Тут про e-learning

Не можешь победить техническое ограничение — сделай его фичей: ностальгия из 90-х против «зловещей долины» 📼 (пост шуточный, в видео есть ненормативная лексика) Года три назад, собирая первый тренажер на GPT-3.5 со встроенной озвучкой браузера, я столкнулся с ужасно деревянным голосом и долгими ответами от ИИ. Решение нашлось в сеттинге: сделал собеседника роботом-экзаменатором. Деревянный голос стал логичным, а анимация загрузки перестала снижала раздражения от ожидания и делала процесс ожидания логичным. В прошлом посте я признал эксперимент с видео-аватарами неудачным — мультяшные герои, все еще долгое ожидание, непопадание голоса в эмоции и рассинхрон губ доставляли больше дискомфорта, чем визуализация давала плюсов. Но идея сделать живой визуал не давала покоя, и я снова решил зайти через сеттинг. Дисклеймер: этот пост — шутка, но для единичных кейсов и определенной ЦА идея может стать абсолютной вау-фишкой. Я пересмотрел ролик раз двадцать, у меня он вызывает восторг и ностальгию. Режим «Авторский перевод из 90-х» (VHS Edition) 🎬 В чем суть: • Берем пак видео с реалистичным персонажем (генерировал, как и в прошлый раз, в Grok). • Озвучку оставляем, делаем на иностранном языке и пускаем тихим фоном. • Поверх накладываем невозмутимый гнусавый ИИ-голос, который переводит реплику в легендарном стиле эпохи VHS — немного грубо, прямолинейно и нелепо (тут на смену стандартному OpenAI пришел SteosVoice). Почему это работает? В переводах 90-х голос принципиально не попадает в губы. Рассинхрон перестает резать глаз. Фирменный VHS-голосов полностью лишен эмоций. Так и должно быть. Эффект «зловещей долины» отключается полностью! Это уже не недоработка, а стилизация. Понятно, что если вы придете к бизнесу и захотите реализовать такое у себя, с вероятностью 100% вам ответят: «Это не подходит под наш корпоративный tone of voice, мать твою!» 😄 Если серьезно: Конечно, не обязательно использовать гнусавый голос и экзотическую лексику. Если взять нормальную нейтральную озвучку и пустить ее поверх тихого иноязычного оригинала, мы получаем абсолютно рабочий и легальный рабочий паттерн для корпоративных тренажеров: живые эмоции + динамический текст + отсутствие эффекта «зловещей долины». И все это может работать внутри контура и без затрат на дорогой потоковый рендер.

Ценные кадры валяются прямо на помойке 😎 Нашли этого рыжего малыша на помойке. Не смогли пройти мимо и забрали к себе. Он оказался невероятно игривым и пушистым, буквально как маленькое рыжее облако. Имя придумали сами, без помощи нейросетей — назвали Маркиз (а сокращенно и по-домашнему — Изя). Конечно, потом рассказал о выборе Gemini – он подтвердил, что имя отличное (а это, на мой взгляд, самая умная ИИшка). Теперь в команде новый Junior Fluff Engineer (Джуниор-инженер по пушистости). Этот канал про ИИ, e-Learning и всякое цифровое. Но весь этот сумасшедший хаос и суету, которые Изя устроил в квартире за первые пару часов, отлично напоминают: лучшие эмоции все равно происходят в офлайне. В общем, Изя официально вступил в должность и выглядит счастливым, а я очень рад ❤️

AI-тренажер с видео-персонажем: стресс-тест гипотезы и честный постмортем Мне давно нравятся голосовые AI-тренажеры, но для полного погружения всегда хочется добавить визуал: чтобы считывать невербалику собеседника, видеть его эмоции и контекст сцены. Раньше я пробовал генерировать аватаров в HeyGen в реальном времени, крутил CSS-анимации, а пару месяцев назад собрал демо с «запеченными» видео без звука, накладывая ИИ-озвучку поверх. Чтобы понять, рабочий ли это подход или просто игрушка, я решил устроить методу стресс-тест на более сложном кейсе — сборке полноценного тренажера по встрече 1-на-1. Логика геймдева По сути, архитектура тут ровно такая же, как в видеоиграх: есть библиотека заранее запеченных анимаций (в моем случае — видеоклипов), и контроллер переключает их в зависимости от событий. Только триггером выступают не только действия игрока, но и решения ИИ. Что вошло в видео-пак: • Типовые фазы: персонаж говорит, ждет, думает, слушает. • Эмоциональные состояния: по 3 состояния (от злого до позитивного) на каждую фазу. • Сценарные действия: редкие, но важные развилки (сотрудник увольняется, или жмет руку и принимает новые правила). • Разнообразие: по 2–4 вариации на каждое действие, чтобы кадры не зацикливались. На выходе получилась внушительная куча видеофрагментов. Что хотелось проверить на практике? • Ошибки ИИ Насколько корректно модель подбирает нужные фрагменты и как часто ошибается? • Трудоемкость Понятно, что, если вложить в разработку одного тренажера 300 часов – можно добиться значимого результата, но у нас объективно нет 300 часов на разработку одного тренажера. • UX и иммерсивность Добавляет ли визуал ценности или вызывает отторжение, как «потоковые» аватары? Предварительные итоги 1. Может ли ИИшка играть роль «Ирины» и одновременно выбирать подходящие фрагменты видео из библиотеки? Может. Но! Самая главная проблема – конфликт стоимости токенов, скорости и качества ответов и времени разработки. Выбрать, скорее всего, получится не больше двух-трех пунктов*. *в моем примере дешево (используется GPT 4o mini), относительно быстро (нет сложной системы анализа ответа в несколько запросов), и разработано за выходные, но качество подходит только для формата демо. 2. Даже для такого просто диалога нужно больше видео и более качественный монтаж и генерация. С подготовкой промптов и тестированием – в пару недель точно не уложиться. 3. Качество продукта (даже если не обращать внимание на моменты, которые правятся монтажом и закрыть глаза на формат демо) вызывает вопросы. 4. Иммерсивность, мультяшные персонажи и ИИшная озвучка сочетаются плохо (кто бы мог подумать? 😄). Вердикт Эксперимент скорее признан неудачным. Но негативный опыт — тоже опыт. Зато: • Реализовал фичу с ноутбуком на стартовом экране, подсмотренную в одной социальной сети (открывается и закрывает при перемещении мыши). Получилось прикольно. • Воплотил школьную мечту — добавил забавные пасхалки при долгом ожидании. Мне нравится 😊 Есть пару идей, как попытаться реабилитировать подход и частично закрыть узкие места. Возможно, через пару выходных выйдет пост-реванш 🥳

Генерация видео в Grok Imagine: что нового и сколько стоит Сейчас занимаюсь демо-проектом (проверяю теорию), для которого нужно много сгенерированных видео. Для видео выбрал Grok (xAI). Давно писал про него пост. Делюсь обновлениями. Про деньги и туманные лимиты Бесплатную генерацию видео закрыли еще полгода назад. Но сколько стоит платная? Понять не так просто. • За $10 дают просто «попробовать». • За $30 обещают «увеличенные лимиты» и HD-качество (720p). Скажите точно, сколько вешать в граммах? xAI точных данных не приводит. Из личного опыта: Лимиты недельные. Израсходовал – можешь купить токены дополнительно. На тарифе за $30 в неделю удается сгенерировать примерно 100 роликов по 6 секунд в 720p. С учетом переделывания роликов с косяками — ролик на 2-3 минуты сгенерировать получится. В 480p лимит должен быть раза в 3-4 выше, но сложно представить, в каких кейсах сейчас нужно 480р, так что точно я не проверял. Что нового? Появилась функция продолжения генерации с определенного кадра. Раньше: делали скриншот нужного кадра, запускали новый фрагмент вручную, потом склеивали кусочки. Сейчас: встроенная кнопка делает процесс заметно быстрее. Бонусом сохраняется голос персонажа. Правда только на продолженный фрагмент. Но вы же не будете снимать весь ролик одним кадром. Так что бонус, не сказать, что очень полезный. Что по качеству? Ничего нового. Мимику делает хорошо, простые действия тоже. Галлюцинации все еще попадаются, предметы из воздуха тоже любят появляться, а в двери заходить персонажи категорически не умеют. Итог: Kling и Google Veo генерируют физику и детализацию лучше. Но для своего текущего демо-проекта я все равно выбрал Grok. Причина простая — цена. Несмотря на урезание лимитов, Grok остается самым бюджетным решением с адекватным качеством для простых проектов.

ИИ, Закон Брукса и «транзакционный налог» в e-learning В управлении проектами (и в разработке курсов в частности) есть кост, о котором не так часто говорят. Назовем его транзакционным налогом на коммуникацию. В 1975 году Фредерик Брукс в своей книге «Мифический человеко-месяц» сформулировал закон: «Если проект не укладывается в сроки, добавление людей только задержит его». Почему так происходит? Все дело в математике. Когда мы добавляем в команду людей, количество связей (парных каналов коммуникаций) растет не линейно, а экспоненциально. • 3 человека (классическое трио: методолог, дизайнер, сборщик) = 3 канала связи. Контекст общий, информация долетает очень быстро. • 5 человек (добавили проджекта и эксперта) = 10 каналов. Сложность выросла в 3 раза. Появляются первые «глухие телефоны». • 8 человек = 28 каналов. • 12 человек = 66 каналов. При раздувании штата команда начинает тратить кучу* времени не на создание продукта, а на обслуживание цепочки связей: составить ТЗ (и переделать его, потому что «мы друг друга не поняли»), собрать встречу (а еще найти общее окошко у 12 сотрудников), дождаться очереди в бэклоге смежного отдела. В итоге налог на коммуникацию съедает всю эффективность. *исследования показывают, что в больших командах «налог» может доходить до 80% времени. T-Shaped с ИИ Раньше T-Shaped специалист (например, сильный e-learning методист с базовыми навыками в дизайне и сборке) все равно был вынужден идти к узким экспертам. Он не мог сам написать JS-скрипт для Storyline или отрисовать сложную инфографику на должном уровне. Приходилось привлекать разработчиков и дизайнеров, увеличивая транзакционный налог. Сегодня ИИ работает как ускоритель кросс-компетенций. Он «дотягивает» горизонтальную черту буквы Т (смежные навыки) до вполне рабочего уровня: • Методист пишет промпт — и получает рабочий JS-код для конструктора или генерирует изображения. • Сборщик просит ИИ «причесать» методологию блока – логика становится лучше, а формулировки понятнее. В итоге один человек закрывает пул задач, на который раньше требовалось три разных специалиста. Налог на коммуникацию падает практически до нуля. Да, появляется «налог на промптинг» и отсеивание галлюцинаций нейросети, но ты общаешься сам с собой и с ИИшкой, а не ждешь неделями ответа от коллег... Да и для 80% стандартных корпоративных задач уровня «джуниор + ИИ» уже более чем достаточно. Важная оговорка: я не идеализирую T-Shaped (скорее наоборот, мне такой подход не близок). Я не утверждаю, что один человек-оркестр — это панацея для любого проекта. 3 глубоких профильных эксперта (крутой методолог + топовый дизайнер + senior-разработчик) всегда сделают курс качественнее, глубже и интереснее, чем один T-Shaped специалист. Да и «налог» в команде из 3 человек не такой уж большой. ИИ сглаживает разрыв в компетенциях, но не уничтожает его. Другой вопрос, что далеко не каждая компания может позволить себе полный штат узких специалистов, да и задачи не всегда равномерно распределяют нагрузку по разным зонам компетенций (думаю, у всех были ситуации, когда приходит заказ на кучу видео/памяток/регламентов/другое). В итоге у узкого специалиста либо неполная загрузка, либо он занимается непрофильной работой (превращается потихоньку в T-Shaped). ИИ не делает команду методолог+дизайнер+сборщик излишней, скорее дает несколько дополнительных козырей T-Shaped подходу.

«Но что ей до меня — она была в Париже»: завышенные ожидания от корп. ИИ Но что ей до меня — она была в Париже, И сам Марсель Марсо ей что-то говорил! Я бросил свой завод — хоть, в общем, был не вправе, — Засел за словари на совесть и на страх… Но что ей до того — она уже в Варшаве, Мы снова говорим на разных языках…  Владимир Высоцкий. Она была в Париже. Песня на YouTube и RuTube. В 2026 году эта песня обрела новый смысл в корпоративном обучении. Только теперь в роли путешественника, который «был в Париже», выступает... обычный сотрудник в своей повседневной жизни. «Париж» на личном смартфоне Дома мы имеем доступ к самым передовым технологиям в ИИ. Для личных задач мы открываем продвинутые Gemini или ChatGPT, закидываем учебники и статьи в NotebookLM, чтобы ИИ сделал нам понятную инфографику и презентации, генерируем картинки, видео, таблицы и код. Мы привыкли к умным, мультимодальным ИИ-ассистентам, которые понимают контекст с полуслова и выдают хороший результат без особых усилий. «Подмосковье» в корпоративном контуре Вся эта роскошь (по совершенно объективным причинам) недоступна в корпоративном контуре. Чаще всего сотрудники имеют доступ к развернутой на мощностях компании версии DeepSeek или Qwen. И здесь начинается серьезная фрустрация: • Внутренняя модель часто «подрезана» по мощности ради экономии серверных ресурсов. • Она не помнит длинный контекст, галлюцинирует там, где ChatGPT стабильно выдает хороший результат, не умеет строить таблицы или не читает PDF. • Требует навыков промптинга, про который, все понемногу начали забывать. Сотрудник сидит перед экраном и думает: «Я-то знаю, как ИИ может работать на самом деле..». В чем проблема? Сегодня крупный бизнес массово пушит внедрение ИИ, требуя от сотрудников интеграции нейросетей в ежедневную рутину. Но KPI часто буксуют. Не все сотрудники активно используют технологии. Сотрудники делятся на два лагеря, и у каждого своя боль: Первые (новички): сопротивляются новому, боятся, что ИИ отнимет их работу, или просто не хотят тратить время на освоение сложных инструментов. Один раз попробовали, ИИ не выдал нужный результат (это же не Gemini, тут нужен опыт и обучение) и бросили. Вторые (продвинутые): саботируют процесс по совершенно противоположной причине. Они уже привыкли к лучшему пользовательскому опыту. И когда вместо космолета им выдают рабочую лошадку — просто закрывают вкладку. Им лень возиться с капризной моделью, которая не понимает их с полуслова. В итоге уровень внедрения недотягивает до целевых показателей. Что делать? У нас однозначно не получится сделать локального «Марселя Марсо». На это нужны миллиарды. Но давайте честно: даже немного урезанный DeepSeek – очень хорош. Пару лет назад мы не могли о таком даже и мечтать. При правильном подходе он отлично справляется с большим объемом задач. Так и что делать? Прокачивать промптинг, управлять ожиданиями, делиться опытом с коллегами, подключать RAG к внутренним базам знаний (DeepSeek с правильным контекстом намного «умнее» стоковых передовых моделей) – это очень важно. Можно сказать база. Но в контексте этого поста: перестать сравнивать корпоративный ИИ с ChatGPT! Корпоративный ИИ не обязан быть умнее лучших мировых моделей. Его задача – быть безопасным, и при этом достаточно хорошим для работы с внутренними данными компании. Как итог: Песня Высоцкого заканчивается словами: Я понял: мне за ней, конечно, не успеть! Ведь она сегодня здесь, а завтра будет в Осло… Да, я попал впросак, да, я попал в беду!.. Кто раньше с нею был и тот, кто будет после, — Пусть пробуют они, я лучше пережду! Это главный риск для бизнеса. Когда сотрудники видят колоссальный разрыв между моделями и включают именно эту стратегию: закрывают вкладку и решают просто переждать пока модель не поумнеет. Но в гонке технологий «переждать» — значит отстать. Задача бизнеса сегодня — не пытаться догнать ИИ-лидеров, которые «завтра будут в Осло», а доказать команде: даже локальный инструмент здесь и сейчас может забрать на себя тонну рутины.

ИИ-переходник: кого ИИ точно не заменит Пока мы с вами спорим о том, заменит ли ИИ человека, в реальности все уже произошло. Точнее, определенная категория сотрудников прямо сейчас делает все, чтобы их уволили. Буквально год назад это были единичные случаи, которые рассказывали друг другу как веселый анекдот, писали юмористические посты или снимали забавные видео в социальных сетях. Сейчас из веселой истории это превращается в повседневность. Человек получает задачу/вопрос/письмо/другое -> кидает в ИИ (добавляя поверхностный промпт) -> копирует ответ обратно. Не читая. Не вникая. Не включая мозг. Иногда может доходить до абсурда, когда в тексте можно найти комментарии от ИИ: «Конечно, я могу составить для вас этот план...», «Хотите я перепишу ответ в более дружелюбном стиле?». Ладно. Это все еще смешно. И да, я хочу ответ в более дружелюбном стиле! 😄 Человек поленился стереть даже техническую вежливость ChatGPT (точнее прочитать ответ). Да, понятно, что и не такое видали. И за большие деньги и не такое видали. И основная проблема здесь не в лени, а в отсутствии добавочной стоимости. Такая работа ничего не стоит. Причем тут MCP и агенты? Парадокс, но они тут вообще не при делах. Казалось бы, если сотрудник всю работу делает через ИИ, не пропуская информацию через себя и не анализируя – будет весьма логично заменить его на ИИ-агента, который точно так же может читать почту, добавлять комментарии и т.д.. Но нет. Скорее всего, это значит, что такая работа вообще не нужна. Ее можно просто не делать. В ней, скорее всего, просто нет никакой ценности. Ну и приземлим на e-learning Нет ничего плохого в использовании ИИ (а очень хорошего много). Как я много раз писал – я фанат диалоговых ИИ-тренажеров. Автоматическая проверка домашних заданий с ИИ – тоже очень крутая и полезная вещь. Но представьте. У вас есть куратор, который должен проверять домашние задания. Если куратор проверяет ДЗ студента через «Ctrl+C / Ctrl+V» в ChatGPT не читая ответы, не внося свои правки, он полностью уничтожает ценность своей работы. А еще, это не очень честно по отношению к студенту. Если ответы проверяет ИИ – так и нужно говорить. Исключая из этой схемы куратора мы делаем процесс намного быстрее и дешевле. Критерий профпригодности в 2026 году изменился. Ценность сотрудника теперь измеряется не тем, умеет ли он пользоваться ИИ (это уже базовый навык, как умение печатать), а тем, как он валидирует ответ и что добавляет к ответу ИИ от себя. Возможно, это детские болезни технологии? Люди открыли для себя ИИ, не разобрались что это, какие есть ограничения и начали применять технологию не задумываясь? Очень на это надеюсь.

Я изменил свое мнение об ИИ-напарниках (немного) Пару месяцев назад я рассказывал про эксперимент с ИИ-напарниками в деловых играх. Не могу назвать эксперимент удачным. По уровню вовлечения, эмоций и, вероятно, эффективности игра с ИИ пока заметно уступает игре с реальными людьми. На мой взгляд, ИИ-игроки полезны скорее как запасной вариант: если нет возможности собрать полноценную группу или нужно закрыть недостающие роли. Лучше, чем ничего, но не полноценная замена. Это мое мнение. И прекрасно, что не все его разделяют. На Reddit завирусился тред: парень создал собственный сервер World of Warcraft*, полностью заселенный ботами. Вместо реальных людей по миру бегают 1800 ИИ-персонажей, которые имитируют поведение игроков. *Для контекста: WoW — это многопользовательская ролевая игра в фэнтезийном мире, где вся суть в кооперации. Вы вместе воюете, торгуете, объединяетесь в гильдии. Самые сложные и интересные задания без коммуникации и кооперации пройти невозможно. Без людей игра теряет смысл. Точнее, я так это видел. Боты в играх — не новость. Но магии проекту добавил прикрученный к ним DeepSeek. Теперь с «соседями» по серверу можно общаться текстом, как с реальными людьми. Более того, боты общаются и между собой в общих чатах, создавая полную иллюзию живого, кипящего жизнью сервера. Проект реализован на совсем любительском уровне, и скорее иллюстрирует интересную задумку. Эксперимент, а не реальный продукт. Несмотря на это, пост собрал сотни комментариев на Reddit и десятки комментариев к постам-реакциям (типа моего). Что меня удивило – многие комментаторы активно поддерживали идею. Странно, но в кооперативных играх многим не нравится именно… взаимодействие с другими игроками. Худшая часть игры в WoW — это всегда были другие люди… …Я уже несколько лет мечтаю о сервере, заполненном ИИ… Игроки хотят избежать токсичности, конфликтов и социального давления (вы знаете ответы DeepSeek – нулевая токсичность). В деловых играх ситуация может быть похожей. Несмотря на относительную безопасность учебной среды, многие участники боятся выглядеть глупо, потерять лицо перед коллегами или получить негативную оценку. И тут возникает интересный вопрос. Возможно, для части аудитории наличие ИИ-игроков в деловых играх — не вынужденный компромисс, а преимущество. Не замена людям, а более психологически комфортная среда для обучения. Пусть и не такая эффективная.

Теолия без плактики: эффективность AI-тренажеров На e-learning митапах и конференциях, где я рассказываю про диалоговые AI-тренажеры, самый популярный вопрос — это, конечно же, вопрос про бизнес-метрики: «На сколько процентов выросли продажи/найм после внедрения?» Сами понимаете, здесь есть своя специфика. Во-первых, коммерческая тайна и NDA. Во-вторых, все тренажеры разные, и метрики в кейсах могут отличаться в разы. Поэтому вместо цифр я люблю рассказывать историю из личного опыта. Она наглядно показывает главную эффективность AI-симуляторов — то, как они превращают знания в реальные умения. Предыстория: В прошлом году я разрабатывал тренажер по проведению собеседований. Цель — обучить руководителей задавать правильные вопросы на выявление компетенций и мотивации, а также корректно презентовать вакансию соискателям. Чтобы настроить такой симулятор, нужно «объяснить» нейросети, как ведет себя кандидат и по каким критериям в финале оценивать работу руководителя. С методологией у меня проблем не было: я детально изучил, как правильно вести диалог, как подсвечивать плюсы компании и вытаскивать из кандидата правду. Знания были — без них качественную архитектуру тренажера просто не собрать. Первый блин комом Я написал первый промпт и пошел тестировать ИИ «на себе» — отыгрывать ролевку. Теоретически я говорю все верно. Но на практике получается неуверенно, коряво, что-то постоянно забываю, прыгаю с темы на тему. Вроде бы суть передал, но со стороны сразу видно — делаю это в первый раз. Знания есть, а умения нет. Реальное собеседование в таком режиме проводить нельзя. Кстати, именно с таким уровнем подготовки из классических онлайн-курсов выходит большинство студентов: тест сдали на 100%, а в реальной рабочей ситуации теряются. Магия итераций Написать идеальный промпт с первого раза невозможно. ИИ обязательно где-то начнет вести себя нереалистично, пропустит ошибку в фидбеке или запутается в роли. Это нормальный процесс настройки. Нормальный рабочий процесс: написал промпт – проверил – внес правки – проверил – внес правки… После десятка итераций тестирования моя презентация вакансии начала просто литься как песня, а вопросы задавал на автомате. Я перевел знания в умения. Меня можно было спокойно выпускать в реальный найм — я бы справился без проблем. Суперэкспертом я не стал (чудес не бывает), но пропасть между 1-й и 10-й попыткой была огромной. Я букву «Ф» не выговаливаю Анализируя этот опыт, я вспомнил шедевральный советский фильм «По семейным обстоятельствам». Помните там героя Ролана Быкова — «логопефа, исправляющего фифекты фикции»? Он потрясающе знал теорию, учил других, но сам не выговаривал половину букв (ничего страшного, их же трицать дфе). На первых итерациях я ощущал себя именно им. Знаю как надо, а сказать не могу. В этом и есть главная ценность ИИ-тренажеров. Они не просто дают информацию — они дают безопасную песочницу, где за 10 кругов можно устранить собственные «фефекты фикции» до того, как вы выйдете к реальному клиенту или сотруднику. P.S. Если не смотрели фильм — очень рекомендую, он гениальный. Фрагмент с логопедом прикрепил к посту!

Дорогие друзья, мы рады объявить о выходе второго выпуска подкаста Digital Learning "КОРПОРАТЫ"! AI без хайпа. Как технологии меняют обучение людей Специальный гость Григория Клинова: автор канала Digital Learning и признанный эксперт в области AI - Алексей Миляев, Руководитель проектов по внедрению цифровых решений в обучение компании Megafon. ✔Публикации Алексея в нашем канале набирают максимальное количество просмотров, репостов и лайков. ✔Зал на конференции Learning Elements, где Алексей выступал с темой "Заставьте ваш курс думать: как ИИ проверяет кейсы, ведет диалог и адаптирует контент", был полон. ✔Людей привлекает практический опыт внедрения ИИ в обучение, которым Алексей щедро делится ❤. Мы точно знаем, многим будет интересно послушать живой диалог с Алексеем уже в формате нашей площадки 🔥. Занимайте места в виртуальном зале Digital Learning и делитесь своими впечатлениями в чате! Ссылка на подкаст здесь. 🙌 🏆 Участвуйте в Премии Digital Learning 2026!

Друзья, тут случилось классное событие: я стал гостем нового выпуска подкаста «КОРПОРАТЫ» от Digital Learning! 🎙 Обсудили с Григорием Клиновым все, что мы с вами так любим: реальную практику, ИИ без розовых очков, грабли внедрения, то, как технологии прямо сейчас меняют корпоративное обучение и что нас ждет в будущем. Разговор получился живым и душевным. Я в восторге. Репост с подробностями ниже 👇

Все еще под впечатлением от Learning Elements 2026 На этой неделе выступал на конференции, и в этот раз был не только спикером, а еще модератором секции про автоматизацию. Очень классный опыт. Чувствуешь себя максимально причастным к мероприятию. К очень крутому мероприятию. Откуда столько восторга? Коллеги делают конференцию уже в восемнадцатый раз, и этот опыт виден в каждой детали. Все сделано одновременно и на опыте и с душой. Что особенно зацепило меня и как участника, и как спикера: ✨ Масштаб и свобода выбора Одновременно работало десять залов! ДЕСЯТЬ! Интересен ИИ — идешь на ИИ (залов с нейросетями было несколько). Не интересен? Есть автоматизация, методология, разработка, сторителлинг, софты... Были даже компьютерные классы с практикой, где можно было руками потестить инструменты вместе со спикером. ⏱️ Часовые слоты В этот раз на выступления выделили по часу. Спикеры смогли глубоко раскрыть темы, и осталось время на вопросы. Ну а мне, как любителю поговорить про e-learning, это особенно зашло. Правда, я все равно не успел рассказать все, что хотел. Выводы сделаны? Нет. Буду стараться впихнуть невпихуемое 😁 🤝 Спикеры. Спикеры очень крутые, а выступления продуманные. Если вы давно хотите выступить, но не решаетесь — очень советую попробовать. Перед конференцией организаторы проводят онлайн-демо: подсвечивают зоны роста, дают советы по подаче. А еще все спикеры могут пройти мастер-класс по публичным выступлениям. Это бесплатно. 🌙 Нетворкинг и вайб Не буду скрывать, для меня это самое важное. Знакомишься с потрясающими людьми, ловишь тренды, делишься опытом и просто получаешь удовольствие от общения и позитива (а его сейчас явно не хватает). Мой первый день начался в 8 утра, а закончился в 1:30 ночи. И я бы сидел еще, просто подвели силы после дороги. ☕ Продуманность в мелочах Как организованы переходы, где пообщаться, как устроена программа — все продумано. Приходишь за 5 минут до кофе-брейка, а кофе уже стоит. Партнеры тоже порадовали: интерактивы, конкурсы, книги, демо-зоны. Фото из шапки сделано в фотобудке. Мелочь? Ну да. Но классно же! И таких мелочей сотни. Один блокнот участника чего стоит. Кстати, на Elements я езжу со своим блокнотом. Чувство прекрасного не дает портить блокнот участника своим кривым почерком 😁 Те, кто читал мои анонсы, знают, как активно я звал на LE. И реальность полностью оправдала ожидания. Отдельное спасибо — за секцию про ИИ в обучении, где я выступал вместе с Эдом и Филиппом. Мы давно знакомы, поэтому атмосфера получилась не просто рабочей и доброжелательной, а скорее была похожа на дружеский разговор на сцене. Спасибо всем, кто был рядом, слушал и общался. Это было мощно! ❤️ До встречи на Learning Elements 2027!