Спикер Алексей Миляев, менеджер проектов с искусственным интеллектом (ИИ) в «МегаФоне», рассказал о технических способах интеграции ИИ в корпоративные учебные материалы. Основная задача — перейти от простых тестов, проверяющих знания, к оценке реального понимания и формированию практических умений у сотрудников. Спикер рассмотрел несколько вариантов применения ИИ: от проверки открытых вопросов и диалоговых тренажеров до ИИ-ассистентов внутри курсов. Были представлены разные способы технической реализации — от простых чат-ботов, создаваемых за 10 минут, до сложных и дорогих систем внутри компании, а также проанализированы их преимущества и риски, в частности, связанные с информационной безопасностью.
Ключевые аспекты стратегии / подхода
● Проверка понимания, а не только знаний. Использование ИИ для анализа ответов на открытые вопросы и практические кейсы (например, постановка задач по SMART). Это позволяет оценить, насколько глубоко сотрудник понял материал, а не просто запомнил его.
● ИИ в роли коуча и ассистента. Искусственный интеллект может выступать в роли коуча, который с помощью наводящих вопросов подводит ученика к правильному решению, а не дает готовый ответ. Также ИИ может быть интегрирован в курс как ассистент, отвечающий на вопросы по внутренним регламентам компании, что удобнее для пользователя.
● Диалоговые тренажеры для отработки навыков. Создание реалистичных симуляций для отработки речевых навыков. Например, в тренажере по продажам SIM-карт, разработанном 2,5 года назад, ИИ играет роль покупателя, реагируя на действия продавца.
● Автоматизация проверки разных форматов заданий. ИИ способен анализировать не только текст, но и другие форматы данных. В качестве примера приводилась проверка корректности составления диаграммы Ганта и формул в Excel-файле.
● Гибкие способы технической интеграции. Представлено 3 способа внедрения: от готовых конструкторов чат-ботов (быстро, но небезопасно) до создания собственного сервера-посредника (разработка от 1 дня до недели) и развертывания ИИ на собственных серверах внутри компании (дорого, но максимально безопасно).
● Улучшение курсов на основе данных. Интегрированный в учебный материал ИИ-чат позволяет собирать и анализировать вопросы пользователей. Это помогает выявлять слабые места в методологии и содержании курсов для их последующей итеративной доработки.
● Доступность для методологов. Современные подходы позволяют методологам самостоятельно адаптировать упражнения с ИИ без глубоких знаний программирования. Например, в готовом коде достаточно поменять только текстовую инструкцию (промпт), без изменения кода упражнения.
Результаты и метрики В явном виде комплексные метрики не приводились. Однако отмечалось, что по диалоговым тренажерам метрики высокие. Спикер также поделился, что реакция аудитории на подобные эксперименты была восторженной.
Короткое заключение Оптимальная стратегия — использовать микс из разных вариантов интеграции ИИ в зависимости от учебных задач, бюджета и требований безопасности. Начинать стоит с простых и доступных инструментов, постепенно переходя к более сложным и защищенным решениям.
Краткие выводы для специалиста по обучению
Проблема: Риски информационной безопасности при использовании внешних сервисов.
Решение: Начинать с некритичных данных, согласовывать с ИБ отдельные проекты или использовать более защищенные варианты интеграции (сервер-посредник, собственный сервер).
Проблема: Высокая стоимость развертывания ИИ на собственных серверах (видеокарта — от 3 млн рублей).
Решение: Использовать API, если данные не чувствительные.
Проблема: Необходимость навыков программирования для сложных интеграций.
Решение: Для простых задач использовать no-code конструкторы ботов в телеграм. Для более сложных — создавать шаблоны, где методологам нужно менять только текстовые инструкции (промпты), а не основной код.
Ключевые аспекты стратегии / подхода
● Проверка понимания, а не только знаний. Использование ИИ для анализа ответов на открытые вопросы и практические кейсы (например, постановка задач по SMART). Это позволяет оценить, насколько глубоко сотрудник понял материал, а не просто запомнил его.
● ИИ в роли коуча и ассистента. Искусственный интеллект может выступать в роли коуча, который с помощью наводящих вопросов подводит ученика к правильному решению, а не дает готовый ответ. Также ИИ может быть интегрирован в курс как ассистент, отвечающий на вопросы по внутренним регламентам компании, что удобнее для пользователя.
● Диалоговые тренажеры для отработки навыков. Создание реалистичных симуляций для отработки речевых навыков. Например, в тренажере по продажам SIM-карт, разработанном 2,5 года назад, ИИ играет роль покупателя, реагируя на действия продавца.
● Автоматизация проверки разных форматов заданий. ИИ способен анализировать не только текст, но и другие форматы данных. В качестве примера приводилась проверка корректности составления диаграммы Ганта и формул в Excel-файле.
● Гибкие способы технической интеграции. Представлено 3 способа внедрения: от готовых конструкторов чат-ботов (быстро, но небезопасно) до создания собственного сервера-посредника (разработка от 1 дня до недели) и развертывания ИИ на собственных серверах внутри компании (дорого, но максимально безопасно).
● Улучшение курсов на основе данных. Интегрированный в учебный материал ИИ-чат позволяет собирать и анализировать вопросы пользователей. Это помогает выявлять слабые места в методологии и содержании курсов для их последующей итеративной доработки.
● Доступность для методологов. Современные подходы позволяют методологам самостоятельно адаптировать упражнения с ИИ без глубоких знаний программирования. Например, в готовом коде достаточно поменять только текстовую инструкцию (промпт), без изменения кода упражнения.
Результаты и метрики В явном виде комплексные метрики не приводились. Однако отмечалось, что по диалоговым тренажерам метрики высокие. Спикер также поделился, что реакция аудитории на подобные эксперименты была восторженной.
Короткое заключение Оптимальная стратегия — использовать микс из разных вариантов интеграции ИИ в зависимости от учебных задач, бюджета и требований безопасности. Начинать стоит с простых и доступных инструментов, постепенно переходя к более сложным и защищенным решениям.
Краткие выводы для специалиста по обучению
- Какую задачу/проблему решали? — Обеспечить техническую интеграцию ИИ в учебные процессы для перехода от формальной проверки знаний к формированию и оценке практических умений.
- Как решали? / Что сделали? — Разработали и апробировали несколько форматов: первый MVP диалогового тренажера по продажам SIM-карт разработали 2,5 года назад; ИИ-ассистент внутри курсов; для демонстрации простоты разработки на конференции Elements реализовали чат-бот для проверки кейсов по SMART (разработан за 10 минут);
- Рекомендованный алгоритм действий. — Начинать с простых инструментов (конструкторы чат-ботов). Затем переходить к более гибким решениям (собственный сервер-посредник (прокси), передающий запросы к ИИ). Для критически важных данных и при наличии бюджета — развертывать ИИ внутри корпоративного контура на собственных серверах.
- Какой опыт/результат получили? — Адаптация логики упражнения с ИИ под новую задачу заняла у методологов 30 минут. Создание простого бота в конструкторе занимает от 10 минут.
- Идеи на будущее / альтернативы (если были). — Использовать смешанный подход, комбинируя разные варианты интеграции. Например, для некритичных по безопасности данных можно применять внешние сервисы, а для конфиденциальных — внутренние защищенные решения.
- Где и как применить опыт специалистам по обучению. — Для автоматической проверки ответов на открытые вопросы в курсах. Для создания реалистичных диалоговых тренажеров (продажи, переговоры). В качестве ИИ-ассистента для поддержки слушателей. Для сбора данных и улучшения методологии учебных программ.
- Возможные проблемы и способы их преодоления.
Проблема: Риски информационной безопасности при использовании внешних сервисов.
Решение: Начинать с некритичных данных, согласовывать с ИБ отдельные проекты или использовать более защищенные варианты интеграции (сервер-посредник, собственный сервер).
Проблема: Высокая стоимость развертывания ИИ на собственных серверах (видеокарта — от 3 млн рублей).
Решение: Использовать API, если данные не чувствительные.
Проблема: Необходимость навыков программирования для сложных интеграций.
Решение: Для простых задач использовать no-code конструкторы ботов в телеграм. Для более сложных — создавать шаблоны, где методологам нужно менять только текстовые инструкции (промпты), а не основной код.