11 ноября 2026
Искусственный интеллект перестал быть исключительно технологической темой. Сегодня он напрямую влияет на рынок труда, корпоративное управление и подходы к развитию персонала. Компании сталкиваются с необходимостью одновременно экономить бюджеты, перестраивать управленческие модели и готовить людей к работе в условиях, где часть навыков устаревает быстрее, чем успевают пройти корпоративные программы. Попробуем разобраться, как эти вызовы связаны между собой и что значит «учиться по-новому».
Содержание:
О повсеместном отказе бизнеса от обучения говорить неверно, но осторожность в расходах действительно растет. По данным опроса SuperJob, проведенного в январе 2026 года, бюджет на обучение и развитие персонала был предусмотрен у 59% организаций против 66% годом ранее. 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, директор Центра непрерывного образования ФКН НИУ ВШЭ.
При этом откладывать развитие технологических компетенций 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, а ИИ и большие данные возглавляют список навыков, спрос на которые будет расти быстрее всего. Устойчивее всего сохраняется запрос на компетенции, которые можно применять в повседневной работе: использование больших языковых моделей, аналитику данных и подготовку отчетности для принятия решений. ИИ постепенно перестает быть отдельной темой и становится инструментом повышения эффективности бизнеса.
Спрос на ИИ сам по себе не означает, что всем сотрудникам нужна одинаковая программа. Массовое обучение без связи с рабочими задачами рискует стать имиджевой инициативой: компания отчитается 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», – подчеркивает Шаброва.
При ограниченном бюджете приоритетными становятся две группы. Первая – руководители, которые определяют, где технология имеет смысл и какой результат нужен бизнесу. Вторая – аналитики и ИТ-специалисты, которым предстоит реализовывать решения. Управленцу важно научиться выбирать сценарии внедрения, специалисту – разрабатывать и проверять их на практике. Начинать с руководителей важно потому, что без единого понимания целей массовое обучение сложно связать с результатами бизнеса. Показательно, что по данным Microsoft Work Trend Index 2026 только 26% опрошенных пользователей ИИ отметили, что руководство их компаний придерживается согласованной позиции по применению технологии. Базовую ИИ-грамотность при этом 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.
Отдельная корпоративная программа оправдана, если участникам предстоит работать с внутренними данными, продуктами или процессами компании, а результатом должен стать конкретный проект. Если сотрудникам нужны актуальные знания без глубокой привязки к специфике компании, их можно направить на готовую программу в группе общего набора – это быстрее и дешевле, чем оплачивать индивидуальную разработку. Однако главный риск экономии – потеря практики. «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», – предупреждает Шаброва. Пилотный запуск на небольшой группе позволяет проверить результат, скорректировать программу и только затем принимать решение о масштабировании.
На первый взгляд кажется, что ИИ – это модели, данные, инфраструктура и технические специалисты. Но задача руководителя – не выбирать архитектуру модели и не спорить о параметрах алгоритма, а понять, где ИИ создает бизнес-ценность, как он меняет работу компании и какие условия нужны, чтобы технология дала эффект. Ключевая роль руководителя находится там, где ИИ пока не может преуспеть: он не может самостоятельно перестроить культуру компании, договориться с людьми, снять сопротивление, распределить ответственность и создать доверие. Это зона управления изменениями (change management).
Даже если у руководителя нет технического образования, ему важно самому пробовать ИИ-инструменты: формулировать запросы, проверять результаты, использовать ИИ для подготовки встречи, анализа документа или быстрого прототипирования. Это дает несколько эффектов: руководитель начинает понимать возможности и ограничения технологии практически, команда видит, что внедрение – не очередная инициатива «для галочки», а разговор становится более предметным. Хорошо работают совместные форматы – мастер-классы, хакатоны, внутренние лаборатории, где руководитель и команда вместе пробуют инструменты, включая вайбкодинг и генерацию прототипов. Такие форматы снижают страх перед технологией и переводят разговор из абстрактного «надо внедрять ИИ» в практическое «что именно мы можем улучшить уже сейчас».
Один из главных вызовов – перейти от множества несвязанных экспериментов к понятной стратегии. Пилотные внедрения ИИ полезны, но сами по себе они не трансформируют бизнес. Если у компании нет общей логики, каждый пилот живет отдельно: где-то получается эффект, где-то нет, но организация не учится системно. Руководителю важно определить, зачем компании ИИ на уровне стратегии: для снижения операционных затрат, ускорения разработки продуктов, повышения качества клиентского сервиса, роста продаж или более точного управления рисками. Каждая из этих целей требует разных решений, данных, процессов и метрик.
После этого появляется управленческий контур: приоритетные направления, ожидаемый эффект на прибыли и убытки, процессы, которые нужно перестроить, данные, метрики и ответственные за масштабирование. Управленческая дисциплина важнее технологического энтузиазма: нужно определить владельцев ИИ-направлений, закрепить зоны ответственности, ввести регулярный статус по проектам, связать часть мотивации и KPI с реальными результатами, создать площадки для обмена опытом и открыто обсуждать не только успехи, но и неудачи. ИИ-проекты почти всегда связаны с неопределенностью, и компании нужна культура, в которой неудача становится источником полезной информации.
Внедрение ИИ не отменяет человеческий подход, а напротив, усиливает значимость компетенций, связанных с пониманием людей, смыслов и контекста. Практика показала, что качественное внедрение ИИ требует серьезных инвестиций, а результат далеко не всегда соответствует ожиданиям; автоматизация – не универсально дешевое решение, а сложный управленческий выбор. Для компаний важна не технологичность сама по себе, а ее влияние на экономику, продажи, эффективность процессов и устойчивость репутации. Одной из ключевых угроз становится размывание идентичности бренда: в стремлении выглядеть современно компании нередко теряют ясность в ответе на базовые вопросы о том, кто они, какие ценности транслируют и каким языком разговаривают с аудиторией.
В ближайшие годы особенно востребованными окажутся специалисты, сочетающие технологическую грамотность с развитым критическим мышлением. ИИ способен воспроизводить и комбинировать уже существующие знания, но не заменяет способность человека создавать новые смыслы, видеть скрытые риски, интерпретировать контекст и принимать решения в условиях неопределенности. Вопреки распространенному тезису о безусловном преимуществе технических специалистов, усиливается спрос и на гуманитарные компетенции: умение работать с человеком, интерпретировать поведение аудитории, управлять репутацией и выстраивать доверительные отношения сохраняет фундаментальную ценность. В числе ключевых компетенций – стратегическое мышление, адаптивность, эмпатия и осознанное управление делегированием. Ряд функций уже переходит в зону ответственности ИИ – копирайтинг, часть клиентских коммуникаций, переводы, первичная аналитика, – но даже в этих направлениях алгоритмы требуют контроля со стороны опытного специалиста. За человеком сохраняются области, связанные с антропологией, этикой, созданием смыслов, формированием идентичности и доверия.
Планирование обучения имеет смысл 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. В 2026 году, когда компании осторожнее относятся к расходам и требуют 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. Развитие команды не отменяется – оно становится точнее.
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!
