Обычно руководитель знакомится с ИИ через чат: попросил сводку, письмо или разбор документа и получил приличный ответ. Через месяц он всё ещё объясняет модели, кто он, чем занята компания и какой нужен формат, а команда о его находках не знает. Ниже семь шагов из моей корпоративной программы. Они помогают выбрать первую задачу и понять, когда личный приём пора отдавать коллегам.
Начинайте с одной задачи, которую вы регулярно делаете сами и можете быстро проверить. Опишите вход, хороший результат и решение, которое остаётся за человеком. Затем сохраните контекст компании, запишите удачный способ работы в скилл, подключите только нужные данные и отдайте инструмент коллегам. Масштабируйте после нескольких циклов сравнения с тем, как задача делалась раньше.
Почему личный помощник упирается в потолок
Чат хорошо закрывает разовый вопрос. Когда вопрос повторяется, выясняется, что контекст живёт в истории переписки и пропадает в новом диалоге, а удачный способ работы знает только автор. Коллегам нечем его проверить, поэтому они продолжают делать задачу руками.
В компании это выглядит знакомо: сильные находки остаются у отдельных сотрудников, вся инициатива держится на одном энтузиасте и угасает вместе с его вниманием. Руководство OpenAI для бизнес-лидеров предлагает выход, который я использую и в программе: учиться на реальной работе, проверять результаты и закреплять повторяющиеся приёмы как общие процессы. Это рекомендации поставщика модели, а не независимое исследование, но логика у нас совпадает.
1. Выбрать одну повторяющуюся задачу
Берите работу, которую делаете сами и регулярно. Подходит задача, которая повторяется, отнимает силы и результат которой можно проверить за минуты. Стратегия на год вперёд и «ассистент для всего отдела» на старте не годятся: по ним нельзя быстро понять, стало лучше или хуже.
Топ-менеджер
Контроль поручений и сроков по своей зоне, типовой расчёт, сводка по этапам производства и загрузке.
За человеком остаётся решение, что переназначить, ускорить или снять.
Руководитель отдела
Задача, которую отдел раз за разом решает вручную: ответ по внутренним стандартам, заявка на расходные материалы, разбор звонков менеджеров по регламенту.
Руководитель решает, что менять в работе отдела по итогам разбора.
Владелец процесса
Сотрудник, который знает процесс глубже всех: история обращений в техподдержку, предложение по закупке на основе продаж и остатков, расчёт сметы.
Решение о заказе или цене остаётся за ним.
2. Описать вход, результат и решение человека
До первого запроса ответьте письменно на три вопроса. Что приходит на вход и где это лежит. Как выглядит хороший результат: лучше всего показать готовый образец, неудачный пример и границу между ними. Какое решение модель не принимает, а только готовит.
Возьмём еженедельную сводку по поручениям. Вход — выгрузка из трекера и протоколы совещаний. Результат — список просроченных и рискованных поручений с ответственным и причиной задержки. Решение человека — с кем говорить, что переносить и что снимать.
Здесь же зафиксируйте точку «до»: сколько времени задача занимает сейчас, как часто результат переделывают, где ошибаются. Без этой записи через месяц останется только ощущение, что «стало быстрее».
3. Сохранить контекст компании
Контекст — всё, что модель должна знать до начала работы: ваша роль, правила, документы, примеры. Пока он живёт в чате, каждый новый диалог начинается с нуля. Поэтому в программе контекст хранится в файлах проекта:
- правила работы для ИИ: тон, формат, что проверять перед ответом;
- паспорт проекта: задача, пользователь, источники;
- текущее состояние и журнал решений: что уже сделано и почему именно так.
Отдельно разведите правила, факты, примеры и готовые результаты. Если два документа противоречат друг другу, модель не должна молча выбирать удобную версию. Правильное поведение — остановиться и спросить человека.
4. Превратить рабочую инструкцию в скилл
Скилл — записанная инструкция, по которой агент проходит один и тот же рабочий порядок: когда включаться, что делать по шагам, в каком формате отдавать результат и что проверить. Контекст отвечает на вопрос «с чем работаем», скилл — «как именно работаем».
Мой ориентир: скилл стоит писать, если задача повторилась хотя бы дважды, регулярно забирает 15 минут или каждый раз требует одинаковых проверок. Разовую мелочь проще решить обычным запросом. Основой может стать регламент отдела, длинный диалог, в котором вы долго правили результат и наконец нашли подход, или исследование источников, если собственного метода пока нет.
Перед тем как доверять скиллу, прогоните три случая: обычный, с изменённым входом и сложный, где данных не хватает или они конфликтуют. Потом отдайте его коллеге без устных пояснений. Если результат держится только на знаниях автора, скилл ещё не упакован. Как проверять чужие скиллы перед установкой, я разбирал в материале про Agent Skills на GitHub.
5. Подключить только нужные источники и права
Модель полезнее, когда видит рабочие системы: таблицы, CRM, базу документов, трекер. Вместе с пользой растёт цена ошибки. До выдачи ключа или подключения сервиса ответьте на шесть вопросов.
| Вопрос | Что зафиксировать |
|---|---|
| Кто владелец? | Кто отвечает за систему и выдаёт доступ |
| Для какой задачи? | Какой результат нужен и кому он полезен |
| Какие данные? | Вся база или конкретный безопасный набор |
| Какие действия? | Чтение, создание, изменение или удаление |
| На какой срок? | Разовый тест, пилот или постоянная работа |
| Как остановить? | Кто отзывает ключ, отключает интеграцию и проверяет журнал |
Первый запуск идёт на тестовых или обезличенных данных и в режиме чтения. Человек сверяет результат с исходной системой. Запись в рабочую систему появляется позже, после пилота и отдельного согласования. Контакты клиентов, медицинские и кадровые сведения, пароли и внутренние выгрузки в первые прототипы не попадают.
OpenAI в практическом руководстве по агентам называет основой конструкции понятные инструкции, инструменты, ограничители и вмешательство человека. Там же совет начинать с одного агента и добавлять оркестрацию, только когда задача её требует. Это рекомендации поставщика, а не стандарт, но для первого инструмента руководителя они задают разумную планку.
6. Упаковать задачу в мини-сервис для коллег
Когда скилл стабильно работает у автора, его можно отдавать другим. Форма зависит от того, где и для кого инструмент должен работать.
Локальный прототип
Работает на вашем компьютере. Подходит для личной задачи и первого теста.
Версия по ссылке
Простой интерфейс для демонстрации или внутренней работы, без чувствительных данных и критичной логики.
Локальная автоматизация
Запускается по расписанию, пока компьютер и агент доступны.
Сервис на сервере
Работает без автора, доступен пользователям и требует технического владельца.
Не начинайте с сервера, если задачу ещё можно проверить на своём компьютере. Личный инструмент автор процесса собирает сам вместе с кодинг-агентом. Сервис для клиентов, партнёров или многих сотрудников перед публикацией проверяет разработчик или IT: доступы, ключи, данные, инфраструктуру.
Агент нужен не каждой задаче. В руководстве OpenAI для бизнес-лидеров разделены обычная автоматизация по жёстким правилам, отдельный шаг с языковой моделью внутри процесса и агент, который сам выбирает следующие действия. Если правила известны заранее, хватит первого варианта.
Что собирают участники программы, если описывать по типам: систему постановки и контроля задач, базу знаний с мобильным интерфейсом, портал техподдержки с историей инженерных кейсов, помощника по закупкам и складу, тренажёр звонков для менеджеров, калькулятор стоимости со сметой. Всё это прототипы, показанные на защите проектов. Промышленной системой такой прототип становится только после пилота и технической проверки.
7. Сравнить с точкой «до» и только потом масштабировать
Первый удачный прогон ничего не доказывает. OpenAI советует считать отдачу от исходного замера времени, стоимости и точности на нескольких циклах, а не по первой попытке. Anthropic в руководстве по корпоративной трансформации предлагает смотреть шире: как часто инструментом пользуются, что изменилось в скорости и качестве, довольны ли люди. Оба документа написаны поставщиками моделей. Это руководства по внедрению, а не независимое доказательство окупаемости.
В программе каждый проект проходит защиту по шести критериям: ценность, работоспособность, измеримость, безопасность, повторяемость и наличие владельца. Выбираем не самое эффектное демо, а самый жизнеспособный следующий шаг. Дальше идёт пилот.
После защиты
Выбрать проекты, владельцев и будущих пользователей.
Первые 7 дней
Выдать доступы, снять главный блокер и начать пользоваться.
В течение месяца
Собирать примеры, ошибки, обратную связь и показатели «до» и «после».
Через 30 дней
Продолжить, изменить или остановить проект по фактам.
30 дней здесь — горизонт проверки, а не обещание результата за месяц. Прототип становится пилотом, только когда у него есть владелец, пользователи, способ проверки и показатель следующего шага. Итог «останавливаем» тоже нормален: компания узнала это на одной задаче, а не на целом отделе. Этапы пилота подробно разобраны в статье о внедрении ИИ в бизнес-процессы.
Где ответственность остаётся у руководителя
ИИ готовит материал для решения, а отвечает за решение человек. Особенно там, где ошибка бьёт по деньгам, клиенту, данным или безопасности. Пилот рано запускать, если:
- нет владельца, который будет отвечать за тест и обратную связь;
- нет точки «до», и сравнивать не с чем;
- нет тестовых примеров, на которых виден хороший и плохой результат;
- агенту нужна запись в рабочую систему, а сценарий ещё не прошёл чтение и сверку;
- инструментом будут пользоваться клиенты или много сотрудников, а технического владельца нет.
Для разговора о рисках пригодится рамка NIST. Профиль генеративного ИИ к AI RMF — добровольный межотраслевой документ, не сертификация и не обязательный стандарт. Его логика: соотносить работу с рисками с целями, контекстом, допустимым уровнем риска и ресурсами организации, закреплять за людьми роли и регулярно пересматривать систему.
Если задача понятна, а учить команду не нужно, разумнее заказать внедрение под ключ: систему спроектирует и соберёт моя команда. Консалтинг нужен, когда руководители и владельцы процессов должны сами научиться собирать такие инструменты и остаться их владельцами.
Источники и методика
- OpenAI — A business leader's guide to working with agents. Руководство поставщика по внедрению.
- OpenAI — A practical guide to building agents. Руководство поставщика по внедрению.
- Anthropic — The Enterprise AI Transformation Guide. Руководство поставщика по внедрению.
- NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Добровольная рамка управления рисками, не сертификация.
- Методические материалы шести сессий корпоративной AI-программы Дениса Ффринга. Примеры проектов участников приведены обезличенно, как типы прототипов.