> For the complete documentation index, see [llms.txt](https://scrumtrek.gitbook.io/iishki-1/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://scrumtrek.gitbook.io/iishki-1/training/ai-literacy.md). # Программа AI-грамотности > Массовое обучение навыкам работы с AI, привязанное к процессам вашей компании: «вот ваш процесс X, вот как AI меняет вашу роль, вот три инструмента для вашей задачи». > **Кратко:** Массовое обучение AI, привязанное к процессам и ролям вашей компании. **Для кого:** HR-директор, руководитель L\&D — обучить от 50 до 40 000 сотрудников. **Результат:** Каждый сотрудник понимает, как AI меняет его роль, и умеет использовать 2-3 инструмента. **Сроки:** 1 день — 6 недель (зависит от формата и масштаба). ## Для кого **Кто заказывает:** HR-директор, руководитель L\&D, CDO **Кто участвует:** Все сотрудники компании — от инженеров до маркетологов и бухгалтеров. Программа масштабируется от малых групп (50 человек) до корпоративной трансформации (40 000+ сотрудников). *** ## Проблема Компании знают, что AI кардинально меняет работу. Но типовые курсы "основы GenAI" дают только теорию: * Сотрудники слушают про трансформеры и токены * Но не понимают, как это применяется к их работе * И после курса продолжают работать так же Нам нужна программа, которая говорит на языке процессов: "вот ваш процесс X → вот как AI его меняет → вот три инструмента для вашей роли → вот упражнение на ваших данных". *** ## Что мы предлагаем Программа AI-грамотности покрывает первые два уровня **5D-модели развития AI-компетенций**: D1 (Awareness — понимание, что AI может) и D2 (Tool Fluency — умение работать с инструментами). Для перехода к D3-D5 (Process Thinking, Eval Mindset, Change Agency) — смотрите [AI-чемпионы 2.0](/iishki-1/training/ai-champions.md). Это модульное обучение, которое можно адаптировать под любой размер компании, отрасль и уровень подготовки. **Четыре формата на выбор:** ### Формат 1: Очный интенсив (1-2 дня) Классический корпоративный тренинг. Группа до 30 человек на площадке компании или наших офисах. **5 модулей × 4 часа = 20 часов (обычно 1-2 дня)** | Модуль | Тема | Содержание | | ------ | -------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 1 | AI-ландшафт 2026 | Что произошло за последние 12 месяцев. Текущие модели и их возможности. Где применяется, где нет. Ограничения LLM | | 2 | Персональные AI-ассистенты | Как использовать AI для личной производительности. ChatGPT/Claude/Gemini, промпт-инжиниринг, работа с контекстом. Инструменты: Claude Code, GitHub Copilot | | 3 | AI в вашей организации | Как AI изменяет бизнес-процессы. Примеры на процессах вашей компании. Кто должен быть причастен (команда, менеджер, тех.поддержка) | | 4 | Аналитика и данные | Как AI работает с данными. Поиск с увеличением контекста (RAG) и поиск. Вопросы безопасности: что можно и нельзя отправлять в облачные сервисы. Локальные модели | | 5 | AI-контент и медиа | Генерация текста, изображений, видео, аудио. Когда это помогает, когда вредит. Авторские права и регуляция | **В структуре каждого модуля:** * 20% теория (что это такое) * 60% практика (упражнения на инструментах) * 20% кейсы из вашей компании **Результат:** Каждый сотрудник понимает, как AI меняет его роль, и имеет навык использования 2-3 инструментов. *** ### Формат 2: Ролевые программы (0.5-2 дня) Для компаний, где разные роли имеют разные потребности. Каждый получает конкретные инструменты и шаблоны для своей работы. **Отдельные треки:** | Роль | Длительность | Фокус | | -------------------- | ------------ | ------------------------------------------------------------------------------------------------------------------------------------------------ | | **Team Leads** | 1 день | Как AI меняет управление командой. Автоматизация отчётности, синхронизации, документирования. Как не заменить людей, а дать им новые возможности | | **Product Managers** | 1.5 дня | Как AI меняет цикл разработки (требования → дизайн → тестирование). Как прототипировать быстрее. Как писать требования для AI-агентов | | **Аналитики** | 1 день | RAG для работы с корпоративными данными. SQL-запросы в Python через AI. Автоматизация отчётов. Вопросы качества данных | | **HR и T\&D** | 1 день | Как AI меняет рекрутмент и обучение. Ботов для первичного интервью. Персонализированные обучающие программы. Автоматизация документооборота | | **Маркетологи** | 1.5 дня | Генерация контента и идей. A/B-тестирование с AI. Анализ сегментов. Инструменты: ChatGPT, Claude, Midjourney | | **IT и DevOps** | 2 дня | Интеграция AI в SDLC. CI/CD с AI. Мониторинг и логирование через LLM. Безопасность при использовании облачных сервисов | *** ### Формат 3: Отраслевые программы (1-2 дня) Для компаний с особыми регуляторными или операционными требованиями. Каждая программа учитывает специфику отрасли. | Отрасль | Особенности | | ------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------- | | **Банки и финтех** | Регуляторика ЦБ. Требования к конфиденциальности данных. Локальные LLM vs облачные. Комплайенс при использовании AI. Примеры: Альфа-Банк, Сбербанк | | **Фарма и Life Sciences** | GxP-процессы, требования FDA/EMA. Документирование аудита для AI-систем. Валидация моделей. Примеры: Петровакс, АО Лекфарма | | **Телеком** | Масштабируемость. Обработка больших объёмов данных. Чат-боты для поддержки. Примеры: МегаФон, Вымпелком | | **Ритейл и e-commerce** | Персонализация и рекомендации. Управление инвентарём. Чат-боты для клиентов. Аналитика поведения. Примеры: СДЭК, Ozon | *** ### Формат 4: Асинхронный с AI-тренажёром (для масштаба 500+ человек) Для больших компаний, где нельзя вывести всех сотрудников на очное обучение. Комбинация видео-модулей, практики и AI-бота-тренажёра. **Компоненты:** * **Видеомодули** (5 × 30-60 минут) — то же, что в интенсиве, но в записи * **Практические упражнения** на реальных инструментах (ChatGPT, Claude, GitHub Copilot) * **AI-тренажёр в Telegram** — бот, который помогает закрепить навыки и отвечает на вопросы * **LMS-интеграция** — отслеживание прогресса и встраивание в корпоративную систему обучения * **Адаптивная сложность** — программа подстраивается под уровень подготовки **Сроки:** 4-6 недель самостоятельного обучения + еженедельные групповые Q\&A сессии **Результат:** Аналитика по каждому сотруднику (какие модули освоены, где встречаются вопросы, какие инструменты используют чаще). *** ## Как измеряем результат Не посещаемость и тесты, а реальное изменение компетенций и поведения. **Pre/Post Assessment:** Опросник до и после программы — понимание AI, confidence в использовании инструментов, планы применения. **Adoption Tracking 30/60/90 дней:** Через месяц, два и три месяца смотрим, применяют ли сотрудники знания в работе. **Примеры метрик:** * Сколько людей активно использует AI-инструменты? * В каких процессах произошли изменения? * Что люди говорят о пользе программы? *** ## Кейсы ### Альфа-Банк: 40 000 сотрудников Интенсивная программа AI-грамотности для масштаба. Включала очные модули для топ-менеджмента, ролевые треки для направлений и асинхронный курс с Telegram-ботом для массовой аудитории. **Результат:** За 3 месяца 40 000 сотрудников прошли базовый курс. 15% активно использует AI-инструменты в работе. Запущено 20+ пилотов автоматизации процессов. ### Haleon: Очный интенсив для масштаба Производитель потребительских товаров. Программа AI-грамотности для 500 сотрудников разных направлений (снабжение, R\&D, маркетинг, продажи). **Результат:** Участники прошли все 5 модулей и получили конкретные идеи для своих процессов. Из них выросла первая когорта AI-чемпионов. ### СДЭК: Отраслевая программа для логистики Специализированный формат для логистической компании. Включал модули о работе с данными (отслеживание посылок, оптимизация маршрутов), чат-боты для клиентов, аналитика. **Результат:** Операционная команда внедрила AI для аналитики доставок. Маркетинг использует AI для генерации контента. ### Петровакс: Отраслевая программа для фармы Специализированная программа с учётом GxP-требований и регуляции. Фокус на документировании и валидации при использовании AI в критичных процессах. **Результат:** Команда R\&D научилась безопасно использовать AI для анализа данных и документирования. *** ## Адаптация под вашу компанию Программа гибкая и может адаптироваться: **По объёму:** От 20 человек (интенсив в офисе) до 40 000 человек (комбинированная схема) **По времени:** От 1 дня до 6 недель в зависимости от формата **По содержанию:** Мы встраиваем кейсы из вашей компании, говорим о вашей отрасли и инструментах, которые вы уже используете **По языку:** Все программы на русском, но можем провести на английском *** ## Следующий шаг [Запишитесь на 30-минутную консультацию](https://kkts.ai/consult) — обсудим масштаб, роли, формат и сроки для вашей компании. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://scrumtrek.gitbook.io/iishki-1/training/ai-literacy.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.