Онбординг оператора банка без наставников: как убрать зависимость от человеческого фактора

Ошибка начинающего оператора банка обходится дорого. Неверно заполненная заявка может приводит к потере времени клиента. Неправильная консультация – к эскалации с участием двух-трех человек. Требования к операторам растут, а люди уходят через полгода-год – и снова обучение с нуля. Задача сложная, а привычные методы работы с новичками нередко дают сбой.

Наши клиенты не скрывают, что онбординг оператора в банке требует особого внимания. Если новичок быстро выходит на уверенный темп, коллегам не приходится его подстраховывать. 

Традиционный способ обучение – посадить новичка рядом с наставником, чтобы тот показывал, объяснял, проверял. Во многих банках так работают до сих пор. Но масштаб изменился и пора взглянуть на процесс иначе. Расскажем, как переосмыслить роль наставников, и снять с них рутинные задачи, которые можно автоматизировать. 

Чем опасен человеческий фактор

Штаты поддержки растут, текучка не снижается: теперь на каждого наставника приходится все больше новичков. Это ведет к потере качества обучения. Опираться только на опытных сотрудников, значит закладывать в процесс несколько критических уязвимостей.

• Зависимость от личности. Один наставник объясняет материал структурировано и понятно, другой – отрывисто и сумбурно. Оценка «понял / не понял» зависит от настроения, усталости и личного отношения, а не от объективных критериев. В результате два новичка, начавшие в один день, могут выйти на линию с разным уровнем подготовки.

• Разбросанные материалы. Инструкции – в почте, регламенты – в общих папках, скрипты – в распечатках на столе, а кейсы разборов ошибок – в памяти наставника. Новичок тратит время не на обучение, а на поиск информации. И не всегда может быть уверен, что перед ним актуальная версия.

• Потеря времени экспертов. До 30% рабочего времени наставников уходит на повторные объяснения одного и того же. Самые опытные сотрудники банка вместо решения сложных задач занимаются тем, что в очередной раз рассказывают, как заполнить карточку клиента или какой скрипт использовать при типовом обращении. Это прямая потеря дорогого ресурса.

• Уход знаний вместе с сотрудником. Когда наставник увольняется, его опыт уходит с ним. Десятилетия наработанных знаний, нюансов и неформальных правил просто исчезают из компании. Новый наставник начинает с нуля – и цикл повторяется.

• Отсутствие единого стандарта. 67% профессионалов считают обучение в своих компаниях неэффективным именно потому, что оно не стандартизировано. В одной команде операторов могут работать люди, обученные по пяти разным методикам пятью разными наставниками. О каком едином качестве обслуживания может идти речь?

Онбординг без наставников: новая парадигма

Решение – сместить фокус с «передачи знаний» на «самообучение в среде». Вместо того чтобы пытаться переложить опыт наставника в голову новичка через десятки часов личных бесед, компания создает среду, в которой новичок может учиться самостоятельно, в своем темпе, с мгновенным доступом к актуальной информации.

Вот три ключевых элемента этой среды:

• Единая база знаний. Все регламенты, инструкции, скрипты, кейсы и разборы ошибок собраны в одном месте. Не в почте, не в общих папках, не в головах сотрудников – а в системе, доступной каждому в любой момент. Корпоративный ИИ умен ровно настолько, насколько полна база знаний, данными из которой он оперирует. О том, как как создать структуру базы знаний писали здесь.

• ИИ-конструктор курсов. Искусственный интеллект автоматически превращает материалы базы знаний в структурированный курс онбординга: модули, уроки, примерную последовательность и длительность. Эксперт и методист не сидят неделями над программой: они только проверяют готовый вариант и вносят правки (статья об этом).

• Автоматические тесты. На основе учебных материалов система составляет вопросы разного типа: с выбором ответа, открытые, практические. Проверка проводится автоматически, оценка не зависит от субъективного мнения. Результат определяет система – усвоен материал или нет.

Результат: новичок проходит курс самостоятельно. Только сложные, нестандартные ситуации, которые еще не описаны в базе, разбираются с наставником. Наставник перестает быть «бутылочным горлышком» и превращается в эксперта, который решает действительно сложные задачи.

Как это работает на практике

Рассмотрим пошаговый процесс использования такой модели на примере платформы TEAMLY.

Шаг 1. Сборка базы знаний

Все существующие материалы – инструкции, регламенты, чек-листы, скрипты, разборы ошибок, шаблоны документов – загружаются в платформу. Задача не ограничивается переносом файлов. Материалы требуется организовать в структурированную базу, где каждый документ имеет свое место и легко доступен.

Именно на этом этапе закладывается фундамент всего дальнейшего обучения. Если база знаний пуста или хаотична, никакой ИИ не сможет построить качественный курс.

Шаг 2. Генерация курса с помощью ИИ

После того как база знаний собрана, ИИ-агент анализирует все материалы и на основе заданного промпта выдает готовую программу онбординга.

Промпт – это описание цели и требований к курсу. В интерфейсе TEAMLY он задается при создании курса. Для оператора банка хороший промпт может выглядеть так:

«Создать курс для новых операторов поддержки банка, чтобы к концу обучения на этом курсе они могли самостоятельно обрабатывать входящие обращения клиентов по телефону и в текстовых каналах: идентифицировать клиента по паспортным данным, квалифицировать запрос, выбрать правильный скрипт для типовой ситуации, оформить обращение в CRM, найти ответ в базе знаний по нестандартному вопросу и принять решение об эскалации. Продолжительность курса – не более 14 дней».

В правильной формулировке промпта есть четыре обязательных элемента:

• Роль сотрудника и контекст – кто и в каких условиях будет работать.

• Сроки – за сколько дней новичок должен выйти на заданный уровень.

• Описание целевых действий – конкретные операции, которые сотрудник должен научиться выполнять (идентификация, квалификация, оформление, поиск в базе, эскалация).

• Критерий «готов / не готов» – что именно означает успешное завершение обучения.

На основе промпта ИИ:

• Анализирует выбранные материалы с учетом цели курса.

• Предлагает структуру: модули, уроки, примерную длительность и последовательность.

• Генерирует содержание уроков: объяснения, чек-листы, шаги, примеры, варианты формулировок для текста.

Шаг 3. Валидация экспертом

Готовую структуру проверяет методист. Он смотрит, все ли логично, нет ли пропусков, корректно ли выстроена последовательность модулей. Затем вносит правки: добавляет нюансы, которые не попали в базу знаний, уточняет формулировки, при необходимости перестраивает разделы. После доработки курс отправляется на утверждение экспертам.

Шаг 4. Назначение и контроль

Курс сам по себе ничего не дает, если его не проходят нужные люди в нужный момент. Поэтому на платформе работают механики корпоративного управления обучением:

• Назначение по ролям, отделам, локациям. Все новые операторы поддержки автоматически получают курс по базе знаний и скриптам в первый день работы.

• Управление дедлайнами и попытками. Система отслеживает сроки прохождения, отправляет напоминания, фиксирует результаты тестов.

• Обновление по изменению контента. При изменении статьи в базе знаний, с которой связан урок, ИИ может подсветить, что курс пора пересобрать или хотя бы перепроверить.

Новая роль наставника

Когда курс генерируется на основе базы знаний, а тесты проверяют усвоение материала автоматически, роль наставника кардинально меняется.

Раньше 100% времени наставника уходило на объяснение базы – повторение одних и тех же регламентов, скриптов и процедур десятки раз для каждого нового сотрудника.

Теперь наставник посвящает небольшую часть времени сопровождению новичка на реальных задачах – помогает с применением изученного материала, корректирует действия в сложной коммуникации с клиентом. Все остальное время он занимается своей основной работой, развитием команды и решением действительно нестандартных ситуаций, где алгоритм не помогает.

Бизнес-результаты

Внедрение модели онбординга с использованием ИИ и единой базы знаний дает измеримые бизнес-результаты:

• Скорость. Сокращение срока выхода на продуктивность до 50%. Новичок не ждет, пока наставник найдет время, – он начинает учиться с первого дня и проходит материал в своем темпе.

• Качество. Снижение ошибок в рабочих задачах до 35% за счет стандартизации обучения и объективной проверки знаний. Оператор, сдавший тесты, действительно знает материал – а не просто произвел впечатление на наставника.

• Масштабируемость. Запуск новых программ обучения в 3 раза быстрее без участия экспертов. ИИ собирает курс из существующих материалов, эксперту остается только проверить.

• Единая культура. Рост согласованности в работе команд до 40%. Все операторы говорят на одном языке, используют одинаковые скрипты и процедуры, принимают решения по единым стандартам.

• Сохранение знаний. Когда наставник увольняется, его опыт остается в компании – в базе знаний и в курсах, которые он помог создать и валидировать.

***

Банковские продукты, внутренние регламенты и требования к обслуживанию меняются регулярно. Поэтому вопрос не только в том, как обучить нового оператора, но и в том, насколько быстро можно обновить само обучение. Если для этого каждый раз приходится собирать наставников, переписывать материалы и заново объяснять изменения, процесс неизбежно начинает отставать от реальной работы.

Поэтому все больше компаний пересматривают не отдельные инструменты обучения, а сам подход к управлению знаниями. Когда учебные материалы, инструкции и рабочие регламенты связаны между собой, поддерживать их в актуальном состоянии становится проще – независимо от того, сколько новых сотрудников выходит в команду.