Накратко
ИИ вече навлиза в онбординга.
Организациите използват или тестват ИИ помощници за въпроси, персонализирани процеси, автоматизирани задачи, обучение, обратна връзка, подкрепа на ръководителите и дори оценяване кога новият човек е готов да работи по-самостоятелно.
Но най-интересният въпрос може би не е очевидният.
- Обичайният въпрос
Колко от онбординга можем да автоматизираме? - По-интересният въпрос
Какво искаме хората да правят с времето, което ИИ освобождава?
На 21 октомври 2026 г. осем практици от седем организации и двама домакини се събраха в София, за да изследват този въпрос.
Разговорът не започна с технологиите. Започна с по-фундаментални въпроси:
- Как изглежда успешният онбординг?
- Колко струва?
- Кой носи отговорност за него?
- Как разбираме дали действително работи?
И едва след това стигнахме до ролята на ИИ.
От разговора, съчетан с изследванията и международните практики, се оформиха шест основни извода.
1Да имаш онбординг процес не означава да знаеш дали той работи.
Всички организации, представени в разговора, имаха структуриран онбординг. Никоя обаче не описваше структуриран начин за оценяване на неговата обща ефективност. Това е сходно с резултатите от българско проучване на БАУХ:
- 72% от компаниите имат разписана стратегия за онбординг
- ~90% нямат изграден процес с конкретни инструменти или показатели за оценка на ефективността
2Преди да подобряваме онбординга, може би трябва да се разберем как изглежда успехът.
Участниците дадоха много различни отговори на изречението „Онбордингът е успешен, когато новият колега може да...“: от намиране на информация и самостоятелно изпълнение на задачи до увереност, принадлежност и гордост от организацията.
3Успешният онбординг изисква едновременно Яснота, Свързаност и Принос.
Новият човек трябва да разбира средата и очакванията, да изгради необходимите отношения и постепенно да започне да създава реална стойност. Подобна картина се вижда и в академичната литература, където социалното приемане, яснотата за ролята и овладяването на задачите са сред основните непосредствени резултати от организационната социализация.
4Свързаността може да трябва да започне веднага. Яснотата все повече може да идва тогава, когато е необходима.
Участници споделиха наблюдения, че новите служители често помнят кой ги е посрещнал и с кого са разговаряли, но забравят значителна част от информацията, която са получили концентрирано в началото. ИИ позволява част от тази информация да идва по-късно, в точния контекст и в момента на реалната нужда.
5ИИ преминава от „отговори ми“ към „действай“.
В практиката вече виждаме движение:
- Намиране на информация
- Насочване
- Персонализация
- Изпълнение на действия
- Оценяване
- Динамично адаптиране на целия процес
Microsoft например вече предлага ИИ агент за онбординг, който препоръчва действия и списъци със задачи и подпомага изпълнението им през Teams, като човекът потвърждава промените преди те да бъдат записани в системата.
6Колкото повече ИИ може да прави, толкова по-важен става въпросът какво трябва да остане човешко.
Най-силната възможност, която се оформи в разговора, не беше да премахнем хората от онбординга.
Най-силната възможност:
Да автоматизираме повече от процеса, за да направим повече от преживяването истински човешко.
1.Знаем ли дали онбордингът работи?
Преди да говорим за ИИ, помолихме участниците да оценят две числа. Седем от тях дадоха приблизителни оценки.
| Какво попитахме | Най-ниски оценки | Най-високи оценки | Какво включваха участниците |
|---|---|---|---|
| „Колко според Вас струва на организацията онбордингът на един нов колега, без неговата заплата?“ | €2 000–2 500 | €12 000+ | Времето на човешки ресурси, прекия ръководител и колегите, обучения, системи, инфраструктура, техника и други ресурси |
| „Ако нов колега достигне очакваното ниво на самостоятелност и продуктивност три месеца по-късно от планираното, колко би струвало това?“ | €3 000–5 000 | €40 000–50 000+ | Загубена продуктивност, време на ръководителя, допълнително натоварване върху екипа, допълнително обучение, пропуснати ползи, неизползвани активи и регулаторни рискове |
Всички уточниха, че сумата зависи силно от ролята и организацията. Вторият въпрос беше значително по-труден.
И тук се появи по-интересният резултат.
Нито една от представените организации не измерваше системно тези разходи по този начин.
Парадоксът на измерването
Разговорът бързо стигна до две противоположни позиции.
Как подобряваш нещо, което не измерваш?
Без показатели е трудно да разберем кое работи, кое не работи и къде има смисъл да инвестираме.
Колко ще струва самото измерване?
Някои разходи са видими. Други са разпределени между хора, функции и системи. Част от стойността се проявява чрез пропуснати възможности, риск, управленско време или ефекта върху останалите членове на екипа.
Преследването на една „перфектна“ обща цена може да се окаже прекалено сложно и скъпо.
Затова по-практичният въпрос може би е:
Кои няколко показателя са достатъчно надеждни и полезни, за да вземаме по-добри решения?
В разговора се появиха например:
- Време до очаквана продуктивност
- Време до очаквана самостоятелност
- Качество на резултата
- Грешки
- Ранно напускане
- Времето, което ръководителят и екипът инвестират
Липсата на измерване също има цена
Появи се и по-широка хипотеза.
Ако не измерваме даден процес, трудно го подобряваме. Ако не го подобряваме, неговата стойност постепенно може да стане все по-малко видима. А ако бизнесът не вижда стойността, започва да инвестира по-малко време, внимание и ресурси.
Възможният цикъл е:
- 1Не измерваме
- 2Не подобряваме
- 3Трудно показваме стойността
- 4Инвестираме по-малко
- 5Процесът отслабва
- 6Стойността му става още по-трудна за доказване
↻ и цикълът започва отначало
Групата постави като хипотеза, че това може да е един от механизмите, чрез които в някои организации онбордингът постепенно се свива до кратък административен процес.
Това се припокрива и с по-ранните данни на БАУХ. Проектът ONBOARD открива, че много организации имат обща представа колко им струва въвеждането, но възвръщаемостта на тази инвестиция се оценява по-скоро интуитивно, отколкото чрез обективно събрани и анализирани данни.
2.Какво всъщност означава „успешен онбординг“?
Преди да представим каквато и да е рамка, помолихме всеки участник самостоятелно да довърши изречението:
„Онбордингът е успешен, когато новият колега може да...“
Получихме отговори като:
- …се справя сам и да намира необходимата информация
- …започне възможно най-бързо да изпълнява задачи самостоятелно
- …знае кой му е ръководителят и кои са хората в екипа
- …знае къде са ресурсите и как работят системите
- …се чувства уверен и приет
- …не се притеснява да попита
- …може да обясни какво прави компанията и каква е неговата роля
- …изпитва принадлежност и гордост
- …взема решения и да постига резултати
Всички тези отговори са разумни. Но те не означават едно и също.
Яснота · Свързаност · Принос
След като отговорите вече бяха написани, предложихме три категории.
Яснота
Разбирам къде съм, какво се очаква от мен и как се върши работата тук.
Свързаност
Знам към кого да се обърна, мога да разчитам на хората около мен, да говоря открито и се чувствам част от екипа.
Принос
Мога да върша полезна работа, да се справям с непредвидени ситуации и да подобрявам начина, по който работим.
Когато участниците категоризираха първоначалните си отговори:
- Яснота най-много отговори попаднаха около нея
- Свързаност значителна част я засягаха
- Принос беше най-слабо представен
Групата е твърде малка, за да правим количествени обобщения. Но наблюдението поставя добър въпрос:
Когато мислим за онбординг, фокусираме ли се по-често върху това дали човекът се е ориентирал, отколкото върху това дали вече може да допринася?
Това е близо до начина, по който науката описва адаптацията
Метаанализът на Bauer и колеги, публикуван в Journal of Management през 2025 г., обхваща 256 изследвания на организационната социализация. Сред ключовите непосредствени резултати са яснотата за ролята, социалното приемане и овладяването на задачите.
Те не са идентични с нашите Яснота, Свързаност и Принос. Но сходството е важно.
| Нашата рамка | В изследванията (Bauer и колеги, 2025) | За какво става дума |
|---|---|---|
| Яснота | Яснота за ролята | Разбиране |
| Свързаност | Социално приемане | Отношения |
| Принос | Овладяване на задачите | Способност за реална работа |
Успешното въвеждане на нов човек не е само информационен проблем. То е едновременно разбиране, отношения и способност за реална работа.
3.Преди да подобряваме онбординга, съгласни ли сме как изглежда успехът?
Тук разговорът стигна до нещо, което не беше предварително планирана тема: съгласуваността между хората, които участват в онбординга.
Как би отговорил всеки от тях на въпроса за успешен онбординг?
- Човешки ресурси
- Прекият ръководител
- ИТ
- Екипът
- Обучението и развитието
- Самият нов служител
Ще дадат ли един и същ отговор?
Ако не, различните хора могат да създават различни дейности, да очакват различни резултати и да оценяват един и същ онбординг по различни критерии.
Това може да помогне да разберем един познат парадокс. В една и съща организация едни хора казват едно, а други обратното:
- „Онбордингът ни работи отлично.“
- „Онбордингът ни изобщо не работи.“
Възможно е те просто да използват различни определения за успех.
Участниците стигнаха до извода, че критериите не би трябвало да се определят само от човешки ресурси.
В разговора трябва да участват всички, които реално създават процеса: човешки ресурси, преки ръководители, екипи, ИТ, инфраструктура и други функции според конкретната роля.
Това променя първата стъпка в подобряването на онбординга.
- Не непременно
Какви нови дейности да добавим? - А
Съгласни ли сме какво трябва да може, разбира и усеща човекът, когато онбордингът е успешен?
Без такова съгласие организацията може да е решила какво трябва да постигне онбордингът, а всяка функция да изпълнява своя собствена версия.
4.Празният стол: какво вижда самият нов човек?
В стаята поставихме един празен стол. Той остана празен през цялата среща. На него пишеше:
НОВ КОЛЕГА
ДЕН 1
ИМА ДОСТЪП ДО ИИ
- Какво може ИИ да направи по-лесно за този човек?
- Какво все още трябва да се случи между хората?
Неговата роля беше да ни връща към тези два въпроса. Това премести разговора:
- От
„Какво предоставя организацията?“ - Към
„Какво реално преживява човекът?“
Хората остават в паметта
Участници споделиха наблюдения от свои вътрешни изследвания.
Какво помнят новите хора
- Кой ги е посрещнал
- До кого са седнали
- С кого са разговаряли
- Как са се почувствали
- Как са били приети
Какво се забравя сравнително бързо
Значителна част от концентрираната информация, получена чрез презентации и слайдове.
Това не е независимо проверена от нас универсална закономерност. Но международните изследвания подкрепят значението на социалното приемане и отношенията за успешната адаптация.
Оттук се появи една важна идея:
Свързаност веднага. Яснота тогава, когато е необходима.
Традиционният онбординг често се стреми да даде възможно най-много информация възможно най-рано:
- История
- Организация
- Политики
- Ценности
- Продукти
- Системи
- Процеси
Но новият човек няма задължително да запомни всичко това.
ИИ позволява различен модел. Информацията може да остане достъпна и да се появява в точния контекст точно когато човекът трябва да я използва. Така Яснотата може постепенно да се премести:
- От
„Всичко, което трябва да знаеш в Ден 1“ - Към
„Това, което трябва да знаеш точно сега.“
Два часа
Това доведе и до един от най-запомнящите се примери в разговора.
Ако ИИ може да поеме голяма част от двучасовата презентация на човешки ресурси за компанията, какво може да направи човекът от човешки ресурси с освободените два часа?
- Не
Два часа, в които разказва за организацията. - А например
Два часа, в които помага на новия човек да я преживее.
- Да го разведе
- Да го срещне с хора
- Да го запознае с различни екипи
- Да му помогне да усети културата
- Да постави началото на реални отношения
И така стигнахме до въпрос, който премина през целия остатък от разговора:
Въпросът, който остана с нас:
Ако ИИ поеме дадена задача, за какво освобождаваме човешкото време?
5.ЯСНОТА: от повече информация към правилната яснота
Нашият предварителен преглед на изследванията и практиките раздели Яснотата на три различни въпроса:
Контекст
Къде съм и как работи това място?
Очаквания
Какво се очаква от мен?
Процес
Как да продължа оттук?
Това разграничение е важно. ИИ може да даде ясен отговор на конкретен въпрос. Но:
Ясен отговор не означава непременно споделено разбиране.
Какво вече правят организациите в разговора
Участниците описаха широк набор от практики. Най-разпространената беше ИИ помощник за често задавани въпроси към човешки ресурси и администрацията. В различна степен всички представени организации използваха, тестваха или сериозно обмисляха подобна възможност.
- 80–90% по-малко повтарящи се запитвания към екипа в една организация след въвеждането на такъв помощник (вътрешно наблюдение, споделено от участник, а не независимо проверено измерване от настоящото изследване)
Други практики включваха:
- Персонализиране на информацията според ролята, нивото, езика и контекста
- Автоматизиран и персонализиран процес по онбординг
- ИИ помощник, който води новия служител през процеса и дава информация и обратна връзка
- Персонализиран списък със задачи и проследяване на напредъка
- ИИ, вграден във вътрешните системи и предоставящ помощ при конкретна задача
- ИИ агент, който не само обяснява дадена административна процедура, а извършва част от действията
- ИИ, който динамично променя следващата стъпка според напредъка на човека
Още пет практики, които си струва да наблюдаваме
1Реконструиране на историята зад решенията
Новият човек не влиза в организацията в началото на нейната история. Той пристига след години решения, промени и компромиси.
С други думи, от новия човек се очаква да действа по решения, в чието вземане не е участвал. Да разбере защо са взети е част от това да е готов да действа по тях.
ИИ може да използва документи, предишни версии, протоколи, имейли и други източници, за да помогне не само да намерим какво е решението, а и да разберем как и защо сме стигнали до него.
Тук ограничението е очевидно: голяма част от истинския организационен контекст никога не е бил записан.
2Подпомагане на целите и очакванията
ИИ може да използва ролята, приоритетите на екипа и организационните цели, за да помогне при създаването на конкретни цели и първи стъпки. Но тук има интересен риск.
Изследване на SAP с 693 служители в шест клиентски организации установява, че подпомогнатите от ИИ цели се възприемат като полезни и мотивиращи, но показват по-слаба съгласуваност с целите на компанията.
По-ясното формулиране не гарантира, че хората влагат еднакъв смисъл.
Същата разлика се появява и далеч извън онбординга: едно решение може да е ясно записано и пак да се разбира различно от хората, които трябва да го изпълнят.
3Изясняване на ролите на човека и ИИ
С навлизането на ИИ един нов въпрос става част от онбординга: Какво се очаква да правя аз и какво е приемливо да оставя на ИИ?
Новият човек трябва да разбира не само работата си, но и границата на допустимото делегиране, проверката и собствената си отговорност.
4Обясняване на критериите за добро представяне
Не само „Това е задачата.“ А „Ето как изглежда добрият резултат.“
ИИ може да помогне да се изяснят критерии, примери и очаквано качество. Но окончателното определяне на „добро“ остава организационен въпрос, а не технологичен.
5Откриване на блокери и зависимости
Един интелигентен процес може да разбере не само, че задачата не е завършена, а защо:
- Липсва достъп
- Друг екип още не е предприел действие
- Предходна задача не е изпълнена
- Новият човек чака решение
Това премества автоматизацията от „списък със задачи“ към реална координация на процеса.
Microsoft вече демонстрира подобна посока чрез своя Onboarding agent за Dynamics 365 Human Resources, който препоръчва задачи и следващи действия и свързва работата на човешки ресурси и новия служител. Човекът обаче преглежда и потвърждава предложенията преди системата да извърши промяната.
Основният риск при Яснотата
ИИ може да направи информацията много по-достъпна. Може да намали несигурността, да обясни и да персонализира. Но двама души могат да получат напълно ясен отговор и пак да го интерпретират различно.
Затова:
По-ясен онбординг ≠ автоматично по-добра съгласуваност.
6.СВЪРЗАНОСТ: ИИ може да отвори вратата, но хората изграждат връзката
Свързаността не е едно нещо. В предварителния преглед открихме четири различни нива:
Достъп до хора
Към кого мога да се обърна?
Качество на отношенията
Мога ли да разчитам на тези хора?
Междуличностна безопасност
Мога ли да попитам, да призная грешка, да не се съглася и да бъда себе си?
Принадлежност
Чувствам ли се приет като част от „нас“?
Това води до друга важна разлика:
Повече контакти ≠ повече Свързаност.
Какво вече се появява в практиката
Една организация в разговора тестваше разговорен ИИ за подкрепа при трудни ситуации, разработван с участието на психолози. Този пример отвори голяма дискусия:
- Какво може човек да сподели с корпоративен ИИ?
- Кога системата трябва да спре и да насочи човека към реален специалист?
- Кой носи отговорност за препоръката?
- Каква информация може да бъде съхранявана?
- Какво става, когато разговорът излезе извън професионалния контекст?
Участниците и домакините обсъдиха също използване на ИИ за предлагане на подходящи вътрешни общности, хора и дейности, които могат да помогнат на новия човек да се интегрира по-бързо.
Още пет практики, които могат да помогнат
1Намиране на правилния експерт
Организационната схема показва длъжности. Тя не винаги показва кой действително разбира даден проблем.
ИИ може да използва умения, проекти, документи и работна история, за да открие хора с подходящия опит. Практиката вече се появява в корпоративни системи за търсене на експерти и умения.
Но намирането на правилния човек е само възможност за връзка. Не самата връзка.
2По-добро съчетаване с наставник
Вместо новите служители и наставниците да се съчетават само по функция или наличност, ИИ може да анализира цели, опит, интереси и нужди и да предложи подходяща двойка.
Donut например вече използва ИИ, за да предлага съчетаване между наставници и участници на база техните отговори и изискванията на програмата, като човек преглежда всяко предложение и запазва крайното решение.
3Предлагане на „топло“ запознанство
Има разлика между „Ето имейла на Мария.“ и „Иван работи и с двама ви. Той може да ви запознае.“
ИИ може да използва съществуващите връзки в организацията, за да предложи по-естествен начин новият човек да стигне до необходимия контакт.
4Подкрепа за ръководителя и наставника
Свързаността не е отговорност само на новия човек. ИИ може да помага и на другата страна:
- Да напомни за нерешен въпрос
- Да предложи подходящи въпроси
- Да помогне на ръководителя да се подготви за труден разговор
- Да подкрепи по-добра реакция при грешка, несигурност или несъгласие
Culture Amp например използва ИИ помощник за подготовка на обратна връзка, разговори с ръководители и трудни професионални ситуации.
5Подкрепа за първия принос към общността
Да откриеш подходяща вътрешна общност е едно. Да се включиш в нея е друго.
ИИ може да обобщи предишния разговор, да предложи въпрос или да помогне на новия човек да формулира първия си полезен принос.
Microsoft Viva Engage например предлага чрез Copilot идеи къде и как служителят може да се включи и помага при подготовката на публикации и отговори.
Но тук има важна граница. Ако новият човек зададе въпрос и трима колеги му отговорят, той получава не само информация. Получава и социален сигнал:
- Видяхме те.
- Въпросът ти има място тук.
- Готови сме да помогнем.
Ако същият въпрос получи съвършен отговор от ИИ и разговорът приключи, Яснотата може да е по-висока. Свързаността не непременно.
Прегледът на практиките формулира това много просто:
ИИ може да помогне на човек да влезе в стаята. Хората в стаята определят дали ще почувства, че принадлежи.
ИИ може да намали риска от разговор. Това не означава, че средата е безопасна.
Особено интересна е разликата между две употреби.
- ИИ вместо колега
Човек пита ИИ вместо колега. Така избягва риска да изглежда некомпетентен. - ИИ преди разговора
ИИ му помага да се подготви: да формулира въпроса, да репетира несъгласието, да структурира трудната обратна връзка. И после реалният човешки разговор все пак се случва.
За Свързаността това е фундаментална разлика. ИИ може да премахне междуличностния риск. Или може да помогне на човека да го поеме.
А психологическата безопасност се изгражда от това, което се случва след това.
7.ПРИНОС: от учене към реална стойност
Онбордингът в крайна сметка трябва да доведе до работа, която има стойност. Затова разглеждаме Приноса през три различни въпроса.
Умело изпълнение
Мога ли да върша полезна работа добре?
Адаптивен принос
Мога ли да се справя с нещо, за което правилата не са ме подготвили?
Проактивен принос
Мога ли да подобря начина, по който вършим работата?
Това води и до една ключова разлика:
Повече произведено ≠ повече Принос. Принос има тогава, когато някой реално може да използва резултата.
Какво обсъдихме в стаята
Сред практиките, които организациите използват или обмислят, бяха:
- Персонализирани обучения
- ИИ, който проверява реални или близки до реалните задачи
- Автоматична обратна връзка
- Индивидуална оценка, която променя следващите стъпки
- Подкрепа за ръководителя при поставяне на задачи, обратна връзка и проследяване на представянето
- Персонализиран план за развитие
- ИИ, който определя динамично кога човекът е готов за следващата стъпка
Появи се и по-широка идея: новият човек да не е просто потребител на ИИ, а още по време на онбординга да използва разрешените инструменти, за да автоматизира част от собствената си работа. Така грамотността за работа с ИИ става част от готовността за ролята.
Още пет практики, които могат да ускорят Приноса
1Помощ по време на реалната работа
Не само обучение предварително. ИИ може да помага точно когато служителят изпълнява истинската задача:
- Да намери контекст
- Да предложи първа версия
- Да анализира ситуацията
- Да предложи следващото действие
И тук вече имаме сериозни данни:
- 15% средно увеличение на продуктивността при 5 172 служители в обслужване на клиенти след въвеждане на генеративен ИИ помощник, с по-голяма полза за по-неопитните и по-ниско представящите се
Изследователите намират и признаци за учене, а не само моментно ускоряване на работата. Това не е изследване на онбординг. Но е силна индикация, че ИИ може да позволи на по-неопитни хора да създават полезен резултат по-рано.
2Предвиждане на грешки
Вместо само да проверява резултата след края, ИИ може да сигнализира: „Тук има висок риск от грешка.“ или „При този тип случай често се пропуска X.“
Така проверката се мести от следващ етап към самата работа.
3Разпознаване кога е нужен човек
Може би една от най-важните способности на ИИ не е винаги да даде отговор. А да разпознае: „Не съм достатъчно сигурен. Тук е нужен по-опитен човек.“
Това помага на новия служител да научи не само как да решава проблеми, а и кога не трябва да ги решава сам.
4Сравняване на сценарии при неясна ситуация
Когато няма един очевиден отговор, ИИ може да помогне да се разгледат различни варианти, рискове и последствия. Това не отменя преценката. Подготвя я.
Експеримент с 758 консултанти показва, че при 18 реалистични задачи, попадащи в зоната на силните способности на ИИ, хората с ИИ завършват повече задачи, по-бързо и с по-високо качество. Но при задача, създадена извън тази зона:
- 19% по-малко вероятно да стигнат до правилното решение, когато използват ИИ
Опитният човек понякога разпознава, че даден случай е необичаен, защото е виждал стотици нормални случаи. Новият човек все още няма тази база. ИИ може да компенсира част от липсата на опит, но може и да даде убедително звучаща препоръка точно когато новият служител е най-малко способен да я оспори.
5Откриване и тестване на подобрения
Новите служители имат едно специално предимство: все още не са свикнали с всички неудобства в организацията. Те забелязват неща, които останалите вече приемат за „просто начина, по който работим“.
ИИ може да помогне на човека да открие повтарящ се проблем, да формулира идея, да я оспори, да сравни алтернативи, да създаде малък експеримент и дори да направи прототип или автоматизация.
BBVA например съобщава за над 20 000 специализирани GPT решения, създадени от служители, около 4 000 от които се използват редовно. Това не доказва, че новоназначените трябва веднага да променят организационните процеси. Но показва нова възможност.
Нова възможност:
Онбордингът не трябва само да научи човека как работим. В един момент трябва да му позволи да започне да пита как можем да работим по-добре.
8.От информация към решение: колкото повече прави ИИ, толкова по-важна става границата
Когато подредихме практиките, се появи ясна посока:
- Информация
- Насока
- Персонализация
- Действие
- Оценка
- Динамично адаптиране
- Решение
Първите стъпки са сравнително лесни за приемане:
- ИИ намира политика
- Напомня за задача
- Предлага съдържание
- Обяснява процедура
Но когато стигнем до въпроси като тези, разговорът се променя:
- „Готов ли е този човек?“
- „Как трябва да постъпим в този необичаен случай?“
- „Трябва ли това да повлияе на бъдещото му развитие?“
- Вече не е достатъчно да питаме
„Може ли ИИ да го направи?“ - Трябва да питаме
„Трябва ли да му позволим да го направи самостоятелно?“
Групата постепенно очерта една работна граница.
ИИ изглежда особено подходящ за дейности, които са
- Повтаряеми
- Предвидими
- Ясно процедурни
- Основани на правила
- Лесни за проверка
- Лесни за персонализиране чрез налични данни
Човешката роля става особено важна там, където имаме
- Отношения
- Неяснота
- Контекст
- Изключения
- Конфликт на ценности
- Преценка
- Отговорност
Но това не е фиксирана линия. Именно сивата зона между двете е един от най-важните въпроси пред организациите.
9.Човешкият контрол не означава просто да натиснеш „Одобрявам“
Разговорът за трудните ситуации доведе естествено до управлението на ИИ:
- Кой носи отговорност за съвета?
- Какво има право системата да знае?
- Кога трябва да прехвърли случая към човек?
- Кой определя критериите, по които ИИ оценява представянето?
- Какво става, когато резултатът има реални последствия за служителя?
Това вече не е само технологичен въпрос. Става въпрос за управлението на организацията. И регулаторната среда се движи в същата посока.
Европейският законодателен акт за ИИ третира определени системи, използвани за задачи в областта на заетостта и управлението на работници, като високорискови. Правилата за тези високорискови приложения включват изисквания за управление на риска, проследимост, точност и подходящ човешки надзор.
- 2.12.2027 от тази дата трябва да започнат да се прилагат правилата за високорисковите приложения
Това не означава, че всеки ИИ помощник за онбординг е високорисков. Но показва колко важна става разликата между:
- ИИ помага
ИИ подкрепя хората, които решават. - ИИ решава
ИИ взема решение с последствия за човека.
10.А какво става, когато правилото не работи?
В края разговорът стигна до по-дълбок въпрос. ИИ е много способен да открива и използва закономерности. Но реалната работа е пълна с изключения:
- Човекът не реагира както очакваме
- Две добри практики си противоречат
- Политиката казва едно, но контекстът изисква друго
- Нямаме достатъчно информация
- „Средното“ решение не е правилното решение за този човек
Това доведе до разговор за различните източници на преценка:
- Данни
- Логика
- Опит
- Мъдрост
- Интуиция / инстинкт
Не като доказана йерархия. А като въпрос:
Къде свършва полезността на едното и започва необходимостта от другото?
Личен пример от Ставрос Ставру
Когато първото ми дете се роди, подходих към родителството като инженер. Прочетох почти всяка книга, която намерих. Опитвах се да намеря правилния алгоритъм.
Няколко месеца по-късно бях по-объркан, отколкото в началото. Една книга казваше едно. Следващата препоръчваше обратното. Съпругата ми изглеждаше много по-способна да реагира на конкретното дете и конкретната ситуация.
Може би това беше опит. Може би интуиция. Може би нещо, което просто трудно се превръща в универсално правило.
Същият проблем съществува в организациите. Ръководителят може да има всички данни, политиката, добрата практика и препоръката на ИИ. И пак да трябва да каже:
„Да, но в този конкретен случай ще направим друго.“
Човешкият контрол не означава просто да одобрим машинното решение. Понякога човекът е нужен именно заради:
- Контекста
- Преценката
- Мъдростта
- Отговорността за изключението
Един от най-силните въпроси от срещата:
ИИ е много добър в разпознаването на закономерности. Но какво правим, когато доброто решение е именно изключението от закономерността?
11.Три въпроса за всяка дейност, която искаме да дадем на ИИ
От разговора може да се изведе проста практическа рамка.
1Може ли ИИ надеждно да го направи?
- Повтаряема ли е дейността?
- Предвидима ли е?
- Има ли ясни правила?
- Разполагаме ли с необходимата информация?
- Можем ли лесно да проверим резултата?
Ако отговорът е „да“, вероятно има добра възможност ИИ да поеме част от работата.
2Трябва ли ИИ да го прави самостоятелно?
- Какъв е рискът при грешка?
- Има ли чувствителен човешки контекст?
- Решението обратимо ли е?
- Има ли реални последствия за човека?
- Необходима ли е преценка, която организацията не иска да делегира?
Тук се определя необходимостта от човешки контрол.
3Какво ще направят хората с освободеното време?
Това може да е най-важният въпрос. Ако ИИ спести един час административна работа на човека от човешки ресурси или ръководителя, какво ще се случи с този час? Още административна работа? Или:
- Среща с новия човек
- Разговор за реалната работа
- Представяне на колеги
- Обратна връзка
- Наставничество
- Наблюдение
- Обсъждане на трудна ситуация
- Изграждане на доверие
Истинската стойност на автоматизацията не е само времето, което сме спестили.
Тя е това, което организацията избира да направи с него.
12.Един различен модел за онбординг
Традиционният модел често изглежда приблизително така:
Информация → Обучение → Завършен онбординг
Но „завършен“ не означава „готов“. Изследванията и практиката подсказват друга картина. В среда с ИИ можем да мислим за онбординга като едновременно развитие на три способности.
Свързаност от самото начало
Реално посрещане. Хора, към които можеш да се обърнеш. Доверие. Безопасност да попиташ. Постепенно усещане за принадлежност.
Яснота точно когато е необходима
Правилната информация, в правилния контекст, на правилния език, за конкретната роля, точно когато трябва да бъде използвана.
Принос чрез реална практика
Реални или реалистични задачи. Обратна връзка. Постепенно повече самостоятелност. Преценка при изключения. С времето способност не само да следваш начина на работа, а да го подобряваш.
Трите не са последователни етапи. Те се развиват едновременно. ИИ просто променя начина, по който можем да ги подкрепим.
13.Какво бихме измервали?
Ако целта е Яснота, Свързаност и Принос, тогава „Завърши ли всички дейности по онбординг?“ не е достатъчна мярка за успех. Една организация би могла да започне например с няколко въпроса:
Яснота
- Разбира ли човекът ролята и очакванията си?
- Знае ли къде да намери необходимата информация?
- Разбира ли как се вземат решения?
- Разбира ли връзката между своята работа и приоритетите на организацията?
Свързаност
- Знае ли към кого да се обърне?
- Има ли реални работни отношения?
- Може ли спокойно да зададе въпрос или да признае грешка?
- Чувства ли се приет като част от екипа?
Принос
- Може ли да изпълнява ключовите задачи на ролята?
- Колко подкрепа още му е необходима?
- Как се справя с непредвидени ситуации?
- Може ли да вземе подходящо решение, когато няма очевиден отговор?
Бизнес показатели
- Колко време е необходимо до очакваната продуктивност?
- Колко време е необходимо до очакваната самостоятелност?
- Какво е качеството на работата?
- Какви грешки се появяват?
- Колко време инвестират ръководителят и екипът?
- Има ли ранно напускане?
Това не е универсална система за оценяване. Точно обратното. Въпросът е всяка организация да реши:
За всяка организация:
Какво означава „готов“ при нас и как бихме разбрали, че човекът действително е стигнал дотам?
14.По-широкият контекст: HR все още е в период на експериментиране
Разговорът в София не се случва изолирано.
- 39% от организациите вече използват ИИ в човешките ресурси през 2026 г., а други 7% планират да го направят в рамките на годината (SHRM)
- 56% от функциите по човешки ресурси не измерват формално успеха на своите инвестиции в ИИ (SHRM)
- 19% от основните HR процеси в Европа са подпомогнати от генеративен ИИ през 2025 г., а при други 32% организациите все още са в пилотна фаза (McKinsey)
Използването е концентрирано най-вече в подбор, HR технологии и обучение и развитие.
- Тоест картината не е
„ИИ вече е решил онбординга.“ - По-скоро
Организациите все още търсят къде ИИ създава истинска стойност, къде просто добавя технология и къде променя естеството на човешката работа.
И това е част от по-голям въпрос. В Global Human Capital Trends 2026 Deloitte установява:
- 6% от лидерите смятат, че организациите им постигат съществен напредък в проектирането на взаимодействието между хора и ИИ
- 65% вярват, че културата им трябва да се промени значително заради ИИ
Технологията се движи бързо. Организационният дизайн тепърва я догонва.
15.Голямата възможност: не по-малко човешки онбординг, а по-добро използване на човешкото време
Към края на срещата разговорът постепенно се върна там, откъдето започна: към новия човек. ИИ може да направи онбординга:
- По-бърз
- По-персонализиран
- По-достъпен
- По-последователен
- По-малко административно натоварващ
Но това не означава автоматично по-добро преживяване.
- Затова въпросът може би не е
„Как да премахнем хората от онбординга?“ - А
„Как да премахнем от хората нещата, за които не е необходимо да бъдат хора?“
Нека ИИ го направи
- Ако ИИ може да намери правилната политика, нека го направи.
- Ако може да напомни за задача, нека го направи.
- Ако може да преведе, персонализира и обясни процедура, нека го направи.
- Ако може да подготви човек за труден разговор, нека помогне.
- Ако може да провери очевидна грешка, нека я посочи.
Човешкото време там, където създава уникална стойност
- В отношенията
- В доверието
- В споделянето на контекст
- В истинския разговор
- В обратната връзка
- В преценката
- В изключението
- В чувството за принадлежност
- В поемането на отговорност
Заключение
- В началото на разговора зададохме въпроса
Какво се случва с онбординга, когато ИИ е наличен още от Ден 1? - До края въпросът беше различен
Не „ИИ или хора?“, а: Къде ИИ е истински полезен и къде трябва да предаде щафетата на човека?
Не намерихме универсална граница. Вероятно такава няма. Но се появи последователен принцип.
ИИ е все по-способен да поеме повторяемото, предвидимото, процедурното и информационно тежкото. Може да намира, обяснява, персонализира, напомня, координира, проверява и все повече да действа.
Това не прави човешката страна на онбординга по-малко важна. Може да я направи по-видима. Защото когато премахнем част от административния шум, остават по-трудните въпроси:
- Разбира ли човекът защо сме тук?
- Знае ли как реално работим?
- Има ли хора, на които може да разчита?
- Може ли да зададе въпрос, когато не знае?
- Чувства ли се част от това място?
- Може ли да създава реална стойност?
- Разпознава ли кога ситуацията изисква нещо повече от правилото?
- Може ли един ден не само да работи добре в системата, а да помогне тя да стане по-добра?
Точно тук може да се намира най-голямата възможност пред онбординга в ерата на ИИ:
Да автоматизираме повече от процеса, за да направим повече от преживяването истински човешко.
Въпроси, които остават отворени
- Кога всъщност започва онбордингът и кога свършва?
- Кой трябва да определя критериите за успех?
- Каква част от цената и ефекта е практично да измерваме?
- Как разбираме кога човекът е достигнал очакваната самостоятелност?
- Може ли ИИ да определя кога човекът е готов?
- Кога препоръката на ИИ трябва задължително да премине през човек?
- Кои решения не трябва да бъдат делегирани, независимо от техническите възможности?
- Може ли ИИ да подпомага Свързаността, без да замества взаимодействията, чрез които тя се изгражда?
- Как се променя ролята на ръководителя, когато ИИ може да поеме част от насочването и обратната връзка?
- Какво правим, когато утвърдената добра практика не работи за конкретния човек?
- Как изграждаме грамотност за работа с ИИ още по време на онбординга?
И най-важното:
Как разбираме дали онбордингът действително помага на човека и организацията да успеят заедно?
За този доклад
Докладът комбинира четири вида източници.
1Практическа кръгла маса
Затворена фасилитирана дискусия, проведена на 21 октомври 2026 г. в София с осем практици от седем организации и двама домакини.
2Практики от организациите
Примери за използване на ИИ, които участниците вече прилагат, тестват или обмислят.
3Три предварителни прегледа на изследвания и практики
Яснота, Свързаност и Принос, разработени преди срещата на база академична литература, организационни примери и възникващи приложения на ИИ. Прегледът на Яснотата разглежда контекст, очаквания и процес; Свързаността разглежда достъп до хора, качество на отношенията, междуличностна безопасност и принадлежност; Приносът разглежда умело изпълнение, адаптивен и проактивен принос.
4Допълнителна международна проверка
Академични изследвания, актуални международни HR проучвания и документирани организационни практики.
Кръглата маса не е представително изследване на българските работодатели. Числата от разговора не трябва да се четат като оценки за целия пазар.
Целта е друга: да направим видими
- Повтарящи се теми
- Напрежения
- Възникващи практики
- Въпроси, които организациите могат да проверят в собствения си контекст
Благодарности
Този доклад нямаше да съществува без откровеността и практическите примери на участниците в „Онбординг в ерата на ИИ“:
Ivelina SlavovaIngram Micro
Emil MinevExtreme Consulting
Yoana StaykovaCobuilder
Zlatka KraychevaCobuilder
Reni KrasimirovaIntermedica
Daria TopalovaPlaytech
Elitsa PetrovaSAP
Veronika TsvetanovaCoca-Cola
Благодарим ви, че донесохте в разговора не само добрите практики, но и въпросите, съмненията и нещата, за които все още нямаме добър отговор.
Срещата беше създадена и фасилитирана от Весела Колева, Ph.D. и Ставрос Ставру, Ph.D.
Докладът е написан от:
Весела Колева, Ph.D.Автор · Домакин
Ставрос Ставру, Ph.D.Автор · Домакин
Иван МитовАвтор
ExecuteOS подкрепи провеждането на срещата (вижте „За ExecuteOS“ по-долу).
За ExecuteOS
ExecuteOS подкрепи провеждането на срещата. Изводите в доклада идват от участниците и цитираните изследвания, а не от ExecuteOS.
ExecuteOS показва на ръководния екип дали хората, които трябва да изпълнят следващия му приоритет, наистина го разбират, вярват в него и знаят как да действат по него, и след това провежда сесиите, които затварят пропуските, преди изпълнението да е започнало. Онбордингът е един от приоритетите, за които се използва.
Къде е мястото на ExecuteOS
Два от изводите в този доклад описват проблема, по който работи ExecuteOS:
Ясният отговор не е споделено разбиране
ИИ може да даде ясен отговор на всеки нов колега. Но двама души могат да получат напълно ясен отговор и пак да го интерпретират различно.
Малко организации знаят дали онбордингът им работи
Всички организации, представени в разговора, имаха структуриран онбординг. Никоя обаче не описваше структуриран начин за оценяване на неговата обща ефективност.
Докладът завършва с въпрос, на който всяка организация трябва да отговори сама: какво означава „готов“ при нас и как бихме разбрали, че човекът действително е стигнал дотам? ExecuteOS помага с втората половина. Показва дали новите колеги имат едно и също разбиране за бизнеса, културата и начина на работа и къде го нямат, преди пропуските да проличат в работата им.
Как: разговор, а не презентация
- Слушане
Новите колеги получават информацията: презентация за добре дошли, обучения, документи, ИИ помощник, който отговаря на въпросите им. - Разговор
Новите колеги я осмислят заедно с колегите си: всеки споделя как я разбира, сравняват и се съгласяват какво означава тя за работата им.
Тук се изгражда и Свързаността. Разбирането на компанията става нещо, което новите колеги изграждат заедно, а не нещо, което попиват поотделно, и по пътя те получават:
- Реални отношения с колегите още от първите седмици
- Общност от нови колеги, които продължават да се подкрепят и след онбординга
- Чувство за принадлежност и идентичност още от самото начало
Рамката на доклада и ExecuteOS
| ExecuteOS показва | Въпросът | Най-близката идея в доклада |
|---|---|---|
| Споделено знание | Разбират ли бизнеса, културата и начина на работа по един и същ начин? | Яснота |
| Убеденост | Вярват ли в това и мислят ли го наистина? | Свързаност, чрез принадлежност и гордост |
| Практика | Могат ли да действат по това в реална ситуация? | Принос |
Примерна програма за онбординг
Всяка организация изгражда собствена програма според нуждите си, съществуващия си онбординг процес и темите, които вече покрива. Като отправна точка ExecuteOS предлага шаблон от четири едночасови сесии, в които новите колеги опознават компанията заедно:
1Да познава бизнеса
Как печелим, кои са клиентите ни и как стигнахме дотук.
2Да живее ценностите
Какво означават ценностите в реални решения и къде хората се съмняват в тях.
3Да знае кой кой е
Кой какво решава, кого да попита и как да стигне до него.
4Да работи по нашия начин
Ежедневните правила за срещи, решения, обратна връзка и молба за помощ.
ИИ освобождава времето. ExecuteOS го превръща в споделено разбиране и Свързаност.
Вижте шаблона за онбординг (на английски) · Разберете дали екипът ви е готов: безплатно, около 3 минути, без регистрация
Основни източници
Bauer, T. N., Erdogan, B., Ellis, A. M., Truxillo, D. M., Brady, G. M., & Bodner, T. (2025). New Horizons for Newcomer Organizational Socialization: A Review, Meta-Analysis, and Future Research Directions. Journal of Management, 51(1), 344–382.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942.
Dell’Acqua, F. et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science.
Българска асоциация за управление на хора. Проект ONBOARD, резултати от проучването на практиките по онбординг сред 107 професионалисти по човешки ресурси.
SHRM (2026). The State of AI in HR 2026.
McKinsey & Company (2025). HR Monitor 2025.
Deloitte (2026). Global Human Capital Trends 2026.
European Commission. Законодателен акт за ИИ и актуален график за прилагане на правилата за високорискови системи.
Допълнителните примери за практики и технологии са разгледани в трите Evidence & Practice Reviews за Яснота, Свързаност и Принос, подготвени през октомври 2026 г.