Выявлены главные барьеры, которые мешают L&D использовать ИИ эффективнее

Британский эксперт в сфере корпоративного обучения Дональд Тейлор и соосновательница Nodes, компании по внедрению искусственного интеллекта в обучение Эгле Винаускайте исследовали барьеры, которые мешают эффективно использовать ИИ в развитии сотрудников. Свои выводы они изложили в докладе «Искусственный интеллект в сфере L& D: Намерения и реальность».

Помимо списка проблем, авторы также описали характеристики L& D-отделов, которые уже сейчас могут выйти на высокий уровень использования ИИ и сделать его помощником в решении наиболее сложных задач — например, в управлении развитием навыков на уровне организации, а также в планировании траектории обучения сотрудников и их карьерных треков.

Какие проблемы с внедрением ИИ называют сами L& D-специалисты

Исследователи опросили 420 специалистов по обучению и развитию из более чем 50 стран, чтобы выяснить, что ограничивает их в использовании ИИ, в частности генеративных нейросетей. Вот топ-10 названных респондентами барьеров:

1. Проблема конфиденциальности и безопасности данных.

2. Отсутствие доверия к результатам работы ИИ.

3. Отсутствие навыков работы с ИИ.

4. Проблемы интеграции ИИ-инструментов с существующими системами.

5. Нормативные или комплаенс-барьеры.

6. Сопротивление в организации.

7. Непонимание, с чего начать.

8. Проблема с быстрым поиском кейсов.

9. Опасения по поводу стоимости.

10. Сложности с окупаемостью ИИ-решений и с формированием бизнес-кейсов.

Больше всего респондентов назвали главным барьером проблему конфиденциальности и безопасности данных. По словам авторов, из-за того, что над информационной безопасностью своих решений активно работают и поставщики ИИ-инструментов, и разработчики технологий для обучения, есть шанс, что в будущем недоверие L& D-специалистов к технологиям снизится.

Почему организации, по мнению экспертов, находятся на разных уровнях ИИ-зрелости

Для лучшего понимания и решения остальных проблем исследователи предложили «Модель ИИ-незрелости корпоративного обучения» — The Immaturity Model. Эта модель предполагает, что ИИ-технологии могут внедряться в корпоративное обучение в организации на трёх разных уровнях, от простого к сложному:

• Первый уровень: внутренняя эффективность. На этом уровне инструменты генеративного ИИ (ГИИ) применяются для выполнения базовых административных задач — например, конспектирования совещаний — и для создания контента. Это все решения, которые ускоряют или удешевляют текущую работу отдела обучения.
• Второй уровень: точечные решения. Тут появляются технологии для персонализации обучения, анализа данных, поддержки навыков сотрудников — но как серия кейсов внутри компании, а не как общая политика.
• Третий уровень: бизнес-интеграция. На этом уровне ИИ-технологии применяются для управления важнейшими кадровыми процессами, и L& D-специалисты, разрабатывая и внедряя новые решения, действуют вместе с остальными отделами для достижения бизнес-целей.

Пока большинство отделов обучения в организациях, по данным исследования, применяют ИИ (прежде всего генеративные модели) на базовом уровне. Но отдельные кейсы, описанные в докладе, показывают, что возможны и другие варианты — когда ИИ становится партнёром L& D-специалиста в достижении бизнес-задач и помогает выполнять сложные функции.

Например, в Ericsson с помощью ИИ обновили таксономию навыков и позиций в компании и сделали для сотрудников доступными списки ключевых для их должностей компетенций. В дизайн-компании Superside ускорили процесс распределения задач между проектными менеджерами, а также научились подбирать им более подходящее обучение. Для этого живые интервью с менеджерами перед назначением на проект заменили асинхронными — ИИ анализирует их и определяет, подойдёт ли сотрудник для проекта, а если нет — что ему стоит дополнительно изучить.

Напрашивается вывод, что для ИИ-трансформации на третьем уровне организации нужно пройти первые два. Однако Дональд Тейлор и Эгле Винаускайте так не считают — и именно поэтому они не назвали свою разработку моделью ИИ-зрелости корпоративного обучения. Они уверены, что ИИ — слишком широко применимая технология, а не одна область деятельности, и разные кейсы использования ГИИ и аналитических инструментов могут развиваться параллельно, не приводя к выходу на следующий уровень.

Достижение бизнес-интеграции, уверены авторы, требует открытости и от L& D-отдела, и от остальной организации. Вот какие характеристики, согласно докладу, позволят отделу обучения наиболее успешно использовать ИИ:

• лидеры L& D готовы поставить под сомнение принятые нормы как внутри отдела, так и в бизнесе в целом;
• лидеры готовы принимать решения на основе неполной информации;
• L& D-отдел уже действует в связке с бизнесом на уровне повседневного функционирования;
• корпоративное обучение сфокусировано на результатах для бизнеса;
• создание учебного контента воспринимается как средство, а не как цель отдела.

Не в каждой организации в принципе достижима полная бизнес-интеграция отдела обучения на основе ИИ, отмечают авторы, но для L& D важно хотя бы разрабатывать точечные решения. Если сосредоточиться исключительно на внутреннем использовании ИИ, предупреждает Дональд Тейлор, при следующем распределении бюджетов у руководства может возникнуть вопрос: если создание учебного контента стало быстрее и дешевле, зачем вообще финансировать отдел обучения? Чтобы не попасть в такую ситуацию, эксперты предлагают посмотреть на развитие ИИ как на уникальную возможность для L& D-специалистов — шанс усилить своё влияние на бизнес и достижение целей компании.

Ранее мы писали о том, как нейросети могут упростить работу L& D.