Примерно полтора года назад мы в компании начали проводить еженедельные воркшопы по ИИ. Или, как мы сами их называем, ИИ‑кружки. Сначала для разработчиков, а позже — для «чайников» не‑разработчиков тоже. Как, зачем, и к чему это в итоге привело — в статье.
Привет, Хабр! Меня зовут Влад Кармаков, я CEO компании по разработке цифровых решений Siberian.pro. Хочу поделиться своим опытом внутрикорпоративного обучения сотрудников компании приемам работы с ИИ.
Впрочем, это не совсем обучение в привычном смысле, когда есть лектор, а есть студенты. У нас именно воркшопы со свободным посещением без обязаловки и демократичным форматом. Предполагаю, что именно это и позволило достичь хороших результатов по итогу. Но обо всем по порядку.
Зачем мы создали ИИ‑кружки
Зачем вообще нужны какие‑то воркшопы? В чем проблема просто выдать сотрудникам доступы к инструментам и сказать «программировай»?
Как я уже писал в другой статье, первые эксперименты с использованием LLM в компании были не то чтобы очень успешными поначалу. Сотрудники использовали разные инструменты кто во что горазд, о едином подходе и речи не было.
И если технари в целом были готовы внедрять ИИ‑инструменты системно, то не‑разработчики (маркетинг, продажи, бухгалтерия) не использовали ИИ от слова совсем. И даже немного побаивались.
Казалось бы: ну и что? Кому надо используют, кому не надо — нет. Зачем вводить KPI по использованию нейросетей?
Спешу успокоить: никаких KPI у нас нет и не планируется. Однако ИИ — это будущее. Нравится нам это или нет, но он уже доказал свою эффективность во многих процессах.
Благодаря ИИ многие задачи решаются быстрее и дешевле.
Ресурсы сотрудников тратятся не на рутину, а на креативные и конструктивные действия.
Во многих случаях можно снизить операционные расходы. Вот здесь у меня есть реальные примеры.
Зародить в людях интерес к системному использованию ИИ в рамках курса на ИИфикацию компании.
Что такое ИИфикация? В какой‑то момент я осознал, что нужно начинать трансформацию из компании, использующей ИИ, в компанию, в которой процессы выстроены вокруг ИИ. А для этого нужно не спускать решение об использовании инструмента сверху, а мотивировать и вовлекать сотрудников, чтобы инициатива шла снизу. Подробно развивать эту идею здесь не буду, об ИИ‑трансформации бизнеса я много пишу у себя в Telegram. Вернемся к AI‑воркшопам.
Так вот, ИИ‑кружки начались как инструмент обмена опытом между разработчиками, аналитиками и другими техническими специалистами. Глобально, никто не думал именно над тем, как обучить сотрудников использованию ИИ. Просто созванивались, показывали, кто что нашел интересное, делились инструментами, подходами и промптами. В дальнейшем встречи систематизировались и свелись примерно следующему формату.
Формат ИИ‑кружков
Обучение сотрудников ИИ проходит просто: встречаемся раз в неделю, продолжительность 1 час. Явка строго добровольная.
Встречи идут в двух форматах: для разработчиков и для всех остальных. Первый отличается от второго исключительно тематикой, но подход одинаковый. Лидеры задают примерную тему, а все остальные участники:
делятся своими наработками, кейсами и примерами;
задают вопросы другими участникам и лидерам;
показывают результаты «домашних заданий» с прошлых уроков;
общаются.
В общем, все довольно неформально. Но суть здесь и не в форме, а в содержании.
Чему учат на ИИ‑кружках
Здесь я приведу пример с ИИ‑воркшопов для не‑разработчиков, потому что, во‑первых, он более показателен, во‑вторых, этот опыт будет понятен более широкой аудитории.
Напомню, что не‑разработчиками мы называем тех сотрудников, которые не имеют непосредственного отношения к разработке. У них может быть, а может и не быть опыта работы с ИИ. Например, часть наших сотрудников до посещения кружков не знала про ИИ почти ничего, кроме ИИ‑ответов в поиске. Другие целенаправленно использовали те или иные инструменты, но делали это несистемно.
Поэтому первые занятия мы посвятили буквально азам: поставить Codex или VSCode, выполнить в нем простейшую задачу по своей непосредственной деятельности, узнать, где искать результаты своего использования нейросети, и так далее. Во время обучения мы сразу стали уделять много внимания вопросам безопасности. Например, объясняли, почему нельзя на работе пользоваться публичными ИИ в браузере (242-ФЗ).
Кстати, для многих сотрудников стало откровением, что VSCode можно использовать не только для кодинга.
Дальнейшие занятия постепенно углубляли полученные знания. RooCode/Kilo Code, навыки, MCP, ИИ‑агенты (Hermes, zeroclaw) и так далее
Уже на четвертом занятии, наши ИИ‑энтузиасты объясняли всем желающим, как создать скилл, чтобы научить ИИ выполнять какие‑то типовые действия вместо себя. На общие принципы потратили 15 минут. А за оставшиеся 45 минут участники под руководством техлида самостоятельно написали два скилла: для вычитки любого текста (учебный) и для трекинга рабочих часов в систему учета (реально используемый).
Домашнее задание: посмотреть свои ежедневные задачи и выбрать то, что можно формализовать в виде скилла для ИИ‑агента.
По итогу нескольких таких мастер‑классов наши маркетологи, РП, бухгалтеры и HR‑специалисты стали увлеченно писать свои скиллы. Сами. Без принуждения. Потому что увидели, что а) это легче, чем кажется, и б) есть реальный результат.
Интересно, что, поняв, насколько легко это делается и насколько крутым порой выходит результат, люди буквально загораются и начинают творить, экспериментировать, пробовать то, что еще месяц назад казалось им сложным и доступным только программистам.
Например, у себя на канале я рассказывал, как все та же маркетолог Ксюша с нуля написала не скилл, а аж целую программу под MacOS просто для того, чтобы автоматизировать одну свою ежедневную задачу.
Кто‑то скажет, фи, вайбкодинг. Но ведь результат‑то есть! Скучную рутинную задачу стал делать ИИ. А человек ее делать перестал и занялся чем‑то более важным. При этом разработчиков привлекать не пришлось.
Дальнейшие занятия — по той же схеме: делимся результатами, разбираем ошибки, постепенно погружаемся в более глубокие нюансы. Опытные сотрудники помогают менее опытным, отвечают на вопросы и помогают найти грамотный подход к проектированию решений, которые принесут максимум измеримых результатов именно в задачах этого сотрудника.
Результаты
Может показаться, что все это ерунда. Действительно: делов то, промпт написать. Чему тут учить? И однако результаты обучения наших сотрудников нейросетям и использованию ИИ не замедлили положительно сказаться на реальном рабочем процессе.
Многие задачи стали решаться быстрее. Ускорились как ребята‑технари, так и не‑разработчики. Я уже делился в блоге на Хабре несколькими кейсами. Но там была целенаправленная разработка и внедрение ИИ‑решения. Здесь же — менее впечатляющая, но зато гораздо более массовая автоматизация простых рутинных операций. Буквально в масштабе всей организации, но снизу, по инициативе самих сотрудников.
Я считаю, это важный шаг к той цели, которую обозначил в начале статьи: когда ИИ — это основа, вокруг которой выстраиваются бизнес‑процессы. Ее невозможно реализовать без глубокой вовлеченности сотрудников.
Вот что получилось за примерно год системных еженедельных занятий в ИИ‑кружках:
Рядовые сотрудники стали чаще использовать ИИ в своей работе. Именно как естественный инструмент. Примерно 80% не‑технических сотрудников сегодня активно реализуют навыки, полученные на обучении, включая продвинутые, такие как создание скиллов для нейросети. Разработчики, конечно, давно пользуются ИИ профессионально.
Сотрудники чаще делятся опытом с коллегами. Уже не только в рамках ИИ‑воркшопов.
Коллективные знания. Созданные ИИ‑скиллы попадают в корпоративный репозиторий и переиспользуются другими сотрудниками. Экономия времени. На текущий момент в корпоративном git уже несколько десятков разных скиллов, доступных для всех сотрудников. Конечно, публичным скилл становится только после полноценного ревью технической командой.
Сняли страх использования ИИ (в ряде случаев — почти первобытный) за счет налаживания вертикального и горизонтального обмена опытом.
На уровне бизнеса формируется единый подход к решению задач (тут еще есть куда расти, признаюсь).
Это качественные метрики, а вот количественные. На обучение один сотрудник тратит 1 час в неделю (плюс 1–3 часа на самостоятельную работу). Результаты:
ускорился первичный сбор информации и подготовка шаблонов в большинстве задач (на 30–40% быстрее по трекеру);
ускорились сбор и подготовка данных для пресейлов (было ~12 часов, стало 3–4 часа, включая ручную проверку);
существенно облегчилась работа HR и бухгалтеров (снизилась рутинная нагрузка на 40%). Впрочем, тут сыграл роль еще и ИИ‑агент для отпусков, который мы разработали;
повысилась эффективность работы маркетинга (экономия до 200 часов в месяц).
Про другие эффекты ежедневного использования LLM в нашей компании я как‑то подробно рассказывал. Да блин, я сам стал работать более сфокусировано и меньше уставать! И да, я тоже посещаю наши ИИ‑кружки, хоть и не каждый раз есть такая возможность, и реально узнаю на них что‑то новое.
Конечно, получается не всё и не у всех. Если у сотрудника просто не хватает опыта — это одно. Помогут более опытные. Но бывают и объективные неудачи. Какие‑то процессы на текущем уровне развития технологии автоматизировать слишком дорого. В других задачах выявились подводные камни или стало понятно, что результат не стоит вложенных усилий.
Иногда созданный по результатам корпоративного обучения ИИ‑агент трансформируется во что‑то другое, потому что исходную задачу больше решать не нужно. Так получилось с маркетинговым агентом на базе OpenClaw, о котором я рассказывал весной. Наш Сибирский Клавдий все еще на службе, но теперь это набор самых разных инструментов, тогда как именно маркетинг пользуется им лишь эпизодически.
Короткий FAQ
Ну и давайте я сразу коротко попробую ответить на вопросы и возражения.
Сколько это стоит?
Расходы в месяц, ориентировочно:
1. Около $80-100 на подписки LLM на всех не‑ИТ сотрудников.
2. На инфраструктуру тратится до 10 000 рублей (OpenWebUI, LiteLLM).
3. Время ИИ‑эксперта уровня senior — 8–10 часов в месяц (самая дорогая статья расходов!)
4. Время сотрудников, которые учатся.
У вас АйТи‑компания, а в других сферах этот опыт неприменим
Применение ИИ в бизнесе не ограничено IT‑сферой. Документооборот того или иного формата есть везде. Офисная работа есть везде. Кадры есть везде. Да, не везде по‑умолчанию есть свои компетенции для развертывания внутреннего контура ИИ, настройки автоматизации и обучения. Но для этого есть, например, мы. Обращайтесь.
Вы все переложили на ИИ, а завтра его заблокируют/подорожает и работа встанет
Я часто слышу это возражение, но это алармизм. Могут ведь и электричество отключить и горячую воду. Интернет уже сейчас проблемный, но и здесь есть куда стремиться. Например, запретить вообще любое использование несуверенных RFC и так далее. Все это совершенно не повод отказывать себе в отличном инструменте прямо сейчас.
Кроме того, заблокировать модель, развернутую в локальном контуре, невозможно. А в большинстве бизнес‑применений нужна именно on‑premise реализация. В том числе по юридическим причинам.
Ваши бухгалтеры навайбкодят, а кто потом будет это разгребать?
Каждый наш специалист использует ИИ исключительно в той сфере, где он компетентен: бухгалтеры в бухгалтерии, продакты — в пресейлах, маркетинг — в маркетинге и так далее, и только для автоматизации своих задач.
Если предложенное не‑техническим сотрудником решение в дальнейшем интегрируется в какие‑то глобальные процессы компании, то оно, как и любой другой продукт, пройдет все положенные стадии: от ревью и тестирования до проверок на безопасность.
Признайтесь: вся затея держится на инициативе одного человека?
И да, и нет. Первоначально идея открыть ИИ‑кружок действительно исходила от одного энтузиаста в нашей команде. Ну, еще и от меня, конечно. Но обоснованный энтузиазм заразителен. Люди видят результаты и включаются. Сегодня занятия в кружках часто проводятся, даже когда идейные вдохновители не могут присутствовать. Формат уже устоялся, люди подхватили.
Зачем выдумывать что‑то свое, когда вокруг полно курсов по ИИ для бизнеса?
Сферические курсы по ИИ в вакууме для всех и конкретный воркшоп в рамках реальных производственных задач конкретного сотрудника — это принципиально разные вещи. В первом случае имеем теорию, которую еще как‑то нужно прикрутить к своей работе. Во втором — реальные результаты видны уже на следующий день. Нам было нужно второе.
ИИ галлюцинирует и ошибается
Внезапно, люди тоже. И даже, пожалуй, чаще. При этом ИИ хотя бы признает, что был неправ, а у людей и с этим бывают проблемы.
Если серьезно, то мы не перекладываем ответственность на искусственный интеллект. На наших корпоративных занятиях по ИИ мы явно и не по разу проговариваем, что нейросети — это лишь инструмент. К ним нужно относиться как к инструменту. Как следствие: верификация выводов человеком, перекрестные проверки, и никаких автоматических подписаний в продакшен без человека. Жесткий human‑in‑the‑loop.
Собственно, одна из целей корпоративного обучения нейросетям как раз в этом и состоит: отучить людей (особенно не‑технарей) от магического мышления и приучить к практическому и рациональному восприятию технологии с полным осознанием своей ответственности за результат. Думаю, у нас получается.
А вы пробуете обучать тётенек из бухгалтерии использованию ИИ? Какие результаты? Поделитесь в комментариях!
