Знания дешевеют, опыт дорожает: что будет с наставничеством, когда за дело возьмётся ИИ
Искусственный интеллект не заменит наставника — но точно изменит его роль. СберУниверситет и Сбер изучили, как ИИ трансформирует практики взаимного развития (Р2Р) — менторство, наставничество и другие — и пришли к выводу: будущее — не в конкуренции человека и алгоритмов, а в их сотрудничестве.
ИИ уже умеет анализировать данные, следить за стандартами и запускать типовые сценарии. Это значит, что рутину можно делегировать моделям — и освободить время для того, на что ИИ не способен: для эмпатии, работы с неоднозначными ситуациями и создания смыслов.
Исследование, основанное на глубинных интервью с 32 представителями российских и иностранных лидеров технологического рынка, анализе более 160 мировых источников, сессий по стратегическому прогнозированию с представителями крупнейших российских компаний и опросе 559 респондентов, выявило восемь ключевых трендов.
- Гиперперсонализация начинается не с ИИ-инструментов, а со сбора данных. Существующие данные часто не структурированы для ИИ, а сбор новых затруднён недоверием пользователей и вопросами безопасности. Люди одновременно боятся «тотального наблюдения» и разочарованы текущим уровнем персонализации — парадокс, который пока не решён.
- Готовность технологий опережает готовность людей. Барьерами остаются этика, безопасность и доверие, а также неорганизованные процессы, которые можно делегировать ИИ. Сценарии вроде автоматического сбора данных, цифровых двойников или ИИ-сокурсников участники исследования часто называют «нежелательными» из-за рисков.
- ИИ превращает обучение и развитие персонала (L&D) из поддержки в драйвер стратегии. ИИ анализирует горизонтальные коммуникации и массивы данных о развитии сотрудников, что позволяет выявлять скрытые организационные проблемы, токсичные паттерны и будущие вызовы. Так обучение превращается в функцию раскрытия не только потенциала сотрудников, но и стратегического потенциала организации как системы.
- «Вечный пилот»: энтузиазм без системы тормозит масштабирование ИИ. Большинство компаний внедряют ИИ в практики взаимного развития точечно, силами отдельных энтузиастов, хотя и декларируют планы сделать его сквозным элементом. Но без единой ИТ-архитектуры, правил работы с данными и централизованного развития инструментов проекты застревают в экспериментальном режиме — и не демонстрируют успеха, который укрепил бы доверие к технологиям.
- Радикальная демократизация: наставничество становится доступным каждому. В компаниях, изначально построенных на ИИ, охват растёт за счёт масштабирования «полупрофессионального» наставничества с поддержкой ИИ: цифровые двойники открывают доступ к экспертизе топ-уровня, ИИ-базы знаний позволяют «разговаривать» с любыми данными, а ИИ-ассистенты упрощают вход в профессию для новых наставников.
- Знания дешевеют, опыт дорожает. ИИ делает обучение непрерывным и доступным 24/7 прямо в рабочем процессе. Классические программы, сфокусированные на передачу знаний, перестают быть востребованными. Зато растёт ценность живого наставника: очные форматы превращаются в премиум-сервис, где платят не за знания, а за проживание опыта и работу с индивидуальным контекстом.
- Живой контакт становится премиальным: типовые запросы решает ИИ в формате прямого взаимодействия с сотрудниками, а к человеку идут за сложными, эмоционально и контекстно насыщенными задачами. Доля «живого» сопровождения сокращается, но его ценность и готовность платить за него растут.
- Новая роль наставничества: от методолога к куратору смыслов. Классические роли — наставники, менторы — меняются. ИИ делегируют рутину: соблюдение стандартов, методологии, алгоритмичные действия. Человек смещается к роли интерпретатора: помогает осмыслить знания, адаптировать их под контекст и встроить в практику. Растёт запрос на уникальность: быть не просто экспертом, а ролевой моделью.
Что делать бизнесу?
Исследователи не только описывают тренды, но и дают практические рекомендации, которые помогут не застревать в «вечном пилоте».
4 практических шага:
- Инвестируйте в данные: собирайте информацию первого порядка и автоматизируйте её очистку.
- Привязывайте пилоты к архитектуре: точечные эксперименты должны встраиваться в единую ИТ-стратегию.
- Слушайте пользователей: развивайте те сервисы, за которые люди «голосуют» своими данными.
- Требовательнее относитесь к качеству «пилотов» (тестирование, управление ожиданиями заинтересованных сторон и процессами).
Полный отчёт — с кейсами, методологией и подробными рекомендациями — доступен на сайте СберУниверситета.