Новички — это челлендж. И дело не в их неопытности, а в том, что им нужна помощь команды. И вместо того, чтобы заниматься прямыми обязанностями, иногда мидлы и сеньоры месяцами онбордят нового разработчика: знакомят его с базой знаний, доками и FAQ. А когда джун снова забывает то, что уже объясняли — становится не до смеха.
Взваливать на опытных сотрудников онбординг — это значит подвергать бизнес рискам, как денежным, так и репутационным. Пока специалисты тратят время на обучение джунов, их задачи не выполняются. Стоит ли оно того? Не самый важный вопрос. Важнее — что с этим делать?
В статье расскажем, как помочь мидлам и сеньорам и при чём тут ИИ.
Традиционный онбординг — вы серьёзно?
Если вы пожали плечами, типа: «А что такого?» — то давайте порассуждаем о рисках.
Репутационные риски
Представьте: джуну прислали оффер, но после этого ничего не объяснили, не показали рабочий софт и не дали доступы к таск-менеджеру и базе знаний. Итог: он теряет кучу своего времени, чтобы разобраться, плодит ошибки и кризисные ситуации.
Следующий этап — он на Пикабу, в целях разрядки, постит историю о том, как его бросили на новой работе без объяснения должностных обязанностей.
В мире бизнеса такие истории быстро распространяются, и репутация компании может пострадать.
Риски для эффективности
Пока ключевые специалисты занимаются онбордингом новичков, а не своими обязанностями, их задачи зависают. А значит — дедлайны срываются, эффективность падает.
1-й пункт особенно важен, так как опытные сотрудники не хотят безвозмездно менторить новичков. Тратить на это своё личное и рабочее время, отвечать на одни и те же вопросы и раз за разом скидывать туторил на то, как пользоваться таск-менеджером.
Но чаще всего приходится. И это подтверждено опросами: 40% вынужденных наставников так и остаётся без оплаты. Это может негативно отразиться не только на сотрудниках, но и на бизнесе. Потому что демотивированные и уставшие мидлы и необученные джуны — это минус деньги и минус клиенты.
Эта проблема, кстати, уже решается: с 1 марта 2025 года наставничество должно быть оплачено по закону.
Снижение уровня мотивации сотрудников
Морально демотивировать можно не только сотрудников-наставников, но и самих джунов. Новичок пришёл в новую компанию, и ему нужно понять, что вообще от него хотят, с кем нужно работать и как. Без чёткой системы онбординга они чувствуют себя потерянными и неуверенными.
В итоге через неделю новый сотрудник не рад ни хорошей зарплате, ни амбициозным проектам. Ему хочется чего-то понятного и знакомого, например, уволиться.
Вот ещё история с просторов Хабра:
Если онбординг организовать правильно, то новички почувствуют себя частью команды уже на первой-второй неделе. Им будет спокойно и безопасно. А опытным сотрудникам — легче.
Как традиционный онбординг подвёл бизнес
Иногда фраза «пусть Вася покажет новичку, где доки» заканчивается не багом, а миллионными потерями и крахом компании. Вот реальные истории, где плохой онбординг стал причиной убытков.
Knight Capital Group
2012 год. У американской брокерской фирмы есть определённые алгоритмы, которые помогают закупать акции. Сотрудник выкатывает релиз без финальной проверки — и в одном из файлов остаётся некорректный код, который провоцирует скупку акций на $7 млрд. За 45 минут компания теряет $440 млн. И уже через год её поглощают конкуренты.
Вывод: доверять сотруднику прод без нормального онбординга — игра в русскую рулетку.
JetBlue Airways
2007 год, снежный шторм в Нью-Йорке. Персонал не знает, как перезапустить расписание, новички не понимают, где инструкции. Результат — почти 1 200 отменённых рейсов, тысячи недовольных клиентов, компенсации, хаос. Итог: минус $30 млн за неделю.
Вывод: онбординг — это не только про доступы к чатам, но и про объяснение, как действовать в кризисных сценариях.
Phoenix Pay
В Канаде в 2010-х внедряли новую систему расчёта зарплат для чиновников. Решили «сэкономить» на обучении 40 000 сотрудников. Итог: 80% госслужащих получают некорректные выплаты, система ломается, жалобы идут в суды.
Проект, который должен был экономить $70 млн в год, привёл к убыткам в $3,5 млрд и это не предел.
Вывод: дешёвый онбординг — самый дорогой.
Получается, традиционный онбординг не справляется. И тут на сцену выходит ИИ — не ради хайпа, а потому что он может реально помочь.
На небе только и разговоров, что об ИИ
Шутки шутками, но ИИ уже сейчас неплохо помогает ускорить адаптацию и онбординг новых сотрудников.
FAQ-боты и GPT-интерфейсы
Пример 1: первый день у наставника в онлайн-школе. Он спокойно работает, но в личку приходит сообщение.
Вроде кто-то что-то говорил про дежурство, но куда заходить — не объяснил. И вот Аня бежит по ссылке и видит 20 штук горящих красных карточек. Вряд ли кто-то мечтает о таком первом дне.
Вот бы у Ани был чат-бот, в который можно закинуть свой запрос и сразу получить точный ответ.
Это, кстати, не мечты. Уже есть настоящий пример: в стартапе с растущей командой разработчиков внедрили GPT-бота на основе LangChain, который помогает сотрудникам найти документы и отвечает на частые вопросы. Эту систему быстро освоили все в компании. HR наконец-то нашли время на обед, а не на разъяснения.
Итог: меньше ошибок и времени на адаптацию.
Или другой пример. Технологический стартап Genies использует два чат-бота для онбординга новых сотрудников. Один из них предоставляет доступ к внутренним документам, политикам компании и расписанию праздников. А значит, сотрудники могут быстро находить нужную информацию и не дёргать коллег.
Адаптивные обучающие платформы
Что-то можно объяснить сотруднику один раз, но что делать, если в команде нужны постоянные тестирования? Например, пришёл новый клиент: специфичная ЦА, новая редполитика. Нужно обязательно проверить, поняли сотрудники новые задачи или нет.
Для этого можно создать FAQ и инструкции по клиенту в системе управления знаниями, дать время на изучение, а потом протестировать в системе обучения. А после — проанализировать, кто справился, а кому нужно потратить время на дополнительное погружение. И поощрить отличников корпоративной валютой или денежным бонусом.
Например, одна российская нефтяная компания дарит сотрудникам очки за прохождение курсов — баррели. Потом на них можно купить себе сувениры и подарки.
Копайлот-сценарии в IDE и CRM
Ещё пару лет назад бедный тимлид Вася встречал джуна++ Игоря с караваем в одной руке и документацией в другой. А после этого начиналось: вот тут у нас UI-компоненты, тут у нас дизайн-система, вот такой у нас кодстайл. Да нет же, Игорь, вот эту библиотеку используем, а вот эту — нет.
Directed by Robert B. Weide.
Но сегодня Вася принесёт Игорю рабочий компьютер и скажет: «Да там у нас github copilot встроен в ide-шку, сам разберёшься, какие библиотеки и куда подтягивать». И пойдёт дальше по своим тимлидовским делам, например — продумывать микросервисы. Игорь не будет дёргать Васю и узнает всё от ИИ-агента. И только если что-то пойдёт не так, обратится к старшему коллеге.
Для тех, кто не пишет код, но много работает с корпоративными знаниями, тоже есть варианты. Например, помощник сотрудника с генеративным ИИ, который встраивается в CRM, Service Desk или другую систему.
Ситуация: приходит новичок в техподдержку. И по классике жанра ему попадается очень сложный запрос от очень нетерпеливого клиента.
Что делать? В панике бежать к опытному оператору или в спешке скроллить FAQ? Да нет, можно просто выделить запрос и получить готовый ответ прямо в рабочей системе. ИИ-помощник быстро сбегает в базу знаний, найдёт нужный фрагмент, подготовит ответ, соберёт источники и выручит новичка. И никакой психологической травмы в первый день, как у Ани из онлайн-школы.
Онбординг с ИИ уже показал себя, как классный инструмент, который ускоряет адаптацию сотрудников. А ещё сокращает количество ошибок и в целом положительно влияет на команду. Если уметь правильно промптить, естественно. Повезло же поколению Z, не то что классический онбординг пять лет назад…
Мне нужен ИИ для онбординга, с чего начать?
Работать с ИИ в любой области не так просто, как кажется. Недостаточно оплатить нейросеть для команды и сказать: «Пользуйтесь, я пошёл, и чтобы выручка х2 в третьем квартале». Это тот самый случай, когда долго запрягаешь и быстро едешь: важно подготовить почву, чтобы ИИ работал как часы.
Что делаем:
1. Готовим базу знаний
ИИ не сможет помогать без качественного и актуального контента. Поэтому первый шаг — собрать и структурировать всю внутреннюю информацию:
корпоративные документы,
инструкции и FAQ,
лучшие практики,
шаблоны для отчётов и ТЗ.
Задача ИИ — не выдумывать ответы, а быстро находить нужные материалы и направлять новичка туда, где уже есть проверенная информация. Это как навык хорошего разработчика: даже если он чего-то не знает, главное — понимает, где искать. Так вот у ИИ тоже должно быть место, где искать.
2. Назначаем ответственных
За задачей, как и всегда, должен стоять человек. А лучше — несколько.
Тот, кто внедряет менеджмент знаний. Если ИИ будет отдавать устаревшие ответы и подсказки, рабочий процесс встанет. Важно своевременно выявлять новые знания, фиксировать их и обновлять в рабочей системе.
Тот, кто работает с аналитикой и метриками — помогает ли ИИ новичкам и если нет, то в чём проблема.
Тот, кто следит за обучением сотрудников и помогает им адаптироваться к ИИ-технологиям.
Ведь команда — это не всегда зумерский отдел маркетинга. Это может быть бухгалтерия, состоящая из взрослых людей, которые с ИИ пока что на «вы».
3. Внедряем элементы геймификации
Освоить ИИ-инструменты тяжело даже не новичкам в диджитал. Потому что писать промпты или обрабатывать информацию от нейросети — тоже навык. И не все с большим рвением хотят его получать, ведь работы «и так много». В такой ситуации может помочь соревновательный формат: например, бонусы за выполнение задач или прохождение курсов и тестов.
Есть даже целое исследование, которое подтверждает — чем увлекательней на старте онбординг, тем больше шансов, что сотрудник останется в компании. А что может быть увлекательнее, чем геймификация? Признавайтесь, сколько раз сегодня заходили в приложение своего онлайн-банка, чтобы поиграть в «5 букв»?
4. Смотрим на реальные кейсы
Goldman Sachs
Сотрудники Goldman Sachs используют ИИ-агентов для решения повседневных задач. Например, чтобы сделать презентацию не за 3–5 часов, а за 30 минут. Или изучить важные рабочие документы, если ты только пришёл в компанию.
Результат: сокращение времени адаптации на 40%, улучшение производительности команды.
Источник: businessinsider.com
Deriv
Deriv использовала Amazon Q Business, чтобы собрать данные из Slack, Google Drive и Github в одном месте. Это помогло быстрее обучать новых сотрудников и снабдить опытных специалистов хорошей базой знаний. Причём, во всех областях: IT, маркетинг, контент и рекрутинг.
Результат: ускорение адаптации новых сотрудников на 45%.
Источник: aws.amazon.com
Texans Credit Union
Texans Credit Union тратили много времени, чтобы выдавать новичкам все доступы к софту: трекерам, документации, IDE и так далее. Поэтому отдел IT решил внедрить ИИ-автоматизацию и помочь коллегам из HR.
Результат: раньше настройка доступа занимала 15–20 минут, теперь — меньше минуты, так что новичок может моментально приступать к работе.
Источник: businessinsider.com
Так что получается, ИИ > человек?
Нет, конечно, это байт: ИИ не может быть эффективнее человека и заменить его во всём. Но он может стать прекрасным помощником, как GPS или калькулятор. Нас обычно не расстраивает, что мы ищем дорогу не по мху на дереве и направлению ветра. В случае с ИИ тоже расстраиваться не стоит.
Когда речь идёт о профессиональном обучении, ИИ реально незаменим из-за своей скорости. Почему? ИИ не устаёт, всегда на связи и может предоставлять персонализированные рекомендации в режиме реального времени. То есть умеет подстраховать там, где человек не сможет помочь так же оперативно.
Расскажите про свой опыт: как вы кого-то онбордили или как онбордили вас. Может, у кого-то уже есть скандальная история на пикабу? :)