Mentingo: LMS z AI do rozwoju kompetencji pracowników

Czy współczesny LMS powinien jedynie dostarczać kursy i mierzyć ich ukończenie? W Mentingo patrzymy na ten problem szerzej. Rozwijamy platformę tak, aby wspierała również praktyczne wykorzystanie wiedzy, skalowanie szkoleń i mierzenie efektów rozwoju. Maria Nowicka-Pawlik, Head of Growth w Mentingo, opowiada o ewolucji produktu, AI Mentorze oraz wyzwaniach, z którymi przychodzą dziś zespoły HR i L&D.

1. Mentingo zaczynało jako platforma LMS, ale z kolejnych zmian produktowych widać coraz mocniejszy zwrot w stronę AI i rozwoju kompetencji. Jak dziś definiujecie Mentingo: jako LMS, platformę learningową czy już coś więcej?

Dzisiaj powiedziałabym, że Mentingo jest platformą do rozwoju praktycznych kompetencji pracowników, która ma wszystkie fundamenty nowoczesnego LMS-a, ale coraz mocniej wychodzi poza klasyczne zarządzanie kursami.

To rozróżnienie jest dla nas ważne. Klasyczny LMS bardzo często odpowiada na pytania: kto został zapisany na szkolenie, kto je ukończył, jaki uzyskał wynik w quizie. My chcemy pójść krok dalej i odpowiedzieć na znacznie trudniejsze pytanie: czy ta osoba rzeczywiście potrafi wykorzystać zdobytą wiedzę w swojej pracy?

Dlatego rozwijamy Mentingo w kilku kierunkach jednocześnie. Z jednej strony mamy klasyczne elementy platformy learningowej: kursy, ścieżki rozwoju, onboarding, certyfikaty, statystyki, SCORM czy zarządzanie grupami. Z drugiej coraz większą rolę odgrywa AI — zarówno przy tworzeniu treści, jak i podczas samego procesu uczenia. AI Mentor może prowadzić rozmowę z pracownikiem, zadawać dodatkowe pytania, symulować rzeczywistą sytuację i dawać feedback.

Widać też tę zmianę, kiedy spojrzy się na rozwój produktu. Zaczynaliśmy od budowania solidnych fundamentów LMS-a, później pojawiły się bardziej zaawansowane funkcje AI, Voice AI Mentor, ścieżki rozwoju i kolejne elementy wspierające ciągłą naukę. W roadmapie mamy chociażby proaktywnego AI Mentora, który będzie mógł inicjować kontakt z użytkownikiem i proponować trening na podstawie bieżących wyzwań.

Dlatego nie chcemy, żeby Mentingo było miejscem, do którego pracownik wchodzi dwa razy w roku, żeby „odklikać szkolenie”. Chcemy, żeby było narzędziem używanym wtedy, kiedy rzeczywiście trzeba coś zrozumieć, przećwiczyć albo rozwinąć.

Ten sam sposób myślenia rozwijamy również przez Learning Hub. Udostępniamy tam darmowe szkolenia dla HR i L&D, dzięki którym można poznać Mentingo z perspektywy uczestnika i zobaczyć, jak wygląda nauka na platformie.

2. Na rynku jest dziś bardzo wiele platform LMS, a coraz więcej z nich dodaje funkcje oparte na AI. Co dziś najbardziej wyróżnia Mentingo na tle innych platform LMS rozwijających funkcje AI?

Nie powiedziałabym, że pojedyncza funkcja AI jest dziś przewagą, której konkurencja nie może skopiować. Rynek rozwija się zdecydowanie za szybko. Jeżeli ktoś buduje swoją przewagę wyłącznie na tym, że „ma AI”, to prawdopodobnie jest to przewaga bardzo krótkoterminowa.

Dla nas przewagą jest raczej sposób połączenia technologii z realnym procesem rozwoju pracownika.

AI w Mentingo nie pojawia się tylko jako okienko do zadawania pytań. Wykorzystujemy je w kilku momentach procesu. Najpierw może pomóc zespołowi L&D zamienić istniejące dokumenty, procedury czy prezentacje w pierwszą wersję kursu. Później pracownik może zdobyć wiedzę, a następnie przejść do rozmowy lub symulacji z AI Mentorem i zastosować tę wiedzę w praktyce. Na końcu organizacja może obserwować postęp i aktywność w jednym środowisku.

Drugi element to nasze doświadczenie w EdTech i HRTech. Mentingo nie powstało jako przypadkowy projekt wykorzystujący popularność generatywnej AI. Za produktem stoi doświadczenie zespołu, który od wielu lat tworzy rozwiązania edukacyjne i learningowe. Na stronie Mentingo mówimy dziś o ponad 15 latach doświadczenia w tym obszarze.

I trzeci element: bardzo dużo uczymy się bezpośrednio od organizacji. Nie chcemy rozwiązywać hipotetycznych problemów L&D. Dlatego regularnie rozmawiamy z osobami z HR i L&D, zarówno podczas współpracy z klientami, jak i na organizowanych przez nas eventach oraz konferencjach, w których uczestniczymy. Słuchamy, z jakimi wyzwaniami mierzą się na co dzień i które problemy rzeczywiście wymagają rozwiązania. Patrzymy na to, gdzie naprawdę tracony jest czas, gdzie ludzie nie angażują się w szkolenia, gdzie wiedza jest rozproszona i gdzie HR nie ma danych potrzebnych do podjęcia decyzji.

Dlatego nie budujemy przewagi na samej obecności AI, ale na połączeniu tworzenia treści, praktyki z AI Mentorem i danych o postępach w jednym procesie.

3. Jednym z najmocniej komunikowanych elementów Mentingo jest AI Mentor. Jaki problem biznesowy rozwiązuje on lepiej niż klasyczny kurs, quiz czy chatbot dostępny w większości narzędzi AI?

Najprostszy przykład to szkolenie sprzedażowe.

Możemy dać handlowcowi kurs o prowadzeniu rozmowy z klientem. Możemy później zrobić quiz i zapytać: „Jak należy odpowiedzieć na tę obiekcję?”. Jeżeli zaznaczy właściwą odpowiedź, system uzna temat za zaliczony.

Ale prawdziwa rozmowa z klientem tak nie wygląda.

Klient może odpowiedzieć inaczej, niż przewiduje scenariusz. Może dopytać, zakwestionować argument, zmienić temat. I dopiero wtedy widzimy, czy dana osoba rzeczywiście potrafi zastosować wiedzę.

Tutaj widzę największą wartość AI Mentora. Użytkownik może wejść w symulację rozmowy — na przykład sprzedażowej, negocjacyjnej czy rekrutacyjnej — odpowiedzieć własnymi słowami, dostać kolejne pytanie i przećwiczyć scenariusz w bezpiecznym środowisku. AI Mentor może analizować odpowiedzi i dawać spersonalizowany feedback. Możliwe są zarówno rozmowy tekstowe, jak i głosowe.

To jest różnica między „wiem, jaka jest poprawna odpowiedź” a „potrafię sobie poradzić w konkretnej sytuacji”.

Oczywiście AI Mentor nie zastępuje managera, mentora czy dobrego programu rozwojowego. I nie taki jest jego cel. Natomiast może dać coś, co wcześniej było bardzo trudne do skalowania: możliwość wielokrotnego ćwiczenia i otrzymywania indywidualnej informacji zwrotnej przez dziesiątki czy setki pracowników.

Dla mnie właśnie tutaj AI zaczyna mieć realny sens biznesowy w L&D. Nie dlatego, że robi coś efektownego, ale dlatego, że skaluje praktykę, która wcześniej wymagała dużej ilości czasu trenera albo managera.

4. Mówicie o przejściu od samego „ukończenia szkolenia” do sprawdzania, czy pracownik potrafi wykorzystać wiedzę w praktyce. Jak w Mentingo mierzycie, że rzeczywiście nastąpił rozwój kompetencji, a nie tylko interakcja z platformą?

To jest bardzo ważne pytanie, bo łatwo wpaść w pułapkę zamiany jednej vanity metric na inną. Jeżeli wcześniej mierzyliśmy tylko liczbę ukończonych kursów, to liczba rozmów przeprowadzonych z AI sama w sobie również niewiele nam mówi.

Dlatego patrzymy na kilka poziomów.

Pierwszy to klasyczne dane learningowe: czy użytkownik rozpoczął i ukończył materiał, ile czasu poświęcił na naukę, jakie osiągnął wyniki i jak wygląda jego postęp. Mentingo daje administratorom dostęp do danych o ukończeniach, postępach, czasie nauki i wynikach quizów.

Drugi poziom to zastosowanie wiedzy. W przypadku AI Mentora użytkownik nie wybiera wyłącznie odpowiedzi A, B lub C. Musi zareagować na sytuację, wyjaśnić swoje rozumowanie albo poprowadzić rozmowę. To pozwala wychwycić rzeczy, których zwykły quiz często nie pokazuje.

Natomiast trzeci poziom — i dla mnie najważniejszy — powinien być już połączony z celem biznesowym konkretnej organizacji. Jeżeli wdrażamy program sprzedażowy, warto patrzeć na to, czy później zmienia się jakość rozmów czy sposób pracy z obiekcjami. Jeżeli mamy onboarding, interesuje nas, jak szybko nowa osoba osiąga samodzielność. Jeśli szkolimy z procedur, możemy obserwować, czy spada liczba powtarzających się błędów i pytań.

Nie uważam, że platforma learningowa powinna mówić: „pracownik zdobył kompetencję, ponieważ osiągnął 87 punktów”. Technologia daje nam znacznie lepsze dane niż wcześniej, ale prawdziwa wartość pojawia się dopiero wtedy, kiedy połączymy te dane z tym, co zmieniło się w pracy człowieka i w wynikach organizacji.

5. Główną grupą odbiorców Mentingo wydają się dziś zespoły HR i L&D. Z jakim problemem najczęściej przychodzą do Was klienci przed wdrożeniem platformy?

Bardzo często pierwszym problemem nie jest wcale „potrzebujemy nowego LMS-a”.

Znacznie częściej słyszymy: „mamy dużo wiedzy, ale nie potrafimy jej skutecznie skalować”.

Materiały znajdują się w prezentacjach, PDF-ach, na dyskach, w głowach ekspertów, czasami w kilku różnych narzędziach. Przy każdej nowej osobie ktoś ponownie tłumaczy ten sam proces. Zespół L&D spędza dużo czasu na tworzeniu i aktualizowaniu treści. Managerowie odpowiadają wielokrotnie na te same pytania. A później trudno jeszcze powiedzieć, czy pracownicy faktycznie zdobyli potrzebną wiedzę.

Dobrym przykładem jest wdrożenie dla Hygge Hus. Firma potrzebowała jednego standardu szkolenia kolejnych ekip montażowych. Po wdrożeniu deklarowała m.in. skrócenie czasu przygotowania nowej ekipy o 80%, 120 godzin pracy ekspertów zaoszczędzonych rocznie i o 40% mniej powtarzających się pytań i ponownych instruktaży.

Inny problem pojawia się wtedy, kiedy organizacja ma już platformę szkoleniową, ale użytkownicy nie chcą z niej korzystać. W przypadku Case Study Kancelarii Prawnej Sawaryn i Partnerzy głównymi wyzwaniami były UX platformy i zaangażowanie użytkowników w obowiązkowe szkolenia compliance.

Mentingo zostało tam wykorzystane jako brandowana przestrzeń szkoleniowa z kursami, quizami i analityką postępów.

Dlatego powiedziałabym, że wspólnym mianownikiem jest chaos i trudność w skalowaniu rozwoju. Czasem objawia się to brakiem jednego systemu. Czasem niskim zaangażowaniem. Czasem ogromną ilością ręcznej pracy po stronie HR. A czasami tym, że firma ma dużo szkoleń, ale bardzo mało wiedzy o ich realnej skuteczności.

6. W przypadku AI naturalnie pojawiają się pytania o poufne dane firmy i pracowników. Jak odpowiadacie klientom, którzy obawiają się przekazywania wewnętrznej wiedzy, procedur czy rozmów pracowników do systemów opartych na AI?

To jest bardzo zdrowa obawa i bardzo się cieszę, że firmy zaczynają o to pytać przed wdrożeniem, a nie dopiero po fakcie.

Moje podejście jest takie, że w zastosowaniach biznesowych „mamy AI” nie może oznaczać „wrzucajmy do niego wszystko”. Jeżeli pracujemy z wiedzą organizacji, danymi użytkowników czy treściami rozmów, bezpieczeństwo i kontrola dostępu muszą być częścią projektu od początku.

Po stronie samej platformy rozwijamy mechanizmy potrzebne do pracy w środowisku firmowym. Mentingo obsługuje m.in. MFA i SSO, a changelog dokumentuje kolejne zmiany związane z uwierzytelnianiem, kontrolą dostępu i bezpieczeństwem kont.

Natomiast nie chcę sprowadzać tego pytania do zdania „nasze dane są bezpieczne” i oczekiwać, że klient ma nam po prostu uwierzyć.

Przy rozwiązaniach wykorzystujących AI trzeba bardzo konkretnie ustalić: jakiego rodzaju dane mają być przetwarzane, kto ma do nich dostęp, jakie informacje rzeczywiście muszą znaleźć się w systemie i jakie wymagania bezpieczeństwa ma konkretna organizacja. Zwłaszcza w większych firmach w taką rozmowę naturalnie włączają się IT, security, compliance czy działy prawne.

To jest też obszar, który będzie coraz ważniejszy dla całego rynku. Dlatego przy wdrożeniach AI osobno ustalamy zakres przetwarzanych danych, dostęp do nich i wymagania bezpieczeństwa danej organizacji.

Nie uważam więc, że odpowiedzią powinno być: „AI jest bezpieczne, proszę się nie martwić”. Odpowiedzią powinno być: „sprawdźmy, jakie dane mamy, jakie jest ryzyko i jak zaprojektować proces tak, żeby technologia pomagała organizacji bez niepotrzebnego zwiększania tego ryzyka”.

7. Jak wygląda dziś idealny klient Mentingo? Kto najbardziej skorzysta na Waszym produkcie?

Nie mamy jednej sztywnej liczby pracowników, od której nagle Mentingo zaczyna mieć sens. Mamy plany dla organizacji od kilkudziesięciu osób po środowiska enterprise powyżej 500 użytkowników.

Natomiast gdybym miała opisać idealną sytuację, powiedziałabym: firma zaczyna odczuwać koszt skali.

Ma coraz więcej pracowników, procesów, onboardingów, obowiązkowych szkoleń czy programów rozwojowych. Wiedza zaczyna się rozpraszać. HR albo L&D poświęca coraz więcej czasu na organizowanie, przypominanie, aktualizowanie materiałów i ręczne zbieranie informacji. Managerowie są angażowani w powtarzalne elementy nauki, które można byłoby częściowo uporządkować lub zautomatyzować.

To może być firma zatrudniająca 50 osób, ale może być również organizacja mająca setki czy tysiące pracowników. Im więcej osób, treści i procesów trzeba skoordynować, tym większą wartość daje jedno środowisko do zarządzania tym procesem. Sama platforma jest projektowana tak, żeby rosnąć razem z organizacją.

Drugim elementem jest dojrzałość. Największą wartość osiągamy wtedy, kiedy klient nie mówi wyłącznie: „chcemy mieć LMS”, ale potrafi wskazać problem, który chce rozwiązać. Na przykład: chcemy skrócić onboarding, zmniejszyć czas ekspertów przeznaczany na powtarzalne szkolenia, poprawić compliance, zwiększyć zaangażowanie albo zacząć ćwiczyć konkretną kompetencję w dużej skali.

Nie trzeba też kupować platformy w ciemno. Można uruchomić darmowy dostęp do Mentingo i sprawdzić rozwiązanie na własnym procesie.

Transparentnie pokazujemy również koszt Mentingo, bo przy rozmowie z HR czy L&D bardzo szybko pojawia się pytanie nie tylko o funkcje, ale też o opłacalność całego rozwiązania.

Najlepiej pasujemy do organizacji, w której rośnie liczba pracowników, szkoleń i materiałów, a HR lub L&D coraz więcej czasu poświęca na ręczną organizację tych procesów.

8. W case studies pokazujecie m.in. oszczędność czasu, większą skalowalność szkoleń czy wzrost zaangażowania. Która metryka jest według Was najważniejsza, jeśli Head of L&D ma po kilku miesiącach obronić inwestycję w Mentingo przed zarządem?

Nie wybrałabym jednej uniwersalnej metryki dla każdej organizacji, bo to bardzo łatwo prowadzi do złych wniosków.

Jeżeli firma wdraża Mentingo, żeby skrócić onboarding, najważniejszym wskaźnikiem może być time-to-productivity, czyli czas potrzebny do samodzielnej pracy nowej osoby.

Jeżeli celem jest ograniczenie pracy operacyjnej L&D i ekspertów, patrzyłabym na liczbę godzin odzyskanych dzięki automatyzacji tworzenia treści, standaryzacji szkoleń i ograniczeniu powtarzalnego feedbacku czy instruktaży.

Jeżeli problemem jest compliance, liczy się m.in. terminowość realizacji, ukończenia, wyniki i możliwość raportowania procesu.

A jeżeli wdrażamy program rozwoju kompetencji, zależy mi przede wszystkim na tym, żeby pokazać zmianę zachowania albo jakości wykonywania konkretnego zadania, a nie tylko ukończenie kursu.

Przykład Hygge Hus dobrze pokazuje, dlaczego warto wychodzić poza completion rate. Tam rezultat można było opisać operacyjnie: krótsze przygotowanie nowych ekip, mniej powtarzających się pytań i czas ekspertów, którego nie trzeba już przeznaczać na te same instruktaże.

I właśnie takim językiem warto rozmawiać z zarządem.

Head of L&D nie powinien przychodzić z prezentacją: „w tym kwartale ukończono 1250 kursów”. Powinien móc powiedzieć: „dzięki zmianie procesu rozwojowego skróciliśmy onboarding, odzyskaliśmy określoną liczbę godzin managerów, poprawiliśmy realizację obowiązkowych szkoleń albo podnieśliśmy skuteczność w konkretnym obszarze biznesowym”.

Completion rate nadal jest potrzebny. Zaangażowanie nadal jest potrzebne. Wyniki quizów również są potrzebne. Ale są to dla mnie metryki pośrednie.

Metrykę dobieramy do celu programu: przy onboardingu może to być czas do samodzielności, przy compliance terminowość ukończeń, a przy automatyzacji szkoleń czas odzyskany przez ekspertów.