Пять выводов из опыта WMT AI: как перейти от интереса к нейросетям к рабочим сценариям и измеримому результату

Недавно Anthropic рассказала о встречах с более чем тысячей владельцев и руководителей малого бизнеса. Участники приходили на практические занятия со своими ноутбуками и рабочими задачами. По итогам 635 анкет самой ценной частью встреч чаще всего называли совместную сборку первого сценария. Почти две трети участников попросили помощи с применением ИИ после занятия.

Этот вывод близок нашему опыту. Доступ к модели даёт человеку возможность попробовать ИИ. Личная работа со специалистом помогает разобраться, какую задачу поручить инструменту, как оценить ответ и что изменить в привычном процессе. Именно на этом этапе интерес превращается в навык.

WMT AI обучает предпринимателей, руководителей и команды и сопровождает ИИ-инициативы компаний. За год мы провели более 35 образовательных программ и сессий с участием представителей более 60 компаний. Мы видим пять закономерностей, которые помогают сделать обучение полезным для человека и бизнеса.

1. Начинайте с рабочей задачи

На занятии легко показать, как ИИ пишет письмо или собирает презентацию. Но руководителю полезнее разобрать собственный отчёт, повторяющийся запрос от команды или процесс, в котором люди тратят часы на поиск информации. Специалисту важнее понять, как использовать ИИ в документах, анализе и решениях, за которые он отвечает каждый день.

Поэтому мы начинаем с вопросов о работе участника: что он получает на входе, что должен выдать, какие правила соблюдает, где теряет время и кто проверяет результат. Из этого описания появляется первый сценарий для практики. Иногда он умещается в один диалог с ИИ. Иногда сразу становится ясно, что понадобятся доступ к документам, участие ИТ-команды или изменение самого процесса.

В личном формате руководитель проходит этот путь на своих задачах. После этого ему проще выбрать, чему учить сотрудников и какой процесс стоит проверить первым. Для команды тот же принцип работает на уровне конкретных ролей и отделов: задания связаны с их документами, решениями и ежедневными действиями.

2. Учите проверять результат

ИИ может подготовить черновик ответа, свести информацию и предложить решение. Пользователь должен понимать, на каких данных оно основано, где модель сделала предположение и что требует проверки. Особенно это важно в договорах, финансовых расчётах и управленческой отчётности.

На обучении мы разбираем весь рабочий цикл: формулируем задачу, задаём критерии качества, проверяем источники и исправляем ошибки. Участник учится замечать момент, когда ответ выглядит убедительно, но не подтверждён материалами компании.

Это связано с тем, как мы проектируем прикладные решения. Например, система поиска по корпоративным документам должна возвращать ответ со ссылками на фрагменты источников. Сотрудник может открыть их и проверить вывод. Такой принцип помогает постепенно доверять инструменту на тех задачах, где качество уже проверено.

3. Согласуйте правила работы с ИИ

Когда человек приносит на практику реальную задачу, возникают конкретные вопросы: какие документы можно загрузить, что делать с персональными данными, кому доступен результат и какие сервисы разрешены в компании. Эти вопросы лучше решать до начала регулярной работы.

Поэтому образовательная программа для компании включает правила использования ИИ. Руководители определяют рамку, ИТ и безопасность проверяют инструменты и доступы, а сотрудники учатся работать в этих условиях. При необходимости практика может проходить в корпоративном контуре, в том числе с использованием Нейроключа. Выбор инструмента зависит от задачи и требований компании.

Ясные правила дают команде возможность применять ИИ в работе и понимать границы ответственности. Они также помогают оценить, готов ли выбранный сценарий к пилоту.

4. Соберите сценарий, который можно повторить

Часто сотрудник уже открывал чат с нейросетью и знает несколько удачных запросов. Сложность возникает дальше: как перенести задачу из чата в устойчивый рабочий порядок, подключить нужные материалы, разделить действия человека и ИИ, проверить результат и повторить его на следующей неделе.

Во время совместной работы эксперт помогает разобрать задачу на шаги и собрать первый применимый сценарий. Участник сам проходит его на своих материалах и видит ограничения. После занятия у него остаётся опыт, который можно воспроизвести, уточнить и передать коллегам.

Личный формат особенно полезен руководителю перед запуском программы для компании. Он позволяет на собственном опыте оценить пользу ИИ и точнее поставить задачу команде. В корпоративном обучении эту практику проходят сотрудники разных функций; программа учитывает их уровень подготовки и рабочий контекст.

5. Превратите отдельный сценарий в практику команды

Один сильный сценарий у одного сотрудника полезен. Для изменения работы компании нужно понять, кто ещё решает похожую задачу, какие условия должны повторяться и кто будет поддерживать практику дальше.

В нашей методологии обучение связано с работой над инициативами. Руководители формулируют ожидаемый результат, сотрудники описывают процессы и предлагают сценарии, ИТ проверяет данные и ограничения. Затем команда выбирает первые задачи для пилота и измеряет качество и экономику на реальном процессе. Часть идей может оказаться преждевременной. Это тоже полезный результат: компания понимает, что нужно подготовить до запуска.

В одном из обезличенных проектов крупного российского маркетплейса доля сотрудников, регулярно использующих ИИ, выросла с 12% до 81% за шесть месяцев. В компании сформировались 186 внутренних экспертов. Это показатели конкретного проекта с его условиями, масштабом и совместной работой над изменениями. Они показывают, насколько важна внутренняя практика, когда организация хочет выйти за пределы отдельных экспериментов.

С чего начать

Выберите одну повторяющуюся задачу, у которой есть владелец и понятный результат. Разберите её вместе с человеком, который знает возможности и ограничения ИИ. Зафиксируйте исходное время работы, критерии качества и правила обращения с данными. Затем проверьте первый сценарий на реальных материалах и решите, стоит ли развивать его для команды.

Так мы строим обучение в WMT AI: человек осваивает ИИ на своей работе, команда получает общие правила, а компания видит следующие шаги для пилота. Если хотите начать с личного разбора задач руководителя или подготовить практическую программу для команды, расскажите нам о своём процессе. Поможем выбрать первый шаг и критерии результата.