«Очень сложно». Как сделать ИИ ежедневной привычкой, если команда против

Фото: Михаил Гребенщиков / РБК

Входит в сюжет

РБК Образование

В этой статье

Искусственный интеллект перестал быть инструментом для экспериментов и превратился в неотъемлемую часть бизнес-процессов. Раньше под «цифровой грамотностью» понимали умение пользоваться электронной почтой, мессенджерами и Excel. Сегодня базовый уровень требует умения ставить задачи искусственному интеллекту (ИИ), проверять результаты его работы и органично встраивать ИИ в повседневную профессиональную деятельность.

Согласно исследованию онлайн-кампуса НИУ ВШЭ, 45% россиян используют ИИ в работе на постоянной основе (и этот показатель за год вырос в 1,5 раза), а 24% — планируют прийти к применению.

Эта трансформация прошла три ключевых этапа.

1. Точечное использование ИИ-инструментов. Маркетологи писали тексты для лендингов и социальных сетей, дизайнеры создавали визуалы для рекламных креативов, а менеджеры — черновики коммерческих предложений и деловых писем. Такой подход давал ощутимый, но ограниченный эффект: сотрудники тратили меньше времени на рутину и получали больше вариантов для A/B-тестов.

2. Интеграция ИИ с корпоративными данными. Системы начали подключаться к CRM, аналитическим таблицам, отчетам и внутренним базам знаний. Появились ИИ-ассистенты, способные находить нужную информацию в массивах данных, анализировать продажи и поведение клиентов, строить прогнозы по выручке, нагрузке на персонал или уровню спроса.

3. ИИ как инструмент принятия управленческих решений. Руководители и менеджеры используют его не только для получения данных, но и для моделирования сценариев развития бизнеса, оценки рисков и выявления точек роста. Благодаря ИИ стало возможным быстро проверять гипотезы до того, как на их реализацию будут выделены бюджет и ресурсы.

Как отмечал PwC в своих прогнозах на 2026 год, лидеры в области ИИ «выбирают несколько приоритетных направлений, где ИИ может обеспечить радикальную трансформацию». Такой подход не только ускоряет выполнение задач, но и повышает адаптивность организаций, особенно в таких областях, как прогнозирование спроса, персонализация и управление цепочками поставок.

Диагностика потребностей: какие ИИ-навыки нужны команде

Прежде чем внедрять обучение, важно не просто выбрать популярные ИИ-инструменты, а понять, какие задачи реально решают ваши сотрудники. Эффективный подход строится на аудите по функциональным направлениям.

**В маркетинге**стоит задать два ключевых вопроса: где больше всего ручной работы (подготовка контента, анализ кампаний, медиапланирование) и на что не хватает времени и рук (тестирование гипотез, сегментация аудитории, создание креативов)? Соответственно, типичные ИИ-задачи здесь — генерация текстов и изображений, анализ эффективности каналов привлечения и аудит посадочных страниц и воронок конверсии.

В отделе продаж важно понять, где «проседает» скорость реакции на запросы клиентов и какие документы или коммуникации повторяются изо дня в день. Это открывает возможности для автоматизации: ИИ может готовить черновики коммерческих предложений и писем под разные сегменты, предлагать скрипты для звонков и шаблоны ответов на возражения, а также автоматически составлять резюме по итогам звонков и фиксировать ключевые договоренности.

Сотрудники саботируют ИИ: как руководителю исправить ситуацию

Образование

В аналитике необходимо выяснить, сколько времени уходит на подготовку стандартных отчетов и где именно возникает «узкое место» — на этапе сбора данных, их очистки, визуализации или интерпретации. ИИ здесь может помочь сформулировать запросы к базам данных и таблицам, автоматически интерпретировать результаты и даже готовить презентации с выводами и рекомендациями.

**В продуктовой и разработческой командах**стоит обратить внимание на повторяющиеся задачи в коде, тестировании и документировании, а также на то, как принимаются решения о приоритетах и новых функциях. ИИ может генерировать и ревьюить код, создавать автотесты и техническую документацию, а также анализировать фидбэк пользователей для выявления трендов и болей.

Такой подход позволяет сформировать не абстрактный «курс по ИИ», а точечный профиль компетенций, напрямую связанный с реальными задачами вашей компании.

Как научиться быстро: практика вместо теории

Большинство корпоративных программ обучения не приводит к устойчивым изменениям в поведении сотрудников и слабо влияет на бизнес-результаты. Согласноисследованию McKinsey, только четверть компаний сообщают, что их обучающие программы измеримо улучшили производительность, а многие вообще не отслеживают отдачу от инвестиций в обучение.

Причина не в качестве контента, а в том, что обучение происходит без подготовки мотивации у сотрудников, без участия руководства и, главное, без последующего закрепления новых навыков в рабочей среде. Как отмечают авторы, «даже когда сотрудники усваивают новые знания, они зачастую не применяют их на практике», особенно если рабочий контекст и лидерство не поддерживают изменения.

Примеры из нашей практики: вместо абстрактного «курса по ИИ» для отдела продаж можно провести воркшоп, на который участники приходят со своими актуальными коммерческими предложениями. За два часа можно разобрать, как готовить черновики КП, используя шаблоны и данные о клиенте, автоматически генерировать персонализированные вводные письма под разные типы компаний и фиксировать ключевые договоренности после звонков на основе записи или кратких заметок. Результат — готовый набор промптов и шаблонов, которые команда начинает использовать уже на следующий рабочий день.

Для маркетологов работает формат практикума по анализу и генерации контента: участники загружают в ИИ-инструмент свои последние отчеты по рекламе или текущий контент-план и учатся выявлять, какие публикации или креативы приносили не просто клики, а реальные конверсии, генерировать альтернативные заголовки и тексты для слабых постов, а также автоматически формировать краткие недельные отчеты на основе выгрузок из «Яндекс Метрики» или аналогичного сервиса.

ИИ отбирает клики и трафик у брендов: как компаниям вернуть контроль

Образование

Руководителям подходит сессия про ИИ в ежедневном управлении, где можно разобрать работу с таблицами и отчетами через естественный язык. Например, загрузив файл с продажами, можно спросить: «Покажи месяцы с ростом выручки, но падением маржи — и возможные причины», быстро консолидировать отчеты от разных отделов в единый текстовый дашборд или сгенерировать черновик стратегической записки на основе KPI-данных.

Ключевые принципы таких сессий — минимум теории и максимум работы с реальными материалами компании, немедленное внедрение двух-трех конкретных сценариев в повседневную рутину и четкая фиксация регламента: какие запросы писать, какие данные подгружать, как проверять результат.

Как сделать использование ИИ ежедневной привычкой

Успех зависит не от технологий, а от фокуса на реальных задачах. Сотрудникам неважно, какая именно модель ИИ используется. Им важно, чтобы коммерческое предложение готовилось за 10 минут, а не за час, чтобы отчет появлялся за день, а не за неделю, чтобы клиент получал точный и своевременный ответ. Поэтому обучение должно строиться вокруг бизнес-кейсов, а не вокруг функций платформ.

Разовое обучение не меняет корпкультуру. Чтобы ИИ стал частью рабочего процесса, его нужно встроить туда, где люди уже проводят большую часть времени.

• В корпоративных мессенджерах можно запустить ИИ-бот, к которому сотрудники обращаются напрямую: «Сделай выжимку из этого документа», «Подготовь черновик ответа клиенту» или «Набросай план встречи».
• В CRM и системах управления заявками ИИ может предлагать подсказки по следующим шагам с клиентом, автоматически составлять резюме диалогов и предлагать формулировки для ответов.
• В офисных пакетах (документы, таблицы, презентации) ИИ помогает генерировать структуру, улучшать формулировки и подбирать визуализации для данных.

Чтобы знания не оставались в головах отдельных энтузиастов, необходима централизованная внутренняя база знаний по ИИ. В нее входят чек-листы по этическим и юридическим ограничениям использования ИИ, готовые шаблоны запросов под типовые задачи (КП, вакансии, посты, отчеты, анализ) и кейсы из практики компании — с описанием решенных задач, сэкономленного времени и ошибок, которых удалось избежать.

Базу важно обновлять: ИИ-инструменты стремительно эволюционируют, и культура обмена находками ускоряет коллективное обучение.

Как работать с командой: мотивация, страхи, метрики

Внедрение ИИ почти неизбежно приводит к проявлению у команды всей палитры эмоций — от энтузиазма до тревоги. Эти реакции нужно учитывать и сознательно управлять ими.

Если сотрудники боятся, что «ИИ заберет у меня работу», важно переформулировать смысл изменений: ИИ забирает рутину, а не роль. Сотрудник, умеющий работать с ИИ, становится более продуктивным и стратегически ценным.

Если кто-то считает, что «это слишком сложно», следует убрать технический жаргон и подать ИИ как «умного помощника, с которым можно разговаривать на человеческом языке». Демонстрация быстрых побед — например, как за 15 минут можно сделать то, что раньше требовало часа, — помогает преодолеть барьер. При скептицизме в духе «у нас это не взлетит» лучше начать с пилота в одной-двух командах, собрать измеримые результаты и показать их на уровне всей компании.