Обучение сотрудников работе с нейросетями: план на 2026

Обучение сотрудников работе с нейросетями — это выстраивание системы, которая учит людей применять генеративный ИИ в ежедневных задачах: писать промпты, проверять результат, не сливать в чат-боты персональные данные и коммерческую тайну. По данным McKinsey, уже 79% крупных компаний используют генеративный ИИ хотя бы в одном бизнес-процессе, а уровень внедрения в мире за 2024-2025 годы вырос с 55% до 72%. Здесь разберём, с чего начать, какие форматы выбрать под разный персонал, сколько это стоит, как измерить эффект по модели Киркпатрика и какие требования закона учесть, чтобы обучение не обернулось утечкой данных. Тема входит в большой блок про корпоративное обучение персонала, где разбираются и методы, и планирование, и оценка результата.

Автор статьи — Мария Ж, юрист со стажем более 20 лет, соучредитель сервиса КЭДО Добыто, спикер на конференциях по КЭДО и юриспруденции, судебный эксперт в сфере корпоративного и трудового права. Занимается наймом персонала более 13 лет. Автор более 1000 статей о цифровой подписи, трудовом праве, КЭДО и HR.

Автор статьи

Мария Ж.

Кофаундер сервиса электронного документооборота Добыто

Кофаундер сервиса электронного документооборота Добыто. Юрист с 20 летней практикой. В 2008 году получала красный диплом юриста по корпоративной практике. Руководитель HR-отдела. Спикер на конференциях по КЭДО и юриспруденции.

Зачем компании обучать сотрудников работе с нейросетями

Рынок труда поменял требования. По данным Resume Builder, 9 из 10 работодателей ждут, что сотрудник будет использовать AI-инструменты в ежедневной работе. Опрос Русской школы управления показал: каждая вторая компания (52%) уже учитывает навыки работы с ИИ при найме. А исследование Lightcast говорит, что специалисты с навыками работы с нейросетями зарабатывают в среднем на 28% больше коллег, и это давно не только про IT.

Логика простая. Около 40% рабочего времени уходит на задачи, которые уже можно делегировать алгоритмам. ChatGPT сокращает время подготовки бизнес-текстов больше чем вдвое. GitHub Copilot ускоряет разработку на 30-55%. Но цифры дают только те, кто умеет работать с инструментом. Сотрудник, который один раз потыкал чат-бота и бросил, не приносит компании ничего, кроме риска. Поэтому вопрос стоит не «внедрять или нет», а «как научить людей делать это правильно и безопасно».

Есть и государственный вектор. Национальная стратегия развития искусственного интеллекта на период до 2030 года (Указ Президента РФ от 10.10.2019 № 490 в редакции Указа от 15.02.2024 № 124) закладывает поэтапное внедрение образовательного модуля «Системы искусственного интеллекта» в программы повышения квалификации, а уровень доверия граждан к технологиям ИИ к 2030 году должен вырасти до 80% против 55% в 2022 году. Текст документа опубликован на портале Президента России. То есть обучение персонала ИИ — это уже не только бизнес-инициатива, но и часть большой стратегии.

Мария Ж, HR-эксперт с 13-летним стажем:
«Я смотрю на это как на новую цифровую грамотность. Лет десять назад спорили, нужно ли учить кадровика работать в одинэске, сейчас это база. С нейросетями то же самое. Кто не освоит промт хотя бы на уровне «составь черновик письма», через пару лет будет проигрывать по скорости тому, кто освоил. И никакая текучка тут не спасёт, новые кандидаты приходят уже с этим навыком.»

С чего начать: аудит задач и потребности в обучении

Первая грабля, на которую наступают, — купить всем подписку на чат-бот и объявить, что компания теперь «на ИИ». Так не работает. Начинают с диагностики: где в процессах есть рутина, которую реально ускорить, и кто из сотрудников этой рутиной занят. Это классический анализ потребности в обучении (TNA), только привязанный к конкретным AI-сценариям.

Разложите работу подразделений на повторяющиеся операции. Маркетолог пишет десятки постов и описаний — сюда зайдёт генерация черновиков. Аналитик руками сводит таблицы — сюда зайдёт обработка массивов. Поддержка отвечает на типовые вопросы — сюда зайдут шаблоны ответов. Кадровик формирует приказы и письма — тоже кандидат. А есть зоны, куда ИИ пускать нельзя в принципе: решения о людях, юридические заключения, работа с чувствительными данными. Эту карту составляют до обучения, а не после.

Дальше — матрица компетенций. По каждой роли определяете целевой уровень: кому хватит базовой грамотности (понимает, что такое галлюцинация, умеет дать задачу боту и проверить ответ), кому нужен продвинутый промптинг, а кому — сборка собственных GPT-ассистентов под отдел. Без этой раскладки обучение превращается в один вебинар для всех, после которого половина зала так и не поняла, зачем им это.

Полезно заранее прикинуть, кто внутри компании будет вести обучение и сколько времени это съест. Если HR-служба и так перегружена, лишняя нагрузка по обучению уронит другие процессы. Оценить загрузку можно через калькулятор нагрузки на рекрутера и смежные инструменты, чтобы понять, есть ли у команды ресурс на роль внутренних тренеров или проще привлечь провайдера.

Чему учить: базовая ИИ-грамотность, промптинг и проверка результата

Содержание программы строится по уровням. Базовый блок — для всех. Что такое генеративная модель и чем она отличается от поиска. Почему нейросеть выдаёт уверенный, но иногда полностью выдуманный ответ (та самая галлюцинация). Какие инструменты есть под рукой — от GigaChat и YandexGPT до текстовых и графических сервисов. Как сформулировать задачу, чтобы получить нормальный результат, а не воду.

Промт-инжиниринг — отдельный навык, который часто недооценивают. Сотрудника учат давать контекст, роль, формат ответа, ограничения. «Напиши текст» и «ты — юрист по трудовому праву, составь черновик уведомления работнику о смене графика, со ссылками на статьи ТК РФ, в деловом тоне, до 1500 знаков» — это две разные вселенные по качеству выхода. На практике именно этот разрыв и закрывает обучение: люди перестают разочаровываться в инструменте, потому что начинают правильно его просить.

Третий блок, который любят пропускать, — проверка результата и ответственность. Нейросеть не отвечает за свой ответ, отвечает сотрудник, который его применил. Значит, учим фактчекингу: сверять цифры, нормы закона, фамилии, не вставлять сгенерированный текст в документ не глядя. Отдельно — что можно загружать в публичный сервис, а что нельзя категорически. Об этом подробно ниже, но в программу обучения это закладывают с первого дня, а не как факультатив.

Мария Ж, юрист со стажем более 20 лет:
«Самое опасное, что я вижу, — когда сотрудник относится к боту как к оракулу. Скопировал ответ, вставил в письмо клиенту, отправил. А там придуманная ссылка на несуществующее постановление. В практике Добыто мы на обучении первым делом вбиваем простую мысль: ИИ — это стажёр-практикант, шустрый, но всё за ним перепроверяй. Подписался ты, не нейросеть.»

Форматы и методы обучения работе с AI-инструментами

Один формат на всех не выстреливает. Под разные задачи и категории персонала собирают набор.

Вебинары и лекции — чтобы быстро снять страх и показать возможности. Подходят для массового старта. Минус — без практики знания осыпаются за неделю.

Буткемпы и интенсивы на 1-2 дня — команда решает конкретные задачи своего отдела на реальных кейсах. Сотрудник уходит не с конспектом, а с готовым промптом под свою работу. Формат дорогой по времени, но самый результативный.

Микрообучение — короткие модули по 5-15 минут, встроенные в рабочий день. Один навык — один ролик — одно задание. Хорошо ложится на распределённые команды и розницу, где людей не собрать в одну аудиторию.

Наставничество и peer-to-peer — внутри почти любой компании уже есть энтузиасты, которые сами разобрались. Сделайте из них бадди по ИИ. Этот формат закрывает то, чего не даёт курс: сотрудник спрашивает соседа «а как мне вот это сделать» и получает ответ под свою ситуацию.

Песочница — безопасная среда, где можно потренироваться без риска для боевых данных. Сотруднику дают учебные задачи на обезличенных примерах, чтобы он набил руку до того, как пойдёт в реальные процессы.

Как запустить обучение сотрудников нейросетям: пошаговая инструкция

Мария Ж, соучредитель сервиса КЭДО Добыто:
«Мы по своим внедрениям усвоили: сначала пилот, потом раскатка на всю компанию. С обучением ИИ ровно так же. Берёшь группу из коробки лояльных ребят, отрабатываешь на них программу, ловишь грабли — и только потом масштабируешь. Кинуть всем ссылку на курс и ждать чуда — это не обучение, это имитация.»

Как организовать обучение нейросетям в компании: процесс и роли

Сам процесс не отличается от любого корпоративного обучения, но с нюансами под ИИ. Назначают ответственного — это может быть L&D-специалист, методолог или выделенный центр компетенций по ИИ, если компания крупная. Дальше выбирают: учить силами провайдера, своими тренерами или гибридом.

В практике сервиса Добыто мы видим обучение под другим углом — со стороны адаптации к цифровым инструментам. Когда сотрудника переводят на электронный документооборот, его за 10-15 минут учат работать в личном кабинете, выпускать подпись, подписывать кадровые документы. Тот же принцип работает и с нейросетями: короткий понятный модуль плюс агитация. Если сотрудник пришёл с вопросом «а вы там мои данные не сольёте мошенникам», нельзя отмахиваться. Нужно отвечать спокойно и по делу, иначе человек закроется и инструментом пользоваться не будет.

Один из самых показательных кейсов на рынке — корпоративный университет крупного производителя металлов. Компания с штатом свыше 80 000 человек обучает более 50 000 сотрудников в год, разработала свыше 500 учебных программ, использует VR-симуляторы и собственную платформу дистанционного обучения. Для оценки знаний внедрили прокторинг: нейросеть сначала анализирует запись экрана и поведение во время теста, отмечает спорные моменты, а живой проктор уже выносит финальный вердикт. Двойной контроль ускорил процесс оценки примерно в 100 раз. Важная деталь: из-за требований информационной безопасности всё развернули на собственных серверах, без облака.

Образцы документов для запуска обучения и цифровых инструментов

Риски и регламент: персональные данные, коммерческая тайна, проверка результата

Это раздел, который нельзя пропускать, и где чаще всего горят компании. Как только сотрудник вставляет текст в публичный чат-бот, данные уходят на серверы провайдера. Дальше их судьба зависит не от ваших политик, а от безопасности самого сервиса. В 2025 году исследователи Wiz нашли у одного популярного ИИ-сервиса открытую базу с историей пользовательских чатов — без всякой аутентификации. То есть коммерческая тайна или персональные данные, однажды попавшие в переписку с нейросетью, могут оказаться доступны посторонним.

Правовая рамка тоже жёсткая. Передача данных клиентов или сотрудников во внешний ИИ-сервис — это обработка персональных данных по 152-ФЗ, со всеми вытекающими: нужно понимать, где находятся серверы, есть ли поручение на обработку. Статья 16 закона № 152-ФЗ прямо запрещает принимать решения, порождающие юридические последствия для человека, исключительно на основании автоматизированной обработки. Загрузка коммерческой тайны в сторонний сервис без анализа его политики — нарушение 98-ФЗ «О коммерческой тайне» и внутренних регламентов. Ответственность за всё это остаётся на компании, не на алгоритме.

Вывод для обучения: регламент работы с нейросетями — обязательная часть программы, а не приложение. В нём прописывают, что относится к публичной информации (её можно), что к персональным данным и коммерческой тайне (нельзя в публичные сервисы, только в защищённый контур). Сотрудника учат обезличивать данные перед запросом и не отправлять финансовые модели, зарплаты, KPI, стратегии. Это та самая зона, где обучение защищает компанию от прямых убытков.

Мария Ж, судебный эксперт в сфере корпоративного и трудового права:
«Когда ко мне приходят с вопросом про ИИ и закон, я отвечаю одинаково: ответственность не делегируется. Сотрудник может пользоваться хоть десятью ботами, но если он слил в публичный сервис персональные данные коллег — это уже про 152-ФЗ, и спрашивать будут с работодателя. Поэтому регламент и обучение идут в связке. Без бумаги, где чёрным по белому написано что можно, любой айтишник или маркетолог искренне думает, что всё можно.»

Стоимость внедрения КЭДО и обучения сотрудников цифровым инструментам

Обучение работе с нейросетями редко стоит отдельной строкой — чаще оно встраивается в общую цифровизацию кадровых и рабочих процессов. Стоимость зависит от численности штата, выбранного тарифа и набора подключаемых модулей. Если говорить про платформу Добыто КЭДО, на которой сотрудников обучают и адаптируют к цифровым инструментам, тарифы выглядят так.

* По тарифу «Бизнес» действует минимальная оплата от 50 сотрудников — 30 000 ₽ в год. Итоговая сумма зависит от численности персонала, набора модулей и формата поставки (облако или собственный сервер), поэтому актуальные тарифы сервиса Добыто помогут сориентироваться точнее под вашу задачу.

Оценка эффективности обучения сотрудников нейросетям

Без метрик обучение превращается в статью расходов, которую первой режут при оптимизации бюджета. Поэтому эффект меряют. Базовая рамка — модель Киркпатрика с четырьмя уровнями: реакция (понравилось ли, было ли понятно), усвоение знаний (тест после курса), применение в работе (использует ли реально промпты в задачах) и влияние на бизнес-результат. Расширение Джека Филлипса добавляет пятый уровень — ROI обучения, перевод эффекта в деньги.

На практике российские компании работают с упрощённой цепочкой: цель в терминах KPI — реакция — знания — применение — деньги. По нейросетям удобные показатели: сколько времени экономит сотрудник на типовой операции, сколько задач он стал закрывать с помощью ИИ, выросла ли скорость подготовки документов или текстов. Важно зафиксировать точку старта до обучения, иначе потом нечего будет сравнивать.

Мария Ж, специалист по трудовому праву и кадровым процессам:
«Любимая ошибка — меряют только реакцию. Все на курсе поставили смайлики, отчёт красивый, а в работе ноль. Я всегда говорю: смотрите на применение. Сотрудник через месяц после обучения реально пользуется ботом или забыл? Если забыл — значит, обучение не закрыло его боль, и денюжки на курс ушли в никуда.»

Типичные ошибки при обучении сотрудников нейросетям

Первая ошибка — учить всех одинаково. Бухгалтеру и дизайнеру нужны разные инструменты и разные сценарии, общий курс для всех экономит бюджет на старте, но даёт нулевой выхлоп. Цена ошибки — потраченное время всего штата и репутация обучения как «бесполезного».

Вторая — обучать без регламента. Людей научили промптить, а правила работы с данными не дали. Делают так ради скорости запуска. Результат — утечка персональных данных или коммерческой тайны в публичный сервис, штрафы по 152-ФЗ, разбирательства. Прямые убытки тут считаются легко и они большие.

Третья — один вебинар и забыли. Провели лекцию, поставили галочку, дальше тишина. Без практики и посттренингового сопровождения знания осыпаются за две недели. Деньги на спикера потрачены, навыка нет.

Четвёртая — не учли сопротивление. Сотрудники боятся, что ИИ их заменит, и саботируют. Если на старте не провести агитацию и не ответить на страхи, обучение упрётся в стену.

Выводы: обучение сотрудников работе с нейросетями

Обучение персонала работе с ИИ перестало быть опцией. Рынок труда уже требует этого навыка, государство закладывает его в стратегию до 2030 года, а компании, которые тянут, проигрывают в скорости тем, кто научил людей. Старт всегда один: аудит задач, матрица компетенций по ролям, и только потом выбор форматов. Программа строится на трёх китах — базовая грамотность, промт-инжиниринг и проверка результата с ответственностью сотрудника.

Главное, что нельзя упускать, — регламент работы с данными. Передача персональных данных и коммерческой тайны в публичные нейросети регулируется 152-ФЗ и 98-ФЗ, ответственность лежит на работодателе, а не на алгоритме. Обучайте людей обезличивать данные и работать в защищённом контуре. Запускайте через пилот на лояльной группе, отрабатывайте грабли, потом раскатывайте на штат. И обязательно меряйте эффект по применению в работе, а не по смайликам в анкете обратной связи.

В ближайшие годы навык работы с нейросетями станет такой же базой, как умение пользоваться почтой или таблицами. Компании, которые встроят обучение ИИ в адаптацию новичков и непрерывное развитие, получат фору. Те, кто отложит, будут догонять на более дорогом рынке труда, где владение ИИ уже заложено в зарплатные ожидания.

Часто задаваемые вопросы