AI в корпоративном обучении: 81% L&D-команд используют AI, но и только 23% знают, что делают.
За первые 10 дней июня 2026 вышли 4 глобальных отчёта об AI в L&D — от NIIT, TalentLMS, Synthesia и Josh Bersin.
Цифры везде одни и те же: 81% L&D-команд используют AI-инструменты для контента, но только 23% имеют политики пользования.
Остальные — в «серой зоне»: без правил, метрик и понимания, что делать.
Почему это важно не только для L&D-специалистов
То, как компания обучает сотрудников, — слепок того, как она принимает решения.
Если L&D использует AI вслепую — остальные отделы делают то же самое.
В транспортном монополисте, где я работаю, есть кейсы загрузки неочищенных эксель-файлов в Клод «для анализа».
Многие до сих пор не знают, что такое промпт.
Четыре глобальных отчёта
NIIT Learning Transformation Benchmark (4 июня) провели большой опрос L&D-лидеров по всему миру.
Главный вывод — «амбиции опережают готовность». Большинство компаний уже тестируют AI в обучении, но системная интеграция отстаёт.
Получить отчет можно по ссылке
Synthesia 2026 AI in L&D Report выяснили, что L&D-команды все еще настороженно используют ИИ-инструменты и в основном для создания контента.
TalentLMS 2026 L&D Report
Вместо того, чтобы делать обучение более гибким с помощью ИИ, L&D-команды, особенно в составе HR-функции, заменяют технологиями персонал.
При этом большинство сотрудников перегружены работой, а обучение воспринимается как препятствие для производительности.
В целом, ничего заметно нового к основным претензиям к содержанию корп. обучения не добавилось.
Josh Bersin
AI трансформирует рынок корпоративного обучения слишком быстро, при этом эффективность внедряемых инструментов почти нулевая.
Подробности по ссылке
Часть источников может быть недоступна из РФ без VPN.
Что это значит для L&D
AI в обучении перестал быть гипотезой — он в продакшне у 80% команд.
Задача методолога не «сделать курс с AI», а построить систему, где AI измеряем, прозрачен и привязан к бизнес-результатам.
Как это может выглядеть в компании сейчас
Совсем простые примеры:
1. AI генерит 3 версии курса по продажам на основе утвержденной модели компетенций и акутального кейса/ запроса заказчика. Команда выбирает лучшую версию, фиксирует time-to-market, пишет правила, knowledge, скилл для агента.
2. В LMS или даже обычной рассылкой в сотрудников подгружается микролернинг «как создать качественный промпт», немного про безопасность и простые примеры и кейсы использования. С памяткой для скачивания.
После пульс-опрос — замеряем реальный % использования и собираем обратную связь.
3. Вместо интеграции AI-ассистента в LMS и HR-функциию для красоты, качественно прорабатываются 3 сценария для начала (онбординг, поиск, подбор), замеряестя adoption rate.
Меньше 30% — меняем сценарий.
Ну а кривые STA-фильтры при подборе — отдельная тема.
Отбраковка сильных кандидатов и предложение к интервью резюме с рецептами пельменей — текущая печальная реальность.
Не вполне тема ИИ в L&D, но здорово подсвечивает тот самый разрыв и непонимание инструментов, неумение ими пользоваться.
Волшебные помощники
Три промпта, которые можно подогнать под свою компанию:
1. Аудит текущего использования
«Проанализируй типичный рабочий день методиста в корпоративном университете [название]. Составь список задач, где AI уже применяется неформально, и оцени риск каждого сценария: утечка данных, некачественный контент, репутация. Формат — таблица: задача, риск (высокий/средний/низкий), что делать»
2. Черновик политики
«Напиши раздел политики использования AI для L&D-отдела компании [отрасль]. Включи: (1) какие инструменты разрешены, (2) что нельзя (загрузка персданных клиентов, финансов, стратегии), (3) обязательная проверка AI-контента методистом, (4) маркировка материалов, созданных с AI. Язык — русский, без юристов»
3. Метрики контроля
«Предложи 3 KPI для L&D, которые показывают, что AI используется эффективно и безопасно. Пример: % программ с двойной проверкой AI-контента. Для каждой метрики: как считаем, целевое значение, период. Учти [тип компании], [количество сотрудников]»
На всякий случай: метрики корпоративного обучения очень легко гуглятся.
Это был первый пост из серии про AI и обучение. Я внезапно поняла, что мне есть о чем высказаться.
Наташа М — Методолог, фантазер, ИИ-энтузиаст.