Когда-то владение Excel было конкурентным преимуществом. Потом стало обязательным требованием практически для любого офисного сотрудника.

Сегодня похожий процесс начинается с искусственным интеллектом.

Рынок ИИ-образования стремительно растёт. По данным GetCourse, в первом полугодии 2026 года количество школ по обучению нейросетям на платформе увеличилось с 36 до 109. Оборот достиг 640 млн рублей, а средний чек снизился на 32% — до 14 тысяч рублей.

ИИ становится доступнее. Обучение — массовым. Но возникает вопрос: чему именно мы учим сотрудников?

Проблема не в недостатке знаний о нейросетях

Сегодня можно за несколько недель освоить базовые инструменты, научиться составлять промпты, генерировать тексты, презентации и изображения. Но означает ли это, что сотрудник стал эффективнее? Не обязательно. Я всё чаще рассматриваю применение ИИ через призму бизнес-процессов, а не количества освоенных инструментов.

Для бизнеса важны не красивые демонстрации возможностей нейросетей, а конкретные результаты: — сокращение времени выполнения операций; — снижение стоимости процессов; — повышение качества решений; — уменьшение количества ручного труда; — повышение прозрачности и управляемости бизнеса.

Сотрудник, который умеет написать хороший промпт, ещё не обязательно умеет решать бизнес-задачи с помощью ИИ. Это две разные компетенции.

Компании рискуют получить армию сертифицированных пользователей ИИ Представим ситуацию: компания отправила 200 сотрудников на обучение работе с нейросетями.

Все получили сертификаты. Многие научились генерировать тексты и презентации. Руководители довольны: цифровая грамотность повышена. Но через три месяца выясняется, что: -процессы остались прежними; -сотрудники по-прежнему вручную переносят данные между системами; -управленческая отчётность готовится в том же режиме; -время выполнения операций практически не изменилось.

Что произошло?

Компания обучила сотрудников инструментам, но не изменила модель работы. Это типичная ошибка цифровой трансформации: внедрение технологии принимается за достижение бизнес-результата. ИИ не становится полезным только потому, что сотрудники начали им пользоваться.

Следующая проблема — рынок труда

Особенно интересным мне кажется влияние ИИ на начинающих специалистов. Раньше значительная часть работы junior-сотрудников заключалась в выполнении типовых операций: сборе информации, подготовке документов, первичном анализе, заполнении отчётов. Именно через такую работу человек приобретал профессиональный опыт. Теперь часть этих операций можно передать нейросетям. Для бизнеса это потенциальная экономия. Но для рынка труда возникает системный вопрос: где будут формироваться будущие специалисты, если компании перестанут нанимать людей на стартовые позиции?

Получается парадокс: бизнес хочет опытных сотрудников, но постепенно автоматизирует задачи, через которые этот опыт приобретается. Это потребует пересмотра моделей найма, обучения и развития персонала.

Какие компетенции станут действительно востребованными?

На мой взгляд, работодателям стоит постепенно переходить от оценки знания инструментов к оценке способности решать задачи с их помощью. Я бы выделила пять ключевых компетенций: 1. Бизнес-мышление. Умение видеть проблему и понимать, какой результат нужен бизнесу. 2. Работа с данными. Понимание источников информации, качества данных и ограничений аналитики. 3. Практическое применение ИИ. Умение подобрать инструмент под задачу и встроить его в рабочий процесс. 4. Критическое мышление. Способность проверять выводы нейросети, выявлять ошибки и нести ответственность за результат. 5. Управление изменениями. Умение адаптировать собственную работу и помогать команде переходить к новым моделям взаимодействия с технологиями. Именно сочетание этих компетенций, а не знание конкретного набора нейросетей, будет определять ценность специалиста.

И что теперь делать бизнесу?

Мой главный тезис: в ближайшие годы конкурентным преимуществом станет не умение пользоваться ИИ, а способность перестраивать с его помощью собственную работу и бизнес-процессы.