Задание Буткемп

Нажмите, чтобы начать

Включите звук. Видео будет переключать слайды.

Лекция 1: Введение в разработку ИИ‑стратегии

ИИ как новое операционное
ядро бизнеса

От инструмента к агенту

ИИ перестал быть просто чатом. Агенты сами принимают решения и выполняют задачи

AI‑First компании

Выигрывают те, кто перестраивает процессы вокруг ИИ, а не просто использует его

Новая роль человека

Люди становятся архитекторами и менеджерами цифровых систем

Мир делится на два типа компаний

Лидеры

AI‑First компании

  • ИИ управляет ядром бизнеса
  • Масштабируются без роста штата
  • Быстрее, дешевле, качественнее
VS

Их клиенты

  • Игнорируют ИИ или используют локально
  • Теряют конкурентоспособность
  • Потребители чужих технологий

Четыре промышленные революции

История экономики — это история делегирования труда машинам

Механизация

Автоматизация физ. труда

Электричество

Массовое производство

Цифровая

Управление на основе данных

Интеллектуальная

Автоматизация мышления

Это качественный переход: человек больше не управляет машинами, он становится архитектором систем

Почему именно ИИ‑агенты?

Раньше

Локальная автоматизация

  • Ускорение отдельных задач
  • Процесс остается на человеке

Агенты

Цифровые сотрудники

  • Самостоятельные участники
  • Выполняют целые функции

Новая форма

Синтез людей и ИИ

  • Иная архитектура компании
  • Единая гибридная команда

Кто такие ИИ‑агенты?

Субъект, который способен самостоятельно
анализировать среду и действовать

Восприятие

Видит контекст, почту, базы данных и системы

ИИ‑модель

Мышление

Анализирует задачу, разбивает на шаги и планирует

Действие

Вызывает API, отвечает, меняет статус, пишет код

Ключевое отличие — автономность

Базовая архитектура ИИ‑агента

Информация

Внешний мир Системы
Ядро

ИИ‑модель

Контекст Логика

Инструменты

БД Внешние API

Цикл замыкается: агент наблюдает результат
и корректирует план

Свойства ИИ‑агентов

ИИ‑агент
Авто­номность
Реак­тивность
Про­активность
Обу­чаемость
Взаимо­действие
Мульти­модаль­ность

Пример из жизни

Сборы в командировку

Погода Агент видит, что будет дождь
Календарь Понимает, что нет времени
Покупки Проверяет историю — зонта нет

Результат

Автоматически заказывает зонт с доставкой прямо в отель

Исторический контекст

1960-е

Экспертные системы

Жёсткие правила «если — то», отсутствие адаптации

с 1980-х

Реактивные системы

Реагировали на события без понимания контекста

с 1990-х

Обучение с подкреплением

ИИ учится на опыте (Deep Blue, AlphaGo)

в 2017+

LLM + Автономные Агенты

Понимают контекст, рассуждают и используют инструменты

Пять уровней развития ИИ

Ур. 1

Разговорные

Ур. 2

Рассуждающие

Мы здесь
Ур. 3

Автономные

Ур. 4

Креативные

Ур. 5

Мультиагентные

Переход на уровень выше — это не только модель,
но и память, мониторинг и безопасность

Почему агенты,
а не ассистенты?

Технологии готовы

Модели получили "руки" (API). Они могут реально работать на результат

Реальный ROI

Внедрение агентов в ключевые процессы приносит измеримые фин. эффекты

Спрос бизнеса

Нужны цифровые сотрудники, способные закрывать функции отделов

Что такое AI‑First компания?

Организация, в которой ИИ встроен в само ядро бизнеса. Это часть ОС, принимающая решения на всех уровнях

ИИ‑Агенты

Распределяют задачи и управляют рутиной автономно

Люди

Менеджеры: ставят цели и контролируют результат

Модель создания ценности

Фокус курса

RUN

Процессы

ИИ для автомати­зации рутины

CHANGE

Проекты

ИИ как советник для принятия решений

DISRUPT

Продукты

Новые бизнес-модели, создание продуктов

Зоны не конкурируют: RUN даёт стабильность, CHANGE — адаптацию, DISRUPT — прорыв.
Начинать проще с RUN

Процессная архитектура

Основные

Создают ценность для клиента (производство, продажи)

Цель ИИРост выручки

Поддер­живающие

Обеспечивают работу бизнеса (HR, IT, финансы)

Цель ИИСнижение затрат

Управлен­ческие

Стратегия, планирование и контроль

Цель ИИКачество решений

ИИ как нервная система компании

  • Единый контур

    ИИ соединяет отделы, процессы, данные и людей

  • Без задержек

    Быстрая обработка сигналов без потерь смысла

  • Живой организм

    Управление на базе машинного интеллекта

Где ИИ создаёт ценность?

Под­держка

Разбор обра­щений

IT / Раз­работка

Генерация кода, тесты

Марке­тинг

Персона­лизация

Про­дажи

Оценка лидов

HR

Онбор­динг, обучение

Менедж­мент

Коорди­нация проектов

Дизайн

Гене­рация креативов

Анали­тика

Даш­борды и аномалии

Там, где есть узкие места и ручной анализ данных

Эволюция
операционных моделей

Agile

Переход от жесткой иерархии к матричным, гибким командам

Цифровая

Оцифровка процессов, управление на основе данных (CRM, ERP)

ИИ‑Трансформация

ИИ сам принимает решения и автономно управляет процессами

Agile-трансформация: от иерархии к гибким командам

Организация превращается из механизма в живую систему

Было: иерархия

Решения принимаются наверху, задачи спускаются вниз. Контроль есть — но изменения идут медленно

Стало: матрица

Кросс-функциональные команды сами принимают решения и отвечают за результат

Итерации

Быстрые циклы проверки гипотез и адаптация к изменениям рынка

Эта гибкость стала фундаментом для цифровой трансформации

Цифровая трансформация:
от процессов к данным

Данные становятся стратегическим активом

Оцифровка

Все операции и клиентские взаимодействия

Данные

Каждое действие оставляет цифровой след

Data-driven

Решения на основе фактов, а не интуиции

Ограничение

Человек всё ещё в центре решений

Это ограничение ведёт к следующему этапу — ИИ‑трансформации

ИИ‑трансформация:
от data-driven к intelligence-driven

Решения принимает не только человек, но и сама система

Data-driven

  • Есть данные и прозрачность процессов
  • Решения принимает человек на основе фактов
  • Скорость ограничена мышлением и вниманием
Новый уровень

Intelligence-driven

  • Решения принимает система в реальном времени
  • Работает в масштабе всей компании
  • Данные сразу превращаются в действия

Это качественно другой уровень управления — бизнес становится интеллектуальной системой

Уровни зрелости бизнес-модели

AI‑Driven

ИИ как инструмент. Решения всё еще принимает человек

AI‑First

ИИ встроен в операционную модель

AI‑Native

ИИ и есть сам продукт бизнеса (OpenAI и др)

Зачем компании нужен
ИИ‑индекс зрелости

Без измерения невозможно управлять трансформацией

ИИ‑индекс зрелости
1 Стратегия
2 Люди
3 Инфра­структура
4 Данные
5 Модели
6 Внед­рение
7 Иссле­дования
Измерение 1 / 7

Стратегия и управление

  • Есть ли у компании ИИ‑стратегия
  • Насколько вовлечено руководство
  • Какой эффект от внедрения ИИ
  • Какая структура управления ИИ
  • Как ИИ встроен в операционную модель
Измерение 2 / 7

Люди и культура

  • Как компания привлекает ИИ‑талантов
  • Как организована работа ИИ‑команд
  • Как формируется культура взаимодействия
  • Как компания развивает компетенции
  • Как ИИ интегрирован в систему управления
Измерение 3 / 7

Инфра­структура

  • Насколько инфраструктура готова к ИИ‑нагрузкам
  • Насколько инфраструктура доступна командам
  • Как компания управляет инцидентами
  • Как организован доступ к библиотекам
  • Как обеспечивается уровень безопасности
Измерение 4 / 7

Данные

  • Как организовано управление данными
  • Есть ли единая платформа данных
  • Как обеспечивается качество данных
  • Как используются данные в решениях
  • Как данные поддерживают обучение моделей
Измерение 5 / 7

Модели

  • Каков масштаб портфеля ИИ‑моделей
  • Какая доля моделей в промышленной эксплуатации
  • Какова скорость вывода моделей
  • Как организован мониторинг и контроль
  • Каково качество инженерных практик
Измерение 6 / 7

Внедрение ИИ

  • Доля процессов с ИИ в промышленной эксплуатации
  • ИИ‑усиление бизнес-функций
  • Охват клиентских путей ИИ
  • Качество процесса внедрения ИИ
  • Удовлетворённость сотрудников ИИ‑инструментами
Измерение 7 / 7

Исследования и разработки

  • Партнёрства с университетами
  • Качество R&D‑процесса
  • Доля исследовательских инициатив
  • Применимость результатов R&D
  • Активность в профессиональном сообществе

Что делать с ИИ‑индексом?

Найти разрывы

Например, есть сильная IT-инфраструктура, но слабая культура внедрения

Найти баланс

Цель не 100 баллов везде, а сбалансированная и управляемая система

Дорожная карта

План действий: что внедрять сейчас, а что развивать в перспективе

Система ограничена самым слабым звеном,
поэтому диагностику повторяют раз в квартал

Стратегия внедрения ИИ

Начинается со SWOT-анализа

Сильные стороны

Слабые стороны

Возможности

Ограничения

Дорожная карта

План от быстрых побед
к масштабированию

Где строить своё, а где готовое

Ключевые

Формируют уникальную ценность для клиента

РАЗРАБАТЫВАТЬ СВОЁ

Поддерживающие

HR, финансы, документооборот

ГОТОВЫЕ ПЛАТФОРМЫ

Управленческие

Стратегия, принятие решений

ЧЕЛОВЕК В ЦЕНТРЕ

Три уровня внедрения

1

Точечные решения

Использование ассистентов для конкретных задач

2

Вертикальные агенты

Агенты берут на себя целые функции. Процессы перестраиваются

3

ИИ‑процессы

Системный корпоративный интеллект. Агенты общаются между собой

Фреймворк AgentOps

Превращает ИИ из разового эксперимента в масштабируемый процесс

Постоянное улучшение
1 Анализ
2 Разра­ботка
3 Внед­рение
4 Обучение
5 Тесты
6 Монито­ринг

1. Бизнес-анализ процесса

Анализ процесса

  • Какую задачу решаем
  • Поиск узких мест
  • Проектирование будущего процесса
  • Новые роли людей
  • Граф навыков агента

Фиксация метрик

  • Скорость (время цикла)
  • Стоимость процесса
  • Качество, выручка, клиентский опыт
  • Удовлетворённость (NPS)
  • Снижение доли ошибок
Без этого этапа невозможно понять,
приносит ли агент реальную пользу бизнесу

2. Разработка ИИ‑агента

Логика

Сценарии поведения.
Где нужен код, а где нейросети

Архитектура

Взаимодействие с системами и данными
Принятие решений

Прототип

Может давать первые результаты

Сборка: LangChain и LangGraph — для кода,
n8n — для разработки без кода

3. Внедрение ИИ‑агента

Корпоративные системы

Агент

Оператор

Обратная связь

RAG

Корпоративная память: документы и базы

MCP и API

Действия в CRM, почте, хранилищах

Права и журнал

Минимум полномочий, каждое действие видно

4. Обучение ИИ‑модели

Цикл обучения
1 Реальные данные
2 Учёт ошибок
3 Оптими­зация промтов
4 Лучшая модель

От универсального инструмента к системе,
которая понимает специфику вашей организации

5. Тестирование (A/B)

Процесс БЕЗ агента

Скорость: Обычная
Ошибки: 5%
Нагрузка на людей: Высокая
VS
Эксперимент

Процесс С агентом

Скорость: Выше
Ошибки: 2%
Нагрузка на людей: Снижена
Оцениваем метрики и убеждаемся, что улучшения устойчивы.
Только после этого — масштабируем

6. Мониторинг ИИ‑агентов

Дашборд агента
Точность 98,2%
Скорость 1,4 с
Успешные 14 205
Эффект Отслежен
Тренд нагрузки

Система фиксирует ошибки, чтобы вовремя реагировать.
Запускается цикл постоянного улучшения

Новые роли:
Центр компетенций

Chief AI Officer

Стратегия и управление

ИИ‑продакт инженер

Продукты и бизнес-ценность

ИИ‑инженер

Создание ИИ-агентов
(по автоматизации)

ИИ‑оператор

Контроль, разметка и дообучение

AI‑First компания — это человек и ИИ, работающие вместе

Фундаментальная
трансформация бизнеса

Бизнес становится потоком данных, усиленным интеллектом

ИИ берёт на себя решения, а человек становится архитектором системы

Победит тот, кто сумеет встроить ИИ
в операционное ядро своего бизнеса