-отдел? Или все сотрудники компании сразу? Мы, например, начали с IT-джунов – у них адаптация занимает больше всего времени.
Шаг 2. Собираем и готовим базу знаний
Это самая важная часть! Источники: платформа для совместной работы и управления знаниями, стандарты код-ревью, записи тренингов, документация по продукту, FAQ из поддержки.
Главное на этапе подготовки – очистить и актуализировать всю информацию. Бред и устаревшие документы только ухудшают работу бота. Кстати, сотрудников это тоже касается.
Шаг 3. Выбираем платформу реализации ИИ-тьютора
Я вижу здесь три альтернативы:
- No-code / Low-code – быстро (ну как быстро — код писать не надо, но надо много думать) и почти без участия IT-департамента.
- Кастомная разработка – для компаний, которые хотят полный контроль. Долго и дорого. Дольше, чем первая альтернатива просто в разы.
- SaaS-платформа для корпоративного обучения – готовые решения с ИИ-ботами внутри. Дороже, но, возможно, быстрее, чем первые два. Главный недостаток — придётся принять логику авторов платформы в качестве своей, загрузить свою базу знаний и то, что формально в неё не входит (те же чейнджлоги), на эту платформу да ещё и регулярно обновлять там информацию, если нет интеграции по API.
У нас используется платформа TEAMLY: там есть умный AI-поиск, в который HR может залить список часто задаваемых вопросов для новичков. Работает отлично.
Но если хочется сделать что-то кастомное под задачу (например, отдельного чат-тьютора на базе LLM), то можно прикрутить внешнее решение через поддержку TEAMLY. У обычного пользователя, да и у администратора on-premise версии такой возможности нет, нужно лезть в код.
Шаг 4. Обучение и тестирование
Загружаем знания, тестируем на «фокус-группе». Крайне важно найти «галлюцинации» бота на старте.
Шаг 5. Внедрение и масштабирование
Запускаем пилот – например, в одном департаменте/службе/проекте, следим за работой, тут же корректируем и собираем фидбек, снова корректируем. Получился ИИ-тьютор с человеческим лицом – масштабируем.
Даже если тьютор сможет решать перечисленные ниже задачи, это уже будет большой шаг вперёд:
- отвечать на вопросы по скриптам, находя информацию в БЗ;
- проводить тренировочные диалоги (у коллег бот в роли «разъярённого клиента» выглядел пугающе реалистично);
- давать обратную связь по ответам, оценивая их с точки зрения потребителя.
Даже такой функционал значительно ускорит онбординг и сократит время выхода специалиста в рабочий режим, разгрузит старичков от вопросов молодёжи.
Когда пора заводить собственного цифрового тьютора
Я долго думал и родил чек-лист. Если вы поставили в нём хотя бы две галочки – то вам пора:
- Массовый найм и постоянные новички (к каждому наставника не поставить).
- Наставники перегружены или находятся в другом часовом поясе.
- Знания нужно обновлять часто — а это ревизии критичных областей БЗ раз в месяц или чаще. Так бывает, когда в компании идёт один или несколько динамичных проектов, выпускаются новые релизы.
- Есть потребность в едином стандарте обучения.
- Нужно сэкономить бюджет на тренингах и экспертах.
Тонкое жизненное наблюдение
Когда я только начинал работать HR, обучение было строго линейным: наставник + бумажная инструкция. Сегодня же и темп другой, и сами сотрудники хотят учиться здесь и сейчас: если не нашёл видеоинструкции , то зашёл в чат – получил ответ; захотел потренироваться в продажах – сделал симуляцию.
Это новый формат, и цифровой тьютор идеально под него ложится. Здесь тьютор берёт на себя несвойственные для «классического» тьютора функции — ментора, трекера, тренера.
Цифровой тьютор — это не фантастика
ИИ-тьютор – это уже не «будущее», а вполне рабочая реальность. Он:
- экономит время;
- снижает нагрузку на сеньоров;
- ускоряет онбординг;
- делает обучение более живым и персонализированным.
И самое приятное: внедрение не обязательно стоит миллионов. Можно начать с малого (например, AI-поиск в TEAMLY + пакет FAQ для новичков), а потом шаг за шагом двигаться к полноценному тьютору.
Я, честно говоря, даже жалею, что не начал экспериментировать с этим раньше. Сколько нервов (и седых волос разработчиков) сэкономил бы.
Если в компании новички учатся по принципу «сиди рядом со старшим и перенимай», то такой организации пора менять подход к онбордингу. Причём давно пора. ИИ не заменяет людей, но он отлично снимает рутину и ускоряет процесс обучения.
Ну а живые наставники пусть занимаются интересным: передают опыт, вдохновляют и развивают культуру. А не объясняют по сто раз, как сдвинуть биты в C++.
Кстати, если устали вручную пересчитывать цифры, сводить данные и бороться с ошибками в таблицах, приходите на бесплатный вебинар «Формулы в TEAMLY: автоматизируем рутинные расчеты».
Расскажем, как автоматизировать расчёты любой сложности; гибко настраивать формулы под свои задачи; создавать формулы в пару кликов, без программирования; визуализировать прогресс и моментально видеть самый важный результат.
Идеально для руководителей, менеджеров проектов, бухгалтеров, маркетологов и всех, кто работает с данными и цифрами.
11 сентября | 12:00
TLDR
- Цифровой тьютор ≠ чат-бот: это AI-наставник, работающий на базе знаний компании, а не по списку заранее заготовленных ответов и линейному сценарию.
- Главные фишки: отвечает на вопросы любого уровня, персонализирует обучение, проводит тренинги (диалоги, ролевые игры), проверяет знания и даёт обратную связь.
- Цели для бизнеса: ускоряет онбординг, стандартизирует обучение, разгружает экспертов на 30–40%, повышает удержание знаний и даёт аналитику по пробелам.
- Как внедрить: определить цели и аудиторию → собрать и структурировать базу знаний → выбрать платформу (no-code, кастом или SaaS, например TEAMLY) → обучить → протестировать → запустить пилот и улучшать до полного просветления.
- Практика: в пилотном запуске поддержка сократила адаптацию новичков в продажах с 3–4 недель до ~2 недель; эксперты высвободили время и перестали объяснять одно и то же.
- Когда пора? Если наставников не хватает, команда распределена, знания часто обновляются, а бюджет хочется оптимизировать.
Вывод: цифровой тьютор — это не замена живого человека, а инструмент, который снимает рутину, ускоряет обучение и делает процесс более гибким и персонализированным.
ИИ — не панацея, но прекрасный шанс сделать онбординг сотрудников лучше. ИИ не может работать на пустом месте, ему нужны знания, которые удобно собрать в структурированную базу на платформе для совместной работы и управления знаниями Teamly.
Ещё больше полезной информации о знаниях, нейросетях и мозгах сотрудников можно получить бесплатно через нашего бота.