Изображение создано при помощи модели Шедеврум
Компании хотят получать от обучения измеримый результат, но не всегда готовы оплачивать масштабные корпоративные программы. Как в этих условиях развивать компетенции в ИТ, искусственном интеллекте и анализе данных? Любовь Шаброва, директор Центра непрерывного образования (ЦНО) факультета компьютерных наук НИУ ВШЭ, объясняет, кому достаточно короткого интенсива, когда нужна индивидуальная программа и почему экономия на практике может обесценить весь курс.
Любовь Шаброва
Директор Центра непрерывного образования (ЦНО) факультета компьютерных наук НИУ ВШЭ
Говорить о повсеместном отказе бизнеса от обучения было бы неверно, однако компании действительно осторожнее подходят к расходам. По данным опроса SuperJob, проведенного в январе 2026 года среди одной тысячи представителей компаний, бюджет на обучение и развитие персонала был предусмотрен у 59 % организаций — против 66% годом ранее.
В ЦНО осторожность заказчиков замечают непосредственно в переговорах. По словам Любови Шабровой, компании дольше согласовывают расходы и чаще просят обосновать эффект еще на этапе коммерческого предложения. Вместо комплексного обучения отдельной корпоративной группы они выбирают точечные программы или направляют сотрудников в группы общего набора.
«Меняется логика: деньги выделяют не просто на обучение, а на закрытие конкретного бизнес-разрыва», — отмечает Любовь Шаброва.
Откладывать развитие технологических компетенций на неопределенный срок рискованно. По оценкам работодателей, опрошенных для отчета Всемирного экономического форума Future of Jobs Report 2025, к 2030 году изменятся или устареют в среднем 39 % существующих навыков работников. ИИ и большие данные возглавляют список навыков, спрос на которые, как ожидается, будет расти быстрее всего.
По наблюдениям Любови, устойчивее всего сохраняется спрос на компетенции, которые можно применять в повседневной работе: использование больших языковых моделей и их интеграцию в рабочие процессы, аналитику данных и подготовку отчетности для принятия решений. Специалистам, уже работающим с ИТ-продуктами, также необходимы основы машинного обучения.
Такой спрос меняет сам подход к обучению. ИИ постепенно перестает быть отдельной темой и становится инструментом повышения эффективности бизнеса. Компаниям важно научить сотрудников выбирать подходящие решения, учитывать их ограничения и встраивать технологии в конкретные процессы. Поэтому результатом программы должно стать заметное изменение в работе — например, ускорение анализа данных, сокращение трудозатрат или повышение качества решений.
При этом обучение далеко не всегда должно начинаться со сложных технических тем. В ЦНО отмечают большой запрос на понятное объяснение базовых понятий: что именно умеет технология, где она может быть полезна и каких экономических результатов от нее не стоит ожидать. Руководителю такое понимание необходимо, чтобы правильно сформулировать задачу команде и оценить целесообразность внедрения.
Спрос на ИИ сам по себе еще не означает, что всем сотрудникам нужна одинаковая программа. По мнению Шабровой, массовое обучение без связи с рабочими задачами рискует стать имиджевой инициативой: компания сможет отчитаться о числе участников, но не об изменениях в работе.
«По-настоящему обучение работе с ИИ нужно в первую очередь тем, кто непосредственно работает с информацией и принимает решения на ее основе», — объясняет Любовь.
При ограниченном бюджете она предлагает выделять две приоритетные группы. Первая — руководители, которые определяют, где технология имеет смысл и какой результат нужен бизнесу. Вторая — аналитики и ИТ-специалисты, которым предстоит реализовывать решения. Их обучение решает разные задачи: управленцу важно научиться выбирать сценарии внедрения, специалисту — разрабатывать и проверять их на практике.
Начинать с руководителей важно, потому что без единого понимания целей ИИ массовое обучение сложно связать с результатами бизнеса. По данным Microsoft Work Trend Index 2026, только 26 % опрошенных пользователей ИИ отметили, что руководство их компаний придерживается согласованной позиции по применению технологии.
Более широкое обучение сотрудников бизнес-подразделений стоит планировать после того, как компания определила приоритетные сценарии использования ИИ. При этом базовую ИИ-грамотность важно отличать от углубленной подготовки: чтобы понимать возможности и ограничения инструментов, каждому сотруднику не обязательно осваивать машинное обучение.
Более короткое обучение может быть оправданным, если вместе с длительностью сужается задача. Интенсив подходит, чтобы освоить конкретный инструмент или отработать один рабочий сценарий. Но ожидать от нескольких занятий системного изменения подхода к аналитике или внедрению ИИ было бы неправильно.
«Для системного изменения того, как сотрудник работает с данными или с ИИ, интенсива недостаточно: нужна практика на реальных задачах, обратная связь и время, чтобы новый навык закрепился», — подчеркивает Любовь.
В ЦНО предлагают сочетать форматы: короткая программа помогает получить первый результат, более продолжительная — подготовить тех, кому предстоит менять процессы. Такой подход позволяет не оплачивать одинаковую глубину подготовки для всех участников. При этом важно, что короткий курс должен иметь собственный достижимый результат, а не быть сокращенной версией программы с прежними обещаниями.
Именно по этой логике выстроена линейка программ ЦНО ФКН НИУ ВШЭ для руководителей. Тем, кому необходимо системно подготовить внедрение ИИ — от выбора стратегии и оценки экономики пилотов до управления изменениями и разработки собственного проекта, — подходит шестимесячная программа профессиональной переподготовки «ИИ-лидеры: бизнес-лаборатория для руководителей». Для более узких задач предусмотрены короткие программы: по генеративному ИИ, ИИ-агентам и работе с российскими ИИ-инструментами. Такой выбор форматов позволяет соотнести глубину обучения с задачами руководителя, масштабом планируемых изменений и доступным бюджетом.
Следующий вопрос — какой формат обучения выбрать. Отдельная корпоративная программа оправдана, если участникам предстоит работать с внутренними данными, продуктами или процессами компании, а результатом должен стать конкретный проект. В этом случае значительную часть работы составляют диагностика задачи и адаптация содержания.
Если сотрудникам нужны актуальные знания без глубокой привязки к специфике компании, их можно направить на готовую программу в группе общего набора. Такой формат позволяет быстрее начать обучение и не оплачивать индивидуальную разработку. Главное — заранее проверить, соответствует ли программа задачам и исходному уровню участников.
Отдельно стоит решить, развивать ли компетенцию внутри команды или нанимать готового специалиста. По мнению Шабровой, найм оправдан, когда экспертиза нужна срочно, предполагает постоянный объем задач, а сотрудников с подходящей базой внутри компании нет. Однако важно учитывать не только зарплату, но и сроки поиска, адаптацию нового человека к бизнес-процессам и риск того, что знания останутся сосредоточены у одного специалиста.
Обучение действующей команды может быть выгоднее, если компетенция нужна нескольким подразделениям, тесно связана с внутренними процессами и будет востребована в долгосрочной перспективе. Сотрудники уже знают специфику бизнеса и могут быстрее применять новые навыки. Возможен и смешанный вариант: привлечь опытного специалиста для запуска проекта и одновременно обучать команду, которая впоследствии сможет развивать решение самостоятельно.
Поэтому сравнивать стоит не стоимость курса и зарплату нового сотрудника, а полные затраты и время до результата: расходы на поиск, найм и адаптацию — с одной стороны, стоимость обучения, рабочее время участников и последующее внедрение — с другой.
При ограниченном бюджете лучше сокращать масштаб первого запуска. Вместо всей команды можно обучить небольшую пилотную группу и сосредоточить программу на одной приоритетной задаче бизнеса. Дополнительно снизить расходы может переход в онлайн- или смешанный формат.
При этом в программе важно сохранить практические задания, обратную связь экспертов и разбор ошибок. Теоретическую часть можно ограничить минимально необходимой базой, но без самостоятельной работы над реальной задачей невозможно понять, научился ли сотрудник применять новые знания.
«Лучше обучить меньше сотрудников, но дать им возможность полноценно отработать навык. Если убрать практику и обратную связь, программа может стать дешевле, но перестанет решать задачу бизнеса», — подчеркивает Любовь.
Пилотный запуск позволяет проверить результат на небольшой группе, скорректировать программу и только после этого принимать решение о масштабировании обучения.
Количество изученных инструментов — самый простой, но недостаточный показатель. Важнее понять, смог ли сотрудник применить знания: разработать проект, изменить рабочий процесс или улучшить конкретный показатель.
Экономический эффект нужно оценивать отдельно: учебный прототип еще не означает, что решение внедрено, а экономия времени не всегда приводит к прямому сокращению расходов.
«Если бюджет ограничен, я советую сосредоточиться хотя бы на одном измеримом проекте, который команда сможет реализовать сразу после обучения. Например, если речь идет о подготовке отчетности, можно заранее зафиксировать время выполнения задачи и требования к качеству, а затем сравнить показатели. При этом важно учитывать не только полученный результат, но и затраты на инструменты, проверку и внедрение, а также другие изменения, которые могли повлиять на итог», — объясняет Любовь Шаброва.
Само планирование обучения рекомендуется начинать с диагностики. Сначала компания определяет задачу и выясняет, каких компетенций не хватает для ее решения. Затем небольшая группа руководителей и ключевых специалистов проходит подготовку и проверяет знания на пилоте. По его результатам становится понятнее, кого и чему обучать дальше.
При таком подходе ограниченный бюджет задает масштаб первого шага. Компания не обязана сразу запускать большую программу, но должна заранее понимать, какое изменение в работе она рассчитывает получить и как его проверить.
В 2026 году, когда компании осторожнее относятся к расходам и требуют от обучения измеримого результата, главный вопрос — не сколько сотрудников пройдет программу, а что должно измениться в их работе. Если заранее определить бизнес-задачу, выбрать тех, кто влияет на ее решение, сохранить практическую часть и зафиксировать критерии результата, даже небольшой курс может принести заметный эффект. Такой подход позволяет не отказываться от развития команды, а точнее решать, кого, чему и зачем обучать.
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!