Что получится
ИИ-агент для обучения и онбординга помогает сотруднику или ученику разобраться в материалах: отвечает по базе знаний, подбирает уроки, объясняет сложные места, задает контрольные вопросы, фиксирует прогресс и подсказывает следующий шаг.
Это не просто чат над документами. Хороший обучающий агент знает программу, роль пользователя, уровень подготовки, список обязательных материалов, правила проверки знаний и ограничения: что можно объяснять свободно, а что нужно отправлять к наставнику или преподавателю.
Где такой агент полезен
- Онбординг новых сотрудников.
- Обучение продажам, поддержке и продукту.
- Внутренняя академия компании.
- Курсы по AI, аналитике, разработке, менеджменту.
- Обучение работе с CRM, ERP, 1С, BI и другими системами.
- Подготовка к аттестации.
- Помощник по регламентам и инструкциям.
- Персональный тьютор для самостоятельного обучения.
Шаг 1. Выберите сценарий
Не стоит начинать с универсального "учителя всего". Лучше выбрать один измеримый сценарий.
Для MVP подойдут:
- агент для адаптации нового сотрудника;
- агент по базе знаний продукта;
- агент для обучения операторов поддержки;
- агент для подготовки к внутреннему тесту;
- агент, который объясняет учебный модуль и проверяет понимание.
Хорошая формулировка: "новый менеджер за 5 рабочих дней должен пройти 8 тем, ответить на вопросы по продукту и сдать короткий тест".
Шаг 2. Соберите учебную базу
Агенту нужны не случайные документы, а нормальная учебная структура.
Минимальный набор:
- программа обучения;
- список модулей;
- материалы по каждому модулю;
- глосарий терминов;
- примеры типовых задач;
- тесты и правильные ответы;
- критерии оценки;
- правила эскалации к человеку;
- список устаревших материалов, которые нельзя использовать.
Если материалы лежат в Google Docs, Notion, Confluence или LMS, сначала наведите порядок в названиях, версиях и доступах. Агент не исправит хаос в базе знаний, он только сделает его заметнее.
Шаг 3. Разделите контент на уровни
Одна и та же тема нужна разным людям по-разному.
Разделите материалы минимум на три уровня:
- базовый - объяснение простыми словами;
- рабочий - инструкции, чек-листы, примеры;
- экспертный - ограничения, исключения, спорные случаи.
Тогда агент сможет отвечать не одинаковым полотном текста, а подбирать глубину под пользователя.
Пример:
- новичку: "что это и зачем";
- оператору: "как действовать по шагам";
- руководителю: "как проверить качество";
- эксперту: "где риски и исключения".
Шаг 4. Опишите профиль ученика
Агент должен понимать, кому он помогает.
Полезные поля профиля:
- роль;
- отдел;
- уровень подготовки;
- дата старта обучения;
- пройденные темы;
- результаты тестов;
- слабые места;
- язык общения;
- разрешенные материалы;
- наставник или ответственный.
Не храните лишние персональные данные. Для обучения обычно достаточно роли, прогресса и результатов проверок.
Шаг 5. Настройте RAG по учебным материалам
Для обучающего агента RAG важнее, чем "креативность" модели. Ответы должны опираться на утвержденные материалы.
Схема простая:
- загрузить документы;
- нарезать на фрагменты;
- добавить метаданные: модуль, тема, уровень, версия, аудитория;
- сохранить в векторную базу;
- искать релевантные фрагменты по вопросу;
- отдавать модели только найденный контекст;
- показывать ссылки на материалы, если они есть.
Метаданные особенно важны. Без них агент может смешать материалы для новичков, администраторов и руководителей.
Шаг 6. Подключите LMS или учебную систему
Если обучение уже ведется в LMS, агент должен не заменять ее, а работать рядом.
Что можно читать:
- список курсов;
- структуру курса;
- темы и уроки;
- записи о прогрессе;
- результаты тестов;
- дедлайны;
- группы пользователей.
Что можно записывать только аккуратно:
- отметку о прохождении;
- результат мини-теста;
- комментарий наставнику;
- рекомендацию следующего модуля.
Для старта лучше использовать read-only интеграцию и отдельно сохранять черновой прогресс агента. Когда логика станет надежной, можно синхронизировать результат обратно в LMS.
Шаг 7. Сделайте сценарий урока
Обучающий агент должен вести диалог не как справочник, а как короткий урок.
Хорошая структура:
- определить цель;
- спросить текущий уровень;
- объяснить тему;
- привести пример;
- дать мини-задание;
- проверить ответ;
- объяснить ошибку;
- предложить следующий шаг.
Пример системной инструкции:
Ты обучающий AI-агент для новых сотрудников. Отвечай только по материалам базы знаний.
Сначала уточняй роль и уровень пользователя. Объясняй коротко, затем проверяй понимание одним вопросом.
Если пользователь просит то, чего нет в материалах, скажи, что данных недостаточно, и предложи обратиться к наставнику.
Не ставь финальную оценку без утвержденного теста.Шаг 8. Добавьте проверку знаний
Без проверки знаний агент превращается в чат для чтения документов.
Форматы проверки:
- один вопрос после объяснения;
- короткий тест после модуля;
- практическое задание;
- разбор кейса;
- диалоговая симуляция;
- повторение слабых тем через несколько дней.
Важно отделять тренировку от официальной оценки. Агент может тренировать и объяснять ошибки, но итоговая аттестация должна проходить по утвержденным правилам.
Шаг 9. Сохраняйте прогресс
Минимальная модель прогресса:
{
"user_id": 42,
"course": "product-onboarding",
"completed_modules": ["intro", "pricing"],
"weak_topics": ["integrations"],
"last_score": 78,
"next_step": "module-integrations"
}Не нужно сохранять весь диалог навсегда. Часто достаточно событий:
- начал модуль;
- задал вопрос;
- получил объяснение;
- прошел проверку;
- ошибся в теме;
- получил рекомендацию;
- завершил модуль.
Такая история помогает персонализировать обучение и не перегружает хранение.
Шаг 10. Настройте защиту от выдумок
В обучении опасны уверенные неправильные ответы. Поэтому агент должен явно разделять:
- факты из материалов;
- объяснение своими словами;
- предположение;
- область, где данных нет.
Правила:
- отвечать по утвержденной базе;
- не придумывать регламенты;
- не подменять преподавателя в спорных вопросах;
- не показывать ответы к официальным тестам заранее;
- не раскрывать материалы, доступные другой роли;
- отправлять к наставнику, если вопрос выходит за рамки курса.
Шаг 11. Подготовьте панель для наставника
Наставнику нужны не все переписки, а полезные сигналы.
Выводите:
- кто отстает;
- какие темы вызывают сложности;
- какие вопросы часто задают;
- где материалы непонятны;
- какие модули проходят быстро;
- где тесты слишком простые или слишком сложные;
- какие ответы агента пользователь оценил плохо.
Так агент помогает улучшать курс, а не только отвечать ученикам.
Шаг 12. Проверьте агента перед запуском
Соберите тестовый набор:
- 20 частых вопросов новичков;
- 10 вопросов не по теме;
- 10 спорных вопросов;
- 10 вопросов с устаревшими формулировками;
- 5 попыток получить ответы к тесту;
- 5 запросов на данные другого отдела.
Проверяйте:
- ответ основан на базе знаний;
- агент не выдумывает;
- ссылки ведут на правильные материалы;
- уровень объяснения подходит роли;
- прогресс сохраняется корректно;
- спорные случаи уходят к наставнику.
Минимальная архитектура
- LMS или база знаний хранит учебные материалы.
- Индексатор готовит фрагменты для RAG.
- Векторная база хранит учебный индекс.
- Агент ведет диалог и выбирает следующий шаг.
- Хранилище прогресса фиксирует события обучения.
- Панель наставника показывает слабые места и прогресс.
- Approval нужен для официальных оценок и изменений курса.
Частые вопросы
Можно ли сделать такого агента без LMS?
Да. Для MVP хватит базы документов, таблицы прогресса и простого интерфейса чата. LMS нужна, когда появляются курсы, группы, дедлайны, аттестации и отчетность.
Агент может сам ставить оценки?
Для тренировочных заданий - да. Для официальной аттестации лучше использовать утвержденные тесты и правила проверки. Агент может объяснить ошибку и подготовить черновую оценку, но финальное решение стоит оставить системе или человеку.
Какие материалы лучше загружать в базу?
Лучше всего работают короткие модули, инструкции, FAQ, примеры, чек-листы и кейсы. Длинные презентации и старые документы сначала нужно привести в порядок: разбить на темы, убрать дубли и отметить актуальные версии.
Как защититься от подсказки правильных ответов?
Разделите тренировочные вопросы и официальные тесты. Агенту можно давать критерии объяснения, но не полный банк ответов. Для экзамена используйте отдельный режим, лимиты, логирование и проверку через LMS.
Что считать успешным запуском?
Хорошие метрики: меньше повторяющихся вопросов наставнику, быстрее прохождение онбординга, выше результаты мини-тестов, больше завершенных модулей и меньше ошибок в реальной работе после обучения.
