«Людям нужно больше обучения» — одно из самых дорогих непроверенных предположений в управлении изменениями.
Обучение может решить проблему Knowledge. Оно не сделает неясное решение понятным, не превратит несправедливый компромисс в добровольное участие, не создаст права доступа и не остановит старую метрику, вознаграждающую прежнее поведение.
ADKAR полезен тем, что разделяет эти проблемы. Пять результатов — Awareness, Desire, Knowledge, Ability и Reinforcement — дают команде язык диагностики. Ценность не в самой аббревиатуре, а в разных ответах на разные механизмы.
Начните с наблюдаемого изменения
До оценки людей определите, как выглядит принятие.
Слабо:
Сотрудники принимают нового ИИ-помощника.
Сильнее:
Выездные специалисты проверяют рекомендацию помощника, фиксируют критическое исключение и получают человеческое согласование до закрытия визита.
Вторая формулировка задаёт роль, контекст, поведение и контроль. Она не позволяет принять число входов за безопасное внедрение.
Разделите три слоя данных:
| Слой | Вопрос | Пример |
|---|---|---|
| Реализация | Возможность существует? | Мобильный процесс выпущен |
| Принятие | Поведение происходит? | Исключения фиксируют до закрытия |
| Результат | Целевой эффект меняется? | Меньше пропущенных проверок без замедления срочных работ |
ADKAR прежде всего диагностирует слой принятия. Модель не доказывает, что само изменение стратегически и этически обосновано.
Диагностируйте сегменты
Среднее по организации скрывает механизм. Рассмотрим четыре группы одного мобильного процесса:
- офисные диспетчеры имеют стабильную связь и подготовленные данные;
- опытные техники считают, что процесс отнимает оправданную самостоятельность;
- подрядчики понимают цель, но не имеют доступа к наставнику;
- новые техники выполняют задачу, но получают противоречивые инструкции руководителей.
Их ранними барьерами могут быть Knowledge, Desire, Ability и Reinforcement. Одна кампания или курс не решат все четыре проблемы.
Сегментируйте только по значимым различиям роли, влияния или условий. Не создавайте демографические профили без необходимости, законного основания и защиты — например, для доступности или языка.
Используйте данные, а не ярлыки
Для каждого сегмента спросите, что подтверждает или опровергает каждый результат.
Awareness
Могут ли люди своими словами объяснить, почему меняется текущее состояние, какие данные повлияли на решение и что остаётся неопределённым?
Доставка письма и посещение встречи показывают контакт, но не понимание.
Desire
Готовы ли люди участвовать после оценки личных и общих последствий? Как влияют нагрузка, статус, безопасность, доверие и справедливость?
Desire требует этической осторожности. Молчание не равно согласию, а подчинение под угрозой — заинтересованному участию. Человек может понимать бизнес-обоснование и не принимать плохо спроектированное изменение по веской причине.
Knowledge
Знают ли люди новую процедуру, правила решений, исключения, роли и путь помощи?
Данными могут быть разбор сценария, демонстрация и объяснение своими словами. Тест памяти слаб, если работа требует суждения.
Ability
Могут ли люди выполнить действие в реалистичных условиях времени, данных, инструмента, доступа и исключений?
Именно здесь многие «проблемы обучения» оказываются проблемами системы. Если нет прав, интерфейс не работает офлайн или не выделено время на практику, ещё один курс не создаст способность.
Reinforcement
Поддерживают ли обратная связь, системы, руководители и последствия новый способ после запуска?
Признание полезно, но закрепление не сводится к празднику. Оно включает удаление устаревших форм, согласование метрик, исправление дефектов, постоянную помощь и доказательство того, что ответственная обратная связь меняет систему.
Найдите самый ранний пробел
Практическая последовательность:
Если данных Awareness мало, высокие оценки поздних результатов не оправдывают углублённое обучение. Если Awareness и Desire подтверждены, а полевая работа не получается, работайте с Ability.
Считайте ранний барьер гипотезой, а не диагнозом личности. Просматриваемый первичный источник Prosci называет элементы последовательными и одновременно подчёркивает нелинейность применения: потребности меняются вместе с процессом и технологией. Поэтому оценка должна повторяться.
Подберите ответ
| Ранний барьер | Полезный ответ | Частая ошибка |
|---|---|---|
| Awareness | Показать данные решения, последствия и неопределённость; отвечать на вопросы | Громче повторить лозунг |
| Desire | Работать с последствиями, голосом, доверием, нагрузкой, стимулами и реальным выбором | Назвать несогласие сопротивлением |
| Knowledge | Ролевые инструкции, примеры, правила и доступная помощь | Общая коммуникация запуска |
| Ability | Практика, наставничество, время, права, рабочие инструменты и исключения | Повторить тот же курс |
| Reinforcement | Согласовать менеджеров, метрики, настройки, обратную связь и признание | Провести один праздник запуска |
У каждого действия должен быть прогноз. «Провести наставничество» — активность. «Увеличить верную обработку офлайн-исключений с 58% до 75% без роста обходов безопасности» — проверяемый результат.
Используйте PDCA/PDSA, чтобы спланировать поддержку, записать прогноз, изучить результат и адаптировать. Используйте карту стейкхолдеров, если власть, вред и право голоса ещё не представлены.
Мини-кейс: успешный запуск без изменения работы
Сервисная компания сообщает:
- 94% посетили обучение;
- 82% активировали учётную запись;
- 36% способны объяснить операционную причину;
- 68% проходят симуляцию стандартного случая;
- 41% верно работают при потере связи;
- руководители продолжают принимать старую таблицу.
Активность запуска высока. Принятие — нет.
Нужны как минимум три разных действия:
- Восстановить Awareness операционными данными и данными безопасности для тех, кто не понимает решение.
- Проверить Ability на офлайн-исключениях с правильными правами и полевой практикой.
- Исправить Reinforcement: изменить правила руководителей и удалить старый путь только после создания безопасного резерва.
Эти цифры не доказывают слабую мотивацию. Для Desire нужны собственные данные, включая честное обсуждение самостоятельности, нагрузки и доверия.
ADKAR через фантастику: распределённое изменение
Разбор Fiction Lab The Rise of Endymion исследует, как трансформирующая идея может распространяться, не превращая автора в постоянный центр контроля.
ADKAR даёт полезную, но ограниченную оптику:
- доставка сообщения в сеть не означает Awareness, пока участники не могут объяснить его значение;
- харизма может создать Desire, но также скрыть принуждение или зависимость;
- воспроизводимое обучение распределяет Knowledge;
- локальная практика, интерпретация и права решений создают Ability;
- горизонтальные данные и независимые от основателя институты обеспечивают Reinforcement.
Аналогия одновременно показывает ограничение. Цивилизационное движение — не внедрение для сотрудников, коллективную легитимность нельзя свести к пяти индивидуальным результатам. Фантастическая оптика ценна тем, что спрашивает, что остаётся за рамкой ADKAR: власть, институты, несогласие и право отказаться.
Не превращайте ADKAR в наблюдение за сотрудниками
Профиль принятия может содержать чувствительные выводы. Используйте минимум данных:
- предпочитайте агрегацию по роли или контексту;
- отделяйте записи наставничества от оценки эффективности;
- ограничивайте доступ и срок хранения;
- создайте конфиденциальный канал опасений;
- не позволяйте ИИ выводить Desire, лояльность или эмоции из цифровых следов;
- не наказывайте человека, который обнаружил дефект дизайна.
Диагностика нужна для улучшения поддержки и системы, а не для дисциплинарной прозрачности сомнений.
Ограничения модели
ADKAR — практическая модель с высокой удобностью и ограниченной независимой причинной проверкой. Публикации показывают примеры применения, но кейсы не доказывают, что именно ADKAR вызвал успех или превосходит альтернативы.
Модель сосредоточена на человеке. Полное изменение должно учитывать стратегию, лидерство, структуру, ресурсы, власть, трудовые отношения, техническое качество и внешние условия. Используйте последовательность как диагностическую эвристику, а не универсальный закон человеческих изменений.
Следующий практический шаг
Выберите один затронутый сегмент и закончите предложение для каждого результата:
У нас есть данные [результата], потому что [наблюдаемый сигнал]; уверенность [низкая/средняя/высокая], потому что [ограничение].
Найдите первое слабое утверждение. Спроектируйте одно ограниченное действие поддержки, одну метрику результата и одну защитную метрику. Повторите оценку в указанную дату.
Источники
- Prosci. «The Prosci ADKAR Model». Официальный обзор (откроется в новой вкладке). Дата доступа: 15 сентября 2026 года.
- Hiatt, Jeffrey M. ADKAR: A Model for Change in Business, Government and Our Community. Prosci Learning Center Publications, 2006.
- Creasey, Tim. «The Prosci ADKAR Model: Why It Works». Prosci (откроется в новой вкладке), обновлена 18 апреля 2025 года.
- Adelman-Mullally, T. et al. «The use of change theory to facilitate the consolidation of two diverse Bachelors of Science in Nursing programs». Nursing Outlook, 65(2), 2017. DOI (откроется в новой вкладке).
- Mölders, S. et al. «Expanding the success factors of change management by incorporating crisis preparedness in the emerging AI world». Review of Managerial Science, 2026. DOI (откроется в новой вкладке).
Продолжите с инструментом
Используйте руководство ADKAR и структурированный workspace, чтобы создать сегментированную диагностику, план поддержки и запись повторной оценки.