Симуляторы

Тренировка знаний

Симулятор — это интерактивный обучающий формат, максимально приближённый к реальным рабочим ситуациям. В отличие от стандартных заданий, где участник просто отвечает на вопрос и получает обратную связь, симулятор работает как живой диалог с ИИ-персонажем:

Участник проходит сюжет из 6–15 шагов;
Диалог развивается естественно, и каждый ответ влияет на ход сценария.

Содержание симулятора строго основано на материале курса. Симуляторы можно использовать как инструмент для отработки навыков, так и как инструмент оценки после обучения. Такой формат помогает лучше закреплять знания и повышать их усвоение (knowledge retention).

Главное преимущество симуляторов — вариативность. Каждый запуск предлагает новую ситуацию: сценарии и темы могут меняться, затрагивая разные главы курса. Благодаря этому обучение остаётся живым и непредсказуемым, а участник применяет знания в разнообразных контекстах, как в реальной работе.

При этом, при необходимости, можно задать фиксированный сюжет или сузить тематику, если важно отрабатывать конкретную задачу.

Основные отличия от заданий:

	Задание в курсе	Симулятор
Формат	Вопросы с правильными ответами или ответ в свободной форме	Свободная форма ответов, влияющих на развитие сюжета
Повторяемость и вариативность	Фиксированное содержание — при каждом прохождении участник видит одно и то же задание.	По умолчанию каждый запуск — новая ситуация. Сценарии меняются, что помогает применять знания в реальных контекстах. При этом есть возможность создать симулятор с фиксированным сюжетом или ограниченной тематикой.
Тип навыков	Хард-скиллы, знания процедур, регламентов	Софт-скиллы, применение знаний в контексте, поведенческие привычки
Цель	Проверка знаний, юридическая фиксация	Тренировка мышления, поведения, анализ ситуации
Результат	Правильность/неправильность ответов	Обоснованность, глубина, реализм, знание как необходимо поступить в реальной ситуации

Обратная связь

В конце симулятора участник получает развернутую обратную связь с оценкой по каждому критерию. Эта информация может быть доступна как самому участнику, так и его руководителю.

Создание симуляторов

Ниже приведён полный список параметров, которые можно задать при создании симулятора.

1. Курс или другой контент, на котором основан симулятор

Если курс уже создан на платформе, симулятор можно сразу настроить на его основе.

Если курса пока нет, вы можете передать любой релевантный контент (например, документы, презентации, гайдлайны или другие учебные материалы). Мы можем преобразовать этот контент в формат курса на платформе, а затем сгенерировать симулятор на основе этого курса.

Курсы, загруженные в формате SCORM, в данный момент не поддерживаются. На текущий момент для одного курса можно настроить только один симулятор.

2. Компания и контекст индустрии

По умолчанию симулятор использует название компании и её описание, указанные на платформе. Это помогает сделать сценарии более релевантными для отрасли и бизнес-контекста вашей компании.

Если требуется обучение в другом контексте, можно указать другую компанию либо не указывать компанию вовсе, а описать саму отрасль или конкретный ситуационный контекст, необходимый в симуляторе.

3. Язык симулятора

4. Роль ИИ

Можно выбрать одну из двух ролей:

Режим ролевого диалога — ИИ играет персонажа внутри сценария — клиента, коллегу, руководителя или партнёра — и ведёт реалистичный, несценарный диалог. Он полностью остаётся в роли и не подсказывает участнику и не направляет его.
Лучше всего подходит для: развития коммуникативных навыков, для принятия решений в условиях давления.
1. Пример в контексте курса «ИИ и машинное обучение в бизнесе»: «Слушай, руководство хочет, чтобы модель показывала более выгодные цифры. Разве нельзя просто немного подкрутить её, чтобы так и получилось?»
Режим наставника — ИИ берет на себя роль наставника, руководителя или менеджера. Он описывает гипотетическую ситуацию и задаёт участнику структурированные вопросы, чтобы оценить его понимание и способность применять концепции из курса.
Лучше всего подходит для: проверки знаний.
1. Пример: руководитель спрашивает участника, как бы он поступил, если бы его попросили внедрить ИИ-модель, которая недостаточно валидирована или может вносить смещения в бизнес-решения.

5. Описание персонажа

Если задать конкретную роль, легенду и тон общения, каждое прохождение симулятора будет воспроизводить одну и ту же ситуацию. Это удобно для точечной отработки навыков (например, работы с конкретным возражением в продажах).

Уровень детализации может быть разным.

Пример подробного описания без конкретного сценария:
«Елена, руководитель продуктовой команды в крупном банке, проходящем трансформацию в сторону data-driven-подхода. Она ведёт дружелюбную дискуссию с участником о гипотетических кейсах применения AI/ML в банке, проверяя, насколько хорошо участник понял теорию курса и может соотнести типы ML, поддомены AI и их ограничения с реальными бизнес-задачами. Тон спокойный и поддерживающий, как у коллеги-наставника, с фокусом на фактическую точность и корректную терминологию».

Пример описания с конкретным сценарием:
«Елена, руководитель продуктовой команды в крупном банке, проходящем трансформацию в сторону data-driven-подхода, обсуждает с участником конкретную ситуацию. Бизнес-подразделение предлагает использовать машинное обучение для автоматического одобрения потребительских кредитов на основе исторических данных клиентов. Елена просит участника пошагово описать подход: какой тип ML будет уместен, какие данные потребуются, где необходимо участие человека, а также какие риски и ограничения следует учитывать (смещения, интерпретируемость, регуляторные требования). В ходе обсуждения Елена сохраняет спокойный и поддерживающий тон, задаёт уточняющие вопросы и мягко корректирует неточности, фокусируясь на корректном использовании AI/ML-терминологии и соответствии реальным банковским ограничениям». В этом случае задан конкретный сценарий, и ИИ будет воспроизводить похожие ситуации.

Если указана только общая роль (например, «Александра, клиент»), ситуации будут варьироваться, сохраняя общую описанную роль.

6. Кто проходит симуляцию (целевая аудитория)

Важно описать, кто именно будет участвовать в симуляторе — например, сотрудник первой линии техподдержки, менеджер, аккаунт-менеджер, специалист по продажам, HR, продакт-менеджер и т.д. По умолчанию эта информация подтягивается автоматически из описания курса на платформе (целевая аудитория курса), однако при необходимости её можно изменить.

Это влияет на формат ситуаций и кейсов.

7. Цель симуляции

Цель симуляции автоматически формируется на основе содержания курса. Она определяет ключевой измеримый результат обучения и объясняет, зачем симулятор нужен и что будет в нем отрабатываться.

Если необходимо проверить конкретные аспекты, цель можно дополнительно настроить.

Пример: продемонстрировать способность применять ключевые концепции AI и машинного обучения к реальным банковским бизнес-сценариям, объясняя их применение и ограничения в нетехнической форме.

8. Задачи симуляции

Основная цель декомпозируется на конкретные задачи: знания и навыки. Они описывают, что именно участник должен продемонстрировать при прохождении. Задачи генерируются в каждом симуляторе на основе материалов курса, но могут быть адаптированы под кашу цели или заданы вручную.

Примеры:

Умение объяснять принципы работы машинного обучения в нетехнической, бизнес-ориентированной форме;
Умение различать основные подходы ML (классификация, регрессия, кластеризация);
Осознание ограничений AI и принципов ответственного использования AI в банковской сфере.

9. Критерии оценки симуляции

Критерии оценки определяют, по каким признакам фиксируется демонстрация навыка. Критерии оценки автоматически формируются на основе содержания курса.

Если необходимо проверить конкретные аспекты (например, качество коммуникации или соблюдение инструкций), их можно дополнительно настроить.

В системе предусмотрены два типа критериев — в зависимости от формата симулятора. Одни (content-based) оценивают, насколько корректно участник помнит и использует конкретный контент курса. Другие (ближе к soft skills) фокусируются на том, как участник действует в ситуации: коммуникация, эмпатия, структурность.

Критерии, основанные на контенте курса можно проверить и в диалоге с ИИ-собеседником, и в ИИ-спутником. Но софт-навыки проверяются корректнее ИИ-собеседником через прямую коммуникацию.

Каждый критерий оценивается по 10-балльной шкале. Дополнительно рассчитывается итоговый средний балл.

10. Визуальная настройка персонажа

Чтобы сделать прохождение симулятора более реалистичным и вовлекающим, можно настроить внешний вид персонажа.

Вы можете предоставить референс-фото, либо описать желаемые характеристики внешности (например, возрастной диапазон, общий образ), окружения и фона. На основе предоставленных материалов и предпочтений мы создадим персонажа, максимально соответствующего вашим ожиданиям — либо используя референс-фото, либо сгенерировав визуал по описанию и контексту обучения.

Это позволяет точнее передать нужный тон, среду и обучающий сценарий.

Примеры:

Пример параметров симулятора для курса «ИИ и машинное обучение в бизнесе»

Настройка	Пример содержания
Курс или контент, на котором основан симулятор	Курс «ИИ и машинное обучение в бизнесе»
Название компании и ключевой контекст отрасли	Консалтинговая компания XYZ-Analytics в сфере управленческого консалтинга и обучения: консалтинг, обучающий консалтинг, услуги по развитию, конференции для менеджеров, международные программы обучения и развития руководителей
Язык симулятора	Русский
Роль ИИ	Можно выбрать одну из двух ролей (отметить нужное): AI собеседник AI спутник
Длина симуляции	Количество реплик, которые пользователь пишет за одно прохождение (отметить нужное): 6-8 сообщений 10-12 сообщений 12-15 сообщений
Описание персонажа (роль, язык, тон) Может быть сгенерировано автоматически с помощью ИИ; однако при наличии предпочтений или особых требований команда Evolve может адаптировать результат под ваши задачи.	Елена, руководитель продуктовой команды в крупном банке, проходящем трансформацию в сторону data-driven-подхода. Она ведёт дружелюбную дискуссию с участником о гипотетических кейсах применения AI/ML в банке, проверяя понимание теории курса и умение соотносить типы ML, поддомены AI и их ограничения с реальными бизнес-задачами. Тон спокойный и поддерживающий, как у коллеги-наставника, с фокусом на фактическую точность и корректную терминологию.
Целевая аудитория (участники симуляции) По умолчанию берётся из информации о курсе, но может быть изменена.	Консультанты компании XYZ-Analytics в B2B секторе.
Цель симуляции Может быть сгенерировано с помощью ИИ, но при необходимости может быть настроено.	Применять ключевые концепции AI и машинного обучения для описания их роли и ограничений в банковском бизнес-контексте.
Задачи симуляции Может быть сгенерировано с помощью ИИ, но при необходимости может быть настроено.	понимание ландшафта AI и его поддоменов (NLP, computer vision, RPA, ML) и их типичных применений в банковской сфере; объяснение принципов работы машинного обучения в нетехнической (no-code) форме, включая этапы обучения, выявления закономерностей и инференса; различение основных типов ML-подходов (классификация, регрессия, кластеризация) и выбор подходящего типа для примера бизнес-задачи в банковском секторе.
Критерии проверки симуляции Может быть сгенерировано с помощью ИИ, но при необходимости может быть настроено.	участник корректно различает AI и его поддомены, объясняя, что ML является частью AI и «движком» NLP, computer vision и RPA; участник приводит как минимум один банковский пример для NLP (например, анализ регуляторных документов или обращений клиентов), computer vision (например, KYC с использованием селфи и паспорта) и RPA (автоматизация бэк-офисных операций); участник описывает процесс ML через три шага: обучение на исторических данных с известными результатами, выявление закономерностей и применение модели к новым данным для получения вероятностного прогноза; участник корректно объясняет различие между классификацией и регрессией, связывая классификацию с прогнозированием категорий (например, высокий/низкий кредитный риск), а регрессию — с числовым прогнозированием (например, цены недвижимости); участник корректно описывает суть кластеризации как поиск групп клиентов на основе сходства поведения без заранее заданных меток и приводит пример бизнес-инсайта (например, сегмент «молодых профессионалов», активно использующих приложение ночью); участник упоминает как минимум одно ограничение и одно требование ответственного использования AI в банковской сфере (например, риск алгоритмических смещений, проблемы с разрозненными данными, необходимость объяснимости решений, принцип «AI дополняет, а не заменяет человеческое решение»).