87% российских компаний используют ИИ в корпоративном обучении: исследование МТС Линк 2026
МТС Линк провела опрос среди 400+ российских компаний: 87% уже применяют искусственный интеллект в корпоративном обучении, а 55% HR-директоров считают навык
МТС Линк провела опрос среди 400+ российских компаний: 87% уже применяют искусственный интеллект в корпоративном обучении, а 55% HR-директоров считают навык AI-аналитики обучения обязательным. Исследование, опубликованное 7-8 июля 2026 года, показывает, что ИИ перестал быть экспериментом и стал рабочим инструментом HR-департаментов. Разбираем цифры, тренды и что это значит для бизнеса.
| Показатель | Значение |
|---|---|
| Компаний, уже использующих ИИ в обучении | 87% |
| HR-специалистов, считающих AI-аналитику обучения обязательным навыком | 55% |
| База опроса | 400+ компаний |
Что стоит за этими цифрами и как их применить в своём бизнесе — ниже.
Что именно компании называют «ИИ в обучении»
За формулировкой «используем ИИ» скрываются разные по сложности решения. По практике рынка их можно разложить на три уровня — от простого к сложному.
Уровень 1. Генерация контента. ИИ пишет черновики курсов, тестов, инструкций, переводит материалы, делает выжимки из регламентов. Это самое массовое применение: порог входа низкий, эффект виден сразу. Скорее всего, именно этот уровень даёт основную долю тех самых 87%.
Уровень 2. Автоматизация процессов. ИИ собирает обратную связь, размечает открытые ответы в опросах, строит маршруты обучения под роль сотрудника, напоминает о сроках, отвечает на типовые вопросы слушателей в чате поддержки.
Уровень 3. Аналитика и прогноз. Модель выявляет сотрудников с риском выгорания или оттока, прогнозирует, кто не пройдёт обязательный курс, оценивает, какие модули реально влияют на показатели работы, а не просто «нравятся» слушателям.
Оценка: большинство компаний сидит на первом уровне, часть — на втором, до третьего доходят единицы. Поэтому цифра 87% говорит скорее о том, что ИИ перестал быть экзотикой, чем о зрелости процессов.
Почему 55% HR-директоров требуют AI-аналитику
Требование объясняется просто: данных об обучении много, а решений на их основе мало. Классическая ситуация — LMS собирает логи, тесты и оценки, но никто не отвечает на вопросы «какой модуль снизил число ошибок в работе» и «кого мы зря учим».
AI-аналитика закрывает три задачи:
- Скорость разбора. Открытые ответы, комментарии, записи обратной связи — вручную это читают выборочно. Модель обрабатывает весь массив и выдаёт темы и аномалии.
- Персонализация маршрута. Вместо единого курса для всех — сборка под роль, уровень и пробелы конкретного сотрудника.
- Связка обучения с бизнес-метриками. Сопоставление результатов курсов с продажами, качеством, текучестью. Без автоматизации это разовая ручная работа, с ИИ — регулярный отчёт.
Кому это критично: компаниям от нескольких сотен сотрудников, где объём данных уже не читается глазами, и тем, у кого обучение завязано на регулируемые требования (охрана труда, безопасность, комплаенс) — там цена ошибки в оценке знаний выше.
Что это значит для бизнеса: три практических вывода
Вывод 1. Отсутствие ИИ — уже отставание, но не повод покупать всё сразу. Начните с одного процесса, где потери измеримы: разбор обратной связи после обучения, генерация тестов, ответы на типовые вопросы сотрудников. Пилот одного сценария у нас стоит 60–350 тыс ₽ в зависимости от сложности, прототип собирается за 10–14 дней. Это позволяет увидеть эффект до масштабных затрат.
Вывод 2. Навык AI-аналитики нельзя купить как коробку. Он требует двух вещей: доступа к чистым данным и человека, который умеет формулировать вопросы к модели и проверять её выводы. Если в HR нет такого сотрудника, разумно начать с агента поддержки — он снимает рутину и даёт команде опыт работы с ИИ. Базовый агент поддержки — от 50 тыс ₽.
Вывод 3. Не путайте активность с результатом. 87% используют ИИ, но это не значит, что у всех он окупается. Метрика внедрения должна быть привязана к бизнесу: время на подготовку курса, доля автоматически разобранной обратной связи, снижение числа незакрытых обязательных модулей. Если метрики нет — вы просто добавили инструмент.
Как запустить ИИ в обучении: чек-лист
- Выберите один процесс с измеримыми потерями (часы HR, доля ручного разбора, сроки подготовки материалов).
- Зафиксируйте базовую метрику до внедрения — иначе эффект не докажете.
- Проверьте данные. Есть ли выгрузка из LMS, в каком она виде, можно ли её отдать модели без нарушения политики по персональным данным.
- Соберите прототип на одном сценарии. Срок — 10–14 дней, стоимость пилота — 60–350 тыс ₽.
- Сравните с базовой метрикой. Если эффекта нет — не масштабируйте.
- Решите про контур. Агент продаж (от 200 тыс ₽) или сложный контур с интеграциями (от 500 тыс ₽) нужны, когда пилот доказал пользу и процесс упирается в объём.
- Заложите сопровождение. Поддержка и донастройка — 15–50 тыс ₽/мес. Модели и данные меняются, брошенный агент деградирует.
Полный контур, от пилота до промышленной эксплуатации, обычно занимает 30–90 дней — в зависимости от числа интеграций и требований к безопасности.
Риски, о которых стоит помнить
- Персональные данные. Обучение — это данные сотрудников. Перед передачей в модель определите, что можно обрабатывать, а что обезличивать.
- Галлюцинации. ИИ в генерации учебного контента ошибается. Любой материал, особенно по регулируемым темам, проходит проверку человеком.
- Оценка людей. Модель, прогнозирующая «риск оттока» или «потенциал», может воспроизводить предвзятость. Такие выводы — повод для разговора с сотрудником, а не для автоматического решения.
- Зависимость от вендора. Проверяйте, можно ли выгрузить данные и сменить поставщика без потери истории обучения.
Если коротко
- 87% российских компаний из опроса МТС Линк уже применяют ИИ в обучении, 55% HR-директоров считают AI-аналитику обязательным навыком.
- За цифрой стоят разные уровни зрелости: от генерации текстов курсов до прогнозной аналитики. Большинство — на первом уровне.
- Начинайте с одного сценария с измеримой метрикой. Пилот — 60–350 тыс ₽, прототип — 10–14 дней.
- Агент поддержки — от 50 тыс ₽, агент продаж — от 200 тыс ₽, сложный контур — от 500 тыс ₽, сопровождение — 15–50 тыс ₽/мес.
- Полный контур — 30–90 дней. Без метрики до внедрения эффект не доказать.
FAQ
Мы небольшая компания, нам это нужно? Если обучение занимает единицы часов в месяц — скорее нет. Порог окупаемости появляется, когда есть регулярный поток материалов, обратной связи или обязательных курсов.
С чего начать, если бюджет минимальный? С одного сценария: генерация тестов по готовым материалам или разбор открытой обратной связи. Пилот — 60–350 тыс ₽, прототип за 10–14 дней покажет, есть ли эффект.
Заменят ли ИИ HR-специалистов? Нет. Он снимает рутину — черновики, разбор массивов, типовые ответы. Решения об обучении и оценке людей остаются за человеком.
Как измерить эффект? Зафиксируйте метрику до старта: часы на подготовку курса, доля автоматически разобранной обратной связи, число незакрытых обязательных модулей. Сравните через месяц после пилота.
Что с безопасностью данных сотрудников? Определите до внедрения, какие данные можно обрабатывать, что обезличивать и где хранится история. Это часть проекта, а не то, что решается после запуска.
Читайте также
- 87% российских компаний внедрили ИИ в обучение: исследование МТС Линк и выводы для HR-стратегии 2026
- 87% компаний используют ИИ для обучения: как МТС Линк помогает в 2026 году
- 87% компаний уже используют ИИ: кейсы внедрения в российском бизнесе 2026
Обсудить задачу
Расскажите, что нужно автоматизировать. Александр Раисович ответит лично и предложит архитектуру решения.