Российская targetai 9 июня 2026 года представила targetskill — облачную LXP-платформу, где ИИ-наставник для обучения отвечает не только за теорию, но и за практику, обратную связь и сертификацию. Для рынка корпоративного обучения это важный сигнал: генеративный ИИ все заметнее выходит из роли красивой надстройки и начинает претендовать на место базового инструмента в L&D, особенно там, где сотрудников нужно учить быстро, массово и без очереди к живому тренеру.
О запуске сообщает CNews. Новый продукт targetai рассчитан на компании, где результат обучения завязан на коммуникацию с клиентом или партнером: продажи, сервис, поддержка, финансовые консультации, медицинское представительство. Платформа разворачивается в облаке, не требует отдельной инфраструктуры со стороны заказчика и подключает сотрудников через веб-интерфейс. targetai оценивает среднюю стоимость подключения одного сотрудника примерно в 10 тыс. руб. в год. Это не выглядит демпингом, зато выглядит как попытка перевести разговор о корпоративном обучении из категории «еще одна LMS» в категорию «управляемый производственный процесс».
Ключевая ставка здесь сделана не на библиотеку готовых курсов, а на внутреннюю базу знаний самой компании. Контент targetskill формирует из продуктовых материалов, скриптов, регламентов и других внутренних документов. Логика понятна: сотруднику контактного центра или менеджеру по продажам обычно важнее не абстрактный курс по коммуникации, а тренировка на собственных сценариях бизнеса. Поэтому ИИ-наставник для обучения в этой модели работает не как универсальный лектор «про все на свете», а как слой над корпоративной экспертизой. Теория подается через диалог с ИИ-лектором и визуальными материалами, практика идет в голосовом тренажере с ИИ-клиентом, после каждой сессии сотрудник получает персональную обратную связь, а затем проходит закрепление и итоговую симуляцию.
Отдельно targetai подчеркивает, что платформа проверяет не только форму диалога между системой и сотрудником, но и фактическую точность ответов. Это важная деталь, потому что именно на ней обычно спотыкаются разговоры о генеративном ИИ в обучении. Пока ИИ пересказывает общие вещи, всем спокойно. Как только речь идет о банках, страховании, телекоме или фарме, вопрос звучит уже иначе: не «интересно ли это», а «кто будет отвечать за ошибку». targetai явно пытается зайти именно в этот более требовательный сегмент, где проверка содержания не менее важна, чем удобный интерфейс или красивый диалоговый сценарий.
Не просто LMS, а ИИ-слой над существующим стеком
В product-логике targetskill есть еще один прагматичный момент. Платформа может работать как самостоятельная LXP, но для компаний, которые не готовы выбрасывать текущую LMS, предусмотрен SCORM-экспорт. То есть тренажеры и программы можно встроить в уже существующую систему обучения и сохранить синхронизацию результатов. Для крупных организаций это, возможно, важнее любых обещаний про «новое поколение». Корпоративный рынок редко любит резкие миграции: если продукт умеет не ломать уже настроенный стек, шансы на пилот заметно выше. В этом смысле ИИ-наставник для обучения продается не только как отдельная платформа, но и как дополнительный слой поверх того, что у заказчика уже есть.
По словам гендиректора targetai Андрея Зименкова, компания исходит из того, что бизнесу нужен измеримый результат и меньше зависимости от графика живых тренеров. Это хорошо ложится в более широкий тренд: корпоративное обучение постепенно смещается от учета прохождения курсов к оценке реального навыка. Классическая LMS десятилетиями решала задачу фиксации знания: сотрудник посмотрел материалы, сдал тест, в отчетах появилась заветная галочка. Проблема в том, что галочка редко гарантирует, что человек сможет удержать клиента, грамотно отработать возражение или не ошибиться в критичном сценарии разговора. Targetai строит продукт вокруг этой боли и, по сути, предлагает компаниям автоматизировать именно цикл тренировки навыка, а не только цикл доставки контента.
Если смотреть на рынок шире, запуск targetskill хорошо показывает, куда движутся корпоративные EdTech- и HRTech-инструменты в России. Генеративный ИИ здесь все чаще используют не для создания «умных описаний курсов» и не для украшения интерфейса чат-ботом, а для персонализации на масштабе. В классической модели одна команда получает один и тот же курс, независимо от стартового уровня. В targetskill новичку обещают объяснение с базы, а опытному специалисту — переход сразу к сложным ситуациям. Система, по замыслу разработчика, должна тренировать именно те сценарии, где у сотрудника есть слабые места, а не гонять его по уже выученному материалу. Для L&D-функции это выглядит как попытка приблизить обучение к логике performance management, где важен не сам факт потребления контента, а поведенческий результат.
Что это меняет для бизнеса и ИТ-команд
Для бизнеса главный вопрос будет не в том, умеет ли ИИ разговаривать, а в том, насколько хорошо платформа встраивается в процессы и дает проверяемый эффект. У targetskill на руках уже есть понятные аргументы: облачная модель, отсутствие затрат на отдельную инфраструктуру, прогнозируемая цена подключения и возможность интеграции через SCORM. Но дальше начнется неизбежная часть любого корпоративного внедрения: качество корпоративной базы знаний, зрелость сценариев, доверие к автоматической обратной связи и готовность HR или L&D-команд менять саму механику обучения. Для ИТ-руководителей и продуктовых команд здесь тоже есть практический сюжет. Если такие решения начнут масштабно приживаться, компании придется внимательнее относиться к структуре внутренних знаний, качеству регламентов и единообразию продуктовой информации. Иначе даже самый разговорчивый ИИ-наставник для обучения будет воспроизводить не лучший опыт компании, а ее документальный хаос.
На этом фоне запуск targetskill выглядит не как очередная попытка добавить ИИ в презентацию для инвестора, а как ставка на очень конкретный корпоративный кейс: массовое обучение сотрудников в коммуникационных ролях. Вопрос теперь не в том, появятся ли такие платформы у других игроков, а в том, кто быстрее докажет экономику и надежность на реальных внедрениях. Для российского рынка это, пожалуй, главный тест зрелости: бизнес охотно слушает обещания про персонализацию, но платить будет за сокращение времени адаптации, за рост качества диалогов и за уменьшение зависимости от ручного обучения. Все остальное в этой истории уже вторично.