Разбор · оценка обучения

Разговор о корпоративном обучении почти всегда доходит до одной фразы. Её формулируют по-разному — «как мы поймём, что это сработало», «какой будет эффект», «как будем измерять результат», — но смысл один: заказчик хочет знать, чем закончится история и как он это увидит. Вопрос законный: компания тратит деньги и время людей, и кто-то внутри будет за это отчитываться.

Показательно, кому этот вопрос адресован. Его задают подрядчику. В одной из заявок на обучение инженерных команд, с которой мы работали, он записан отдельной строкой — прямо в файле, рядом с целями и составом группы: как замерить изменение знаний и навыков до и после. Формулировка говорит сама за себя: измерять должен тот, кого нанимают.

Разница между этими двумя формулировками — весь предмет этой статьи. Подрядчик может привести методику, инструмент и опыт. Данных о том, как компания работала до его прихода, у него нет и быть не может: они появляются только внутри и только заранее.

На вопрос про эффект обычно отвечают цифрами. В той же заявке зафиксирован ответ эксперта: прирост производительности порядка двадцати процентов у специалистов среднего уровня, от двадцати до пятидесяти у старших, в среднем около тридцати — и оговорка, что это цифры примерно через три месяца после обучения.

В таких цифрах нет ничего дурного. Заказчик спрашивает «а сколько обычно бывает», и не ответить нельзя: у любого исполнителя за плечами проекты, и он честно называет диапазон, который в них видел. Это ориентир — так же, как строитель называет средний срок ремонта, не видя квартиры.

Проблема начинается на следующем шаге, когда ориентир пытаются превратить в обязательство по конкретной команде. Тут цифра меняет природу: за неё нужно отвечать, значит её нужно проверять, значит нужно с чем-то сравнивать. Сравнивать не с чем — регулярных измерений в командах, как правило, нет. В результате процент нельзя ни подтвердить, ни опровергнуть: ни подрядчику, ни заказчику, ни его руководителю, когда через квартал придёт время отчитываться.

Насколько ощущение расходится с замером, показывает эксперимент METR, опубликованный в июле 2025 года. Шестнадцать опытных разработчиков открытых проектов взяли 246 своих реальных задач; часть выполнялась с ИИ-инструментами, часть без, распределение случайное. До начала участники ожидали ускорения примерно на четверть; после эксперимента они считали, что ускорились на пятую часть. Фактически те же задачи заняли у них на 19 процентов больше времени. Авторы оговаривают, что результат не переносится ни на всех разработчиков, ни на все задачи, а в начале 2026 года пометили его как исторический и перестроили эксперимент. Сам процент можно оспаривать; важнее разрыв. Люди, которые пишут код каждый день, ошиблись в оценке собственной скорости на десятки пунктов — просто потому, что её никто не мерил.

Логично было бы предположить, что раз всем нужен эффект, то и цифры кто-нибудь соберёт. На практике не собирает никто, и причина не в лени. Метрика всегда чья-то: у неё есть человек, чью работу она описывает и чьи решения от неё зависят. В типичном заказе на обучение таких людей трое, и горизонты у них не совпадают.

В итоге между тремя сторонами возникает зазор, в котором не оказывается ни одной цифры. Выживает та метрика, которую можно собрать без бюджета, без допусков и без чужого времени, — довольны ли люди занятием. Она честно отвечает на свой вопрос: понравилось или нет. К производственному результату она отношения не имеет, но других цифр в отчёте не будет.

Когда замер всё-таки обсуждают, разговор упирается в три вещи, и деньги из них — самая простая.

Замер стоит отдельной строкой в смете. Психологически это тяжёлая строка: заказчик собирался платить за обучение, а платит за подготовку к обучению, результат которой нельзя показать людям. Первая реакция предсказуема — давайте лучше вложим эти деньги в ещё одно занятие.

Хорошая новость в том, что полноценная система измерений для оценки обучения не нужна. Нужна точка отсчёта — снимок того, как команда работает сейчас, сделанный до первого занятия. Его можно собрать за неделю, и почти всё собирается силами самой компании.

Работает такое правило: пять-семь показателей, доступных сегодня, вместо тридцати правильных, которых нет. Доступных — значит их можно взять из систем, которые уже стоят, или спросить у людей одним коротким опросом. К общим показателям добавляется личная метрика каждого участника: что именно он хочет ускорить в своей работе. Личная метрика переводит измерение в собственное дело человека и заодно снимает половину напряжения вокруг замера.

Отдельная беда с измерениями, которые ставит подрядчик: они живут ровно столько, сколько длится проект. Пока идёт программа, метрики собирает тот, кто её ведёт. Программа заканчивается, вместе с ней заканчивается и сбор — и через квартал компания снова не может ответить на вопрос, стало ли лучше.

Поэтому наравне с набором показателей стоит назначить человека, который держит их дальше. Это не обязательно руководитель: чаще подходит тот, кто и так работает с данными команды — инженер, который отвечает за инструменты, аналитик, тимлид. Его задача не героическая: раз в месяц снять те же пять-семь цифр тем же способом и положить туда, где их видят остальные.

Признак, по которому видно, что владельца нет: метрики собираются «руками, разовой операцией» — перед защитой бюджета или перед приёмкой проекта. Такой сбор всегда даёт цифры, которые не с чем сравнить, и подтверждает общее ощущение, что метрики субъективны.

Расскажите про команду и задачу

Future Hub собирает корпоративное обучение под задачи бизнеса — от нейросетей до построения отделов. Начнём с замера уровня.