Корпоративное обучение ИИ: как выбрать программу и принять результат

Корпоративное обучение ИИ продают под одним названием, а покупают разные вещи: двухчасовую лекцию, несколько недель практики с разбором работ или проект, в котором участник доводит свою задачу до прототипа. Если не развести их заранее, лекцию потом принимают за внедрение, а от проектной программы ждут, что завтра по-новому заработает вся компания. Я оцениваю программу до оплаты по трём вещам: формат, готовность группы и доказательства, которые принимают в конце.

Короткий ответ

Сначала решите, что должно измениться: понимание, навык или конкретный процесс. Для понимания хватит ознакомительного формата, для навыка нужна практика с проверкой работ, для процесса — проектная программа с демонстрацией прототипов. Учите определённую группу людей с повторяющимися задачами, до оплаты попросите пример задания и критерии проверки. На финале принимайте рабочие артефакты. Сертификат сам по себе не показывает, что навык перешёл в рабочий процесс.

Три формата и что каждый способен доказать

Сравнивайте форматы по тому, что сможете проверить в конце.

Формат	Что делает группа	Что можно принять	Когда подходит
Ознакомительный: лекция, интенсив	Смотрит демонстрации, пробует простые запросы, задаёт вопросы	Список задач, которые участники хотят попробовать, и общие правила работы с данными	Нужно договориться о словах и правилах до практики
Практика с наставником	Решает свои рабочие задачи между встречами и получает разбор	Описание задачи, образец результата, принятый проверяющим, и запись замечаний	Нужен навык у конкретных людей
Проектная программа	Каждый доводит свою задачу до прототипа	Демо на тестовых данных, ограничения, план замера, владелец следующего шага, решение о пилоте	Нужно проверить, меняет ли ИИ конкретный процесс

Проблемы с ознакомительным форматом начинаются, когда после лекции ждут изменений в процессах, хотя разбора решений по собственным задачам участников в ней не было. Проектная программа требует времени между встречами и участия руководителей на финале. Если ни того, ни другого компания дать не может, разумнее выбрать практику с наставником.

Навык, прототип, пилот, production

В отчётах об обучении эти слова часто смешивают. Я развожу их так:

Подтверждённый навык. Участник сам описал задачу, получил результат, сверил его с критериями и исправил ошибки. Проверяющий видел весь цикл, включая исправления.
Прототип. Работающая заготовка инструмента на тестовых или обезличенных данных. Её можно показать, но работать на ней рано.
Пилот. Прототип на ограниченный срок отдают реальным пользователям. У пилота есть владелец, показатель и дата решения. В моих учебных материалах это 30 дней, после которых проект продолжают, меняют или останавливают.
Production. Инструментом пользуются в рабочем процессе. Для этой стадии я проверяю, что у него есть технический владелец и поддержка, доступы согласованы с IT, а сценарий прошёл проверку на реальных задачах.

В моём формате проектная программа заканчивается демонстрацией прототипов и решением о пилоте. У других программ граница может проходить иначе, поэтому спросите, на какой стадии заканчивается именно эта. Если обещают работающую систему у каждого участника, уточните, кто отвечает за пилот, поддержку и техническую проверку.

Кого учить и как подготовить группу

Если вы выбрали практику или проектный формат обучения сотрудников нейросетям, заранее определите группу и подбирайте её под задачи. Берите людей, у которых есть повторяющаяся работа с проверяемым результатом, и того, кто знает процесс глубже остальных. На финал нужны руководители, которые могут выбрать проекты для пилота и назначить владельцев. Иначе решение о пилоте на финале принять некому.

Даже удачное обучение группы не означает внедрения по всей компании. На выходе у вас несколько человек с навыком и, возможно, несколько прототипов. Распространение на другие отделы — отдельное решение, которое принимают после пилота, с новыми владельцами и своими данными.

До первой встречи проверьте готовность:

у каждого участника работают компьютер и учётная запись в нужном инструменте, ограничения рабочих машин сняты;
есть координатор, который ведёт расписание, общий чат и напоминает о практике;
есть технический специалист для установки и доступов;
в календаре участников выделено время на задания между встречами;
согласовано, какие материалы можно приносить: вымышленные, тестовые или по-настоящему обезличенные. Удалить из документа имя недостаточно.

Если участники не могут открыть нужный инструмент или время на практику не выделено, первую встречу разумнее перенести, чтобы не тратить её на настройку.

Попросите пример задания и критерии проверки

Пример задания показывает, как программа устроена на деле. Хорошее задание опирается на рабочую задачу участника: что подать на вход, как выглядит приемлемый результат, на что посмотрит проверяющий. Критерии запросите письменно. Мой минимальный набор:

задача повторяется, и её результат можно проверить;
в работе только разрешённые материалы;
результат сравнили с образцом или с тем, как задачу делали раньше;
участник назвал, где модель ошиблась и что осталось решать человеку;
понятно, кто и в какой срок даёт обратную связь.

Настораживает задание без ожидаемого результата и критериев, например «придумайте десять промптов для своего отдела», где не сказано, к какой задаче их применить и по каким признакам их оценят. Второй тревожный ответ на вопрос о проверке — «участники сами оценят пользу».

Близкую логику описывает поставщик модели. По словам Anthropic, курсы Claude Academy строятся вокруг задач, с которыми люди сталкиваются на работе. Собственные сотрудники компании на онбординге тренируются решать, что поручить ИИ, а что сделать самим, и изучают типичные ошибки моделей, чтобы точнее проверять результат. Среди установок, которые компания прививает, есть и такая: проверять тем тщательнее, чем выше ставки. Курс AI Fluency разбирает делегирование, описание задачи, оценку результата и добросовестность в работе с ИИ. Так поставщик описывает собственный подход. Результаты обучения в этом материале не исследуются.

Два примера по ролям

Примеры условные: они показывают логику выбора и не описывают конкретные компании.

Руководитель отдела закупок

Цель — чтобы закупщики быстрее сверяли коммерческие предложения поставщиков с заявкой. Менять процесс пока никто не собирается, нужен навык у нескольких человек. Подходит практика с наставником. Задание: сравнить обезличенные предложения с заявкой и отметить расхождения в цене, сроках и составе. На финале руководитель принимает образец сверки, который проверяющий признал верным, и список ошибок модели, которые закупщики научились ловить. Прототип для такой цели не нужен.

Руководитель клиентской поддержки

Нужно понять, может ли внутренний помощник готовить черновики ответов по стандартам компании. Это вопрос процесса, поэтому разумнее проектная программа. В группу входят сам руководитель, сотрудник, который лучше всех знает стандарты, и человек от IT. На финале принимают демо на тестовых обращениях, перечень ограничений (скажем, помощник не готовит ответы по возвратам), план замера и владельца пилота. Клиентам помощник ничего не отправляет: этот вопрос решают после пилота и проверки IT.

Что спросить до покупки

Что мы увидим на финале: понимание, подтверждённый навык или прототип?
Практика идёт на наших задачах или на учебных?
Можно посмотреть пример задания и критерии проверки?
Кто проверяет работы и как быстро отвечает?
Сколько времени участникам нужно между встречами?
Что подготовить до старта: компьютеры, учётные записи, доступы, материалы?
Какие данные нельзя приносить на занятия и как готовить обезличенные примеры?
Кто из руководителей должен прийти на финал и какое решение там принимают?
Кто ведёт пилот, если его выберут?

Что принять на финале

Приёмку стройте по артефактам, а не по впечатлению от последней встречи. От каждого участника:

описание задачи и того, что в ней остаётся за человеком;
образец результата, который принял проверяющий;
запись проверки: замечания, найденные ошибки модели, исправления.

Для проектной программы добавьте:

демо на тестовых или обезличенных данных, живое или в записи;
перечень ограничений и того, как их контролируют;
способ измерить эффект и с чем сравнивать;
владельца следующего шага;
решение руководителей: какие проекты идут в пилот, а какие нет.

Сертификата в этом списке нет намеренно. Он может подтверждать прохождение курса или итоговой проверки, но не показывает, как изменилась работа. Когда пилот закончится, вернитесь к тем же документам и решите по фактам, продолжать проект, менять или останавливать.

Как устроен проектный формат у меня, описано на странице корпоративного консалтинга. Проверяйте его по тем же вопросам и критериям.

Источники и методика

Anthropic — Anthropic’s approach to teaching and learning AI, 20 августа 2026. Описание подхода поставщика модели, не исследование эффективности.
Anthropic — AI Fluency. Учебный курс поставщика модели.
Учебные материалы корпоративной AI-программы Дениса Ффринга: выбор задачи, правила работы с материалами, структура финальной защиты и 30-дневного пилота. Примеры по ролям в статье условные.