В статье про обучение сотрудников работе с ИИ мы говорили про три уровня умения — пользователь, практик, дизайнер сценариев. Это рабочая упрощённая модель. Когда мы копаем глубже с клиентами, оказывается, что у любого массового обучения по ИИ есть ещё один слой ниже, про который забывают. Уровень нулевой. Те, кто с ИИ вообще не сталкивался.

И именно с них начинается провал большинства программ. Потому что курс, написанный под уже пробовавших, оставляет нулевых в позиции «я ничего не понял, у меня всё равно так не выйдет».

Ниже разберём четыре уровня подробно и что с ними делать.

Кто это. Человек не пользовался ни ChatGPT, ни Claude, ни YandexGPT. Возможно, слышал в новостях. Возможно, коллега показывал что-то забавное. Сам не пробовал. Часто это не техническая проблема, а социальная — «мне уже 50, я не в тренде, лучше не позориться».

По внутренним исследованиям крупных российских компаний в среднем таких сотрудников от 30 до 50% штата, в зависимости от индустрии и возрастного профиля.

Что им нужно. Не курс. Живой опыт. Пятнадцать минут вместе с коллегой, который открывает чат, показывает три простые задачи (например, переписать письмо, составить план встречи, разобрать сложный документ), даёт попробовать самому. Всё.

Что не работает. Курс на 40 минут «Введение в искусственный интеллект» с историей нейросетей и графиком экспоненциального роста. Люди уходят с сертификатом и не открывают чат ни разу после этого.

Кто это. Человек умеет открыть чат, задать вопрос, получить осмысленный ответ, применить результат в работе. Может ошибаться в промптах, но общая идея понятна.

Что им нужно. Систематизация. Обычно пользователь применяет ИИ в двух-трёх сценариях, и не знает, что можно ещё в десяти. Формат — короткие модули по 5–10 минут, каждый закрывает один рабочий сценарий: работа с почтой, работа со сложными документами, подготовка к встречам, черновики презентаций.

Что не работает. Общий курс «10 способов использовать ИИ на работе». Люди не запоминают перечисления. Запоминается только то, что попробовали в свою рабочую задачу.

Кто это. Человек умеет строить цепочки промптов, работать с ролью, встраивать ИИ в собственный процесс. Понимает, где ИИ ошибается, и умеет это проверять. Обычно на этом уровне люди начинают самостоятельно искать и пробовать новые инструменты.

Что им нужно. Углубление. Разговор про качество данных, про промпт-инжиниринг, про этические и правовые ограничения. Понимание, где ИИ дополняет их экспертизу, а где создаёт риск. Разбор конкретных кейсов из вашей индустрии.

Формат — вебинары, практикумы, разбор кейсов с обратной связью от эксперта. Классический курс с тестом тут проигрывает: практику нужны реальные задачи и их разбор, а не воспроизведение знаний.

Что не работает. Списки промптов без контекста. Практик от них не выиграет, потому что он уже знает больше, чем автор списка. Ему нужен разбор нетривиальных ситуаций и границ применимости.

Кто это. Человек, который собирает процессы, где несколько ИИ-инструментов встроены в бизнес-процесс. Понимает ограничения моделей, риски утечки данных, вопросы контроля качества результата, вопросы регуляторики. Обычно это IT, продукт, стратегия или отдельные R&D-роли.

Что им нужно. Не столько обучение, сколько среда. Возможность обмениваться опытом с коллегами по цеху, доступ к инфраструктуре (собственный контур ИИ, векторные базы, RAG), участие в развитии внутренних стандартов работы с ИИ. Классического курса тут почти нет, это уровень профессионального сообщества.

Что не работает. Никакого «типового обучения» на этом уровне не бывает. Массовые курсы не покрывают специфику. Работает только менторство, конференции, участие в реальных проектах.

Три шага, которые мы советуем сделать до разработки любой программы по ИИ-грамотности.

Шаг 1. Замерьте распределение. Короткий опрос из 4–5 вопросов о том, что сотрудник уже делает с ИИ и с какими инструментами. Не «оцените ваш уровень от 1 до 10» (все ответят «5»), а «какие из следующих действий вы делали хотя бы раз: спрашивали у ChatGPT совет по работе / загружали документ и просили его пересказать / пробовали писать текст через ИИ / пробовали писать код через ИИ / загружали таблицу для анализа / встраивали ИИ в свой рабочий процесс на регулярной основе». Ответы дают чёткую картину.

Шаг 2. Соберите фокус-группу практиков. У вас в компании уже есть люди второго уровня. Обычно 5–10% штата. Они помогут придумать сценарии для нулевых и пользователей лучше любого внешнего методолога, потому что знают вашу специфику.

Шаг 3. Приоритизируйте по массе. Основная задача массового обучения — вытащить нулевых в пользователи. Это самая большая по численности группа и самый быстрый эффект. Дальше — работа с пользователями и практиками, но она уже более точечная и по ролям, а не для всех.

По данным исследования компании MTS Link (январь 2026), 60% работодателей ожидают от сотрудников базовых ИИ-навыков, при этом каждый четвёртый сотрудник в России уже использует нейросети в работе.

Разрыв виден невооружённым глазом. Пока работодатель формулирует требования и планирует программы, часть сотрудников уже освоила инструменты в теневом режиме и работает с их помощью. При этом другая часть остаётся на нулевом уровне и не собирается двигаться, если её никто не подтолкнёт живым примером.

Программа обучения, которая это учитывает, работает. Программа, которая относится ко всем как к нулевым (или ко всем как к пользователям), тратит бюджет и раздражает часть аудитории.

Серия ELC «ИИ на работе» из 12 курсов сделана с учётом уровневой логики. Первые курсы — вход для нулевых и базовых пользователей. Дальше идут сценарные модули для практиков (работа с текстами, встречами, аналитикой, презентациями). Каждый курс закрывает один рабочий сценарий, время прохождения 10–15 минут.

Для нулевого уровня мы обычно рекомендуем добавлять живые демонстрации внутри компании силами тех, кто уже пробует. Курсы работают быстрее, если параллельно есть коллеги, которые показывают на практике.

Условия аренды — на странице каталога. Для сложной ролевой структуры мы собираем трек под запрос: обсудить формат.