AI-чемпионы

Участник выбирает процесс из своей работы. Собирает примеры задач и результатов, обсуждает участие владельца процесса и руководителя. Знакомится с вводными материалами.

На выходеВыбранный процесс, исходные данные и договорённости с командой.

Разбираем возможности и ограничения моделей, контекстное окно и причины ошибок. Сравниваем готовые инструменты, ассистентов и агентские системы. Учимся выбирать решение по качеству, стоимости и условиям работы с данными.

На выходеУчастник может обосновать выбор модели и инструмента, объяснить их ограничения.

Собираем агента в n8n, чтобы увидеть, как устроены его части. Подключаем API и MCP, разбираем передачу контекста и хранение истории. Сравниваем фиксированный workflow, агента и оркестрацию нескольких агентов.

На выходеУчастник понимает устройство агентной системы и может найти причину сбоя в её работе.

Работаем с инструкциями проекта, скиллами, коннекторами и субагентами. Передаём контекст между задачами, распределяем работу между агентами. Создаём документы, таблицы и небольшие приложения, проверяем и дорабатываем результат.

На выходеУчастник умеет организовать работу с агентами и сохранить удачный способ решения задачи в скилле.

Проектируем структуру базы знаний: сущности, связи, факты, правила и примеры. Разбираем загрузку и обновление материалов, RAG и поиск по источникам. Учимся работать с противоречиями, ограничениями доступа и стоимостью обработки данных.

На выходеУчастник умеет подготовить знания для агента и проверить, на каких источниках основан ответ.

Переносим агента на сервер, подключаем модель через API или прокси и настраиваем Telegram- или веб-интерфейс. Разбираем доступы, ключи, логи и обслуживание. Определяем, какие вопросы нужно согласовать с IT и кто будет поддерживать решение.

На выходеУчастник понимает устройство развёрнутого решения и требования к его эксплуатации.

Собираем обвязку из контекста, скиллов, инструментов и проверок. Задаём границы автономии, ведём журнал решений, готовим эталонные примеры и эвалы. Разбираем ошибки и проверяем, что обновление правил или модели не ухудшило результат.

На выходеУчастник умеет оценивать качество агента, контролировать изменения и организовать его дальнейшее развитие.

Проводим интервью и разбираем сквозной процесс. Находим узкие места, собираем карточки инициатив с бизнес-метрикой, данными и владельцем. Сравниваем ценность и реализуемость, проверяем, не перегрузит ли улучшение одного этапа следующий.

На выходеКарта процесса и список задач для проверки.

Определяем участников, данные, сроки и метрики. Заранее согласуем, какие результаты дадут основание продолжать работу.

На выходеПлан пилота и сценарий сравнения с экспертом.

Проверяем доступность данных, описываем источники, инструменты и участие человека. Готовим примеры для оценки качества.

На выходеАрхитектура агента и набор проверочных примеров.

Считаем затраты на модели, инфраструктуру, проверку и сопровождение. Оцениваем влияние на выручку, качество и пропускную способность. Разбираем, как использовать высвободившееся время, и отделяем измеренный эффект от гипотез.

На выходеРасчёт затрат и ожидаемой пользы с пояснением допущений.

Работаем с опасениями коллег, поддержкой руководителя и мотивацией команды. Планируем обучение, меняем роли и правила работы, определяем владельца процесса. Организуем сбор обратной связи, поддержку и распространение удачных решений.

На выходеПлан внедрения, роли и договорённости с командой.

Разбираем deploy, reshape и invent: внедрение инструментов в функции, перестройку сквозных процессов и создание новых бизнес-моделей. Собираем портфель инициатив, распределяем ресурсы и ответственность, определяем общие правила работы и пересмотра приоритетов.

На выходеПриоритеты и конкретные действия на ближайший месяц.