Журнал / Кирилл Наумов
Как связать практику с AI с реальной работой в торговом зале: разыграть ситуацию, попробовать навык в смене и получить обратную связь руководителя — без рейтинга сотрудников.
Автор: Кирилл Наумов ·
Сотрудник может успешно пройти диалоговую тренировку с AI — и растеряться, когда покупатель задаст тот же вопрос у загруженной полки. Это не значит, что тренировки бесполезны. Просто навык должен перейти из упражнения в обычную смену.
Выберите важный момент: задать уточняющий вопрос перед рекомендацией, объяснить задержку доставки или передать жалобу нужному коллеге. Опишите хорошее действие простыми словами. Цели вроде «стать увереннее» или «лучше продавать» трудно отрабатывать, зато легко превратить в несправедливые оценки.
AI может сыграть покупателя с разными потребностями, предложить безопасные варианты ситуации и дать ещё одну попытку без риска тренироваться на реальном клиенте. Но сценарий должен опираться на утверждённые сведения о товаре и правила сервиса. Если ответ зависит от того, чего система не может проверить, правильным результатом должно считаться уточнение или обращение за помощью, а не уверенная выдумка.
В исследовании 2025 года, опубликованном в [Journal of Retailing and Consumer Services](https://doi.org/10.1016/j.jretconser.2025.104259), опросили 483 участника из розничной торговли и изучали, как знания из обучения переходят в работу. Это результаты опроса, а не доказательство того, что конкретный AI-инструмент улучшает показатели. Но они напоминают о важном вопросе: позволяет ли сама рабочая среда применять то, чему человек научился?
Соберите короткий цикл переноса навыка. До упражнения руководитель объясняет, какое действие будем тренировать и когда оно уместно. Сотрудник пробует два-три варианта с AI. В течение смены руководитель наблюдает один подходящий эпизод и даёт краткую конкретную обратную связь. Позже сотрудник отмечает, что получилось иначе. Цель — полезная рабочая привычка, а не архив диалогов.
В рабочей статье 2026 года описан квазиэксперимент почти с 2 000 продавцов одной промышленной компании в США. Авторы сообщают о среднем росте результатов примерно на 2% в связи с тренировками AI-ролевых диалогов и подчёркивают, что важен перенос навыка в настоящие продажи. Это препринт, другая отрасль и иной контекст. Его стоит считать интересным ранним сигналом, а не ориентиром для ритейла и не обещанием результата. [Текст рабочей статьи](https://ssrn.com/abstract=5717822).
Не нужно превращать каждую попытку в рейтинг сотрудников. Объясните, какие данные сохраняются, кто увидит их и когда они будут удалены. Оставьте возможность оспорить ошибочную оценку и закрепите за руководителем ответственность за любые важные выводы. Не записывайте разговоры с покупателями по умолчанию и не пытайтесь выводить отношение сотрудника к работе по голосу, выражению лица или скорости ответа.
Проверяйте цикл на трёх уровнях: может ли человек объяснить нужное действие; применяет ли его в наблюдаемой ситуации; становится ли путь покупателя проще без лишней работы для команды. Вместе с коммерческими показателями учитывайте время руководителя, фактические ошибки, передачи специалистам и уверенность коллег. Сравните результат с нынешним обучением. Если AI создаёт лишние неудобства или не даёт полезной практики, пилот нужно изменить или остановить.
Задача не в том, чтобы машина оценивала людей в магазине. Она может дать им больше возможностей отработать сложный момент, а руководителю — помочь обсудить самое важное. Практические сценарии AI для ритейла, продаж, обучения и программ лояльности разбираем на странице [AI for Retail workshop](https://www.kirillnaumovai.com/workshops/ai-retail-november).