Быстрый старт

С чего начать внедрение ИИ в вашей организации?

Для руководителей: первые 30 дней

Неделя 1: Оценка готовности

1. Проверьте цифровую зрелость

* Есть ли у вас оцифрованные процессы? * Хранятся ли данные в структурированном виде? * Если нет — начните с базовой цифровизации

2. Оцените AI Literacy команды

* Используйте чек-лист для HR * Определите базовый уровень знаний * Запланируйте обучение

3. Изучите требования комплаенса

* Читайте Compliance Pack * Проконсультируйтесь с юристами и ИБ * Определите красные линии

Неделя 2-3: Поиск первого кейса

1. Используйте методику поиска кейсов

* Следуйте Методике * Ищите quick wins с измеримым эффектом * Избегайте типовых провалов

2. Критерии хорошего первого кейса:

* ✅ Измеримый ROI (время/деньги) * ✅ Владелец процесса заинтересован * ✅ Есть данные для работы * ✅ Не требует изменения законодательства * ❌ Избегайте "нашлёпок" — встраивайте в процесс

Неделя 4: Запуск пилота

1. Выберите паттерн внедрения

* Human-in-the-loop — для критичных процессов * Встроенный ИИ — для массовых задач

2. Настройте измерение эффекта

* Определите baseline (до ИИ) * Выберите метрики из ROI раздела * Собирайте данные с первого дня

Для разработчиков: технический чек-лист

Перед началом

• [ ] Прочитать AI Rulebook для разработчиков
• [ ] Изучить Build vs Buy guide
• [ ] Проверить compliance требования для вашего кейса

Выбор стека

1. LLM провайдер:

* Российские данные → только российские модели (YandexGPT, GigaChat) * Критичные процессы → on-premise deployment * Эксперименты → API зарубежных моделей (но не для ПДн!)

2. RAG или fine-tuning?

* Для большинства задач: RAG * Избегайте типовых провалов: RAG failures

3. Инфраструктура:

* < 50 пользователей → готовое API решение * 50-200 → гибрид (API + контроль) * 200+ → своя инфраструктура (см. Масштабирование)

Типовые задачи

Задача	Рекомендация	Ссылка
Классификация текстов	Few-shot prompting	Кейсы
Генерация по шаблону	Structured output + валидация	Rulebook
Поиск по документам	RAG + hybrid search	RAG failures
Агенты с действиями	Строгий контроль прав + аудит	Compliance

Для HR: подготовка команды

Базовое обучение (для всех)

1. Что такое LLM (2 часа)

* Чат ≠ модель * Инференс ≠ обучение * Вероятностная природа ответов

2. Промптинг (4 часа)

* Итеративное уточнение * Chain-of-thought * Проверка результатов

3. Критическое мышление (2 часа)

* Как проверять ответы ИИ * Когда НЕ использовать ИИ * Этика и комплаенс

Продвинутое обучение (для разработчиков)

• AI Literacy Assessment для определения уровня
• Специализированные треки по направлениям

Частые ошибки (и как их избежать)

❌ Ошибка #1: "ИИ как надстройка"

Симптомы: Отдельный инструмент, который перестают использовать через 2-3 месяца

Решение: Встраивайте ИИ в обязательный шаг процесса (подробнее)

❌ Ошибка #2: "Фасилитация без валидации"

Симптомы: Красивые идеи на стикерах, которые не окупаются

Решение: Используйте Методику поиска кейсов с проверкой на практике

❌ Ошибка #3: "ИБ запретило всё"

Симптомы: Юристы и ИБ блокируют внедрение из-за неопределенности

Решение: Покажите им Compliance Pack с готовыми шаблонами

❌ Ошибка #4: "RAG не работает"

Симптомы: Бот выдаёт ерунду, хотя данные есть

Решение: Проверьте входные данные по чек-листу RAG

Следующие шаги

1. Выберите ваш трек:

* Руководитель → поиск кейсов * Разработчик → технический стек * HR → оценка навыков

2. Изучите релевантные кейсы:

* Документооборот * Издательство * Маркетинговые исследования

3. Присоединитесь к сообществу:

* 💬 Telegram-чат

---

Нужна помощь? Задайте вопрос в Telegram-сообществе