> 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/transformation/ai-coe.md). # Центр AI-компетенций ## Что это Построение полноценного внутреннего центра AI-экспертизы в вашей организации. От 2-3 человек в месяцы 1-3, до 10-15 специалистов к концу года. Мы проектируем организационную структуру, нанимаем и развиваем людей, строим процессы и governance, потом передаём вам полностью. Мы помогаем вам построить собственный центр, который может существовать без нас. > **Кратко:** Построение полноценного внутреннего центра AI-экспертизы — от 2-3 человек до 15 специалистов. **Для кого:** CEO, CDO крупных компаний (1000+ сотрудников) после 2-3 успешных проектов трансформации. **Результат:** Работающий центр с 7 ролями, Свод правил, метрическая система, pipeline масштабирования. 20-30 процессов трансформировано. **Сроки:** 6-12 месяцев. *** ## Для кого ### Условия Вы готовы к Центру компетенций, если: 1. **Вы прошли 2-3 проекта** [перестройки процессов](/iishki-1/transformation/ai-process-redesign.md). Видите паттерны, что повторяют. Хотите это систематизировать. 2. **Размер компании 1000+ сотрудников**. Меньше не имеет смысла — нет достаточного количества процессов для масштабирования. 3. **Есть CEO / CDO support**. Это стратегическая инициатива, требует ресурсов, нужна поддержка top. 4. **Вы готовы инвестировать в людей**. Salary для AI Engineers — не дешево. Но это дешевле, чем делать каждый проект через контрактора. ### Кто запрашивает Обычно CEO или новоназначенный Chief Digital Officer, который видит что AI-трансформация становится непрерывным процессом, а не разовым проектом. *** ## Как работает — 3 фазы оргструктуры ### Фаза 1: Централизованная (месяцы 1-3) **Что это**: один центр контролирует все AI-инициативы в компании. Классическая централизованная структура. **Состав команды**: * **Center Director** (1 FTE) — стратегия, координация, найм * **AI Process Lead** (2-3 FTE) — дизайн трансформации процессов * **AI Engineer** (3-4 FTE) — прототипирование и production deployment * **Data Analyst** (1-2 FTE) — метрики, dashboard, ROI reporting * **AI Trainer** (1 FTE) — обучение команды, Runbook / Свод правил * **AI Governance Lead** (1 FTE) — compliance, Shadow AI tracking, эволюция Свода правил **Total**: 9-12 человек **Что делают в месяцы 1-3**: * Диагностика: какие процессы готовы к трансформации (A1-A5 scoring) * Выбор первого набора инициатив (3-5 параллельных потоков) * Параллельный запуск нескольких [процессов трансформации](/iishki-1/transformation/ai-process-redesign.md) * Документирование первого черновика Свода правил (AI Rulebook) и FinOps framework **Результат**: 3-5 процессов в production, первые кейсы с цифрами *** ### Фаза 2: Федеративная (месяцы 4-8) **Что это**: центр задаёт стандарты, но каждое подразделение (Sales, Operations, Finance, HR) имеет своего AI-лидера, который работает на своём направлении. **Изменения в структуре**: * Center Director переходит на advisory (40% time в center, 60% на strategic initiatives) * Нанимаем **AI Champions** в каждое подразделение (Sales, Operations, Finance, HR) — это лидеры с частичной занятостью (20-30%), которые координируют инициативы в своей области * Процессы в центре становятся компактнее (не нужна команда на каждый маленький проект) **Что делают в месяцы 4-8**: * AI Champions запускают инициативы в своих подразделениях (с поддержкой center engineers) * Center выбирает 2-3 критические инициативы в месяц (не пытается делать все) * Развитие внутренних AI Engineers (теперь часть center может быть из ваших людей, обученных Кактусом) * Уточнение Свода правил на основе production-опыта **Результат**: 8-12 процессов трансформированы, centers в каждом подразделении *** ### Фаза 3: Встроенная (месяцы 9-12) **Что это**: AI-компетенции распределены по организации. Центр существует как "expertise hub" + governance, не как операционный центр. **Структура**: * **AI Governance Lead** (1 FTE) — ownership Свода правил, compliance, FinOps, audits * **AI Expertise Hub** (2-3 FTE) — консультирует подразделения, делает research, internal training * **Distributed AI Champions** (по 1-2 в каждом подразделении) — владеют AI-инициативами в своей области **Total**: 5-8 людей в центре, остальные в подразделениях **Что делают в месяцы 9-12**: * Масштабирование: параллельно 5-10 инициатив * Самостоятельная трансформация: подразделения уже знают как работать с процессом, минимальный контроль * Continuous improvement: каждый месяц улучшения в существующих процессах * Подготовка к внешним угрозам: действия конкурентов, новые регуляторные требования **Результат**: 20-30 процессов трансформированы, AI embedded в DNA компании *** ## 7 Ролей в Центре компетенций **Day-1 ключевые роли**: AI Process Owner (APO), Eval Specialist, Domain Expert Эти роли появляются постепенно по фазам: ### 1. AI Champion **Что делает**: пионер трансформации в своем подразделении (Sales, Operations, HR) **Где**: в подразделении, не в центре **Размер занятости**: 20-30% **Ответственность**: * Выявление opportunities * Координация с center на реализацию * Feedback к центру от подразделения * Internal evangelizing ("сделайте это, это вам поможет") ### 2. AI Process Owner (APO) **Что делает**: проектирует трансформацию процесса (вы знаете из [ai-process-redesign.md](/iishki-1/transformation/ai-process-redesign.md)) **Где**: в центре **Размер занятости**: 100% **Ответственность**: * Value Stream Mapping * Design целевого процесса * Двойной прогон (Dual Run) протокол * Ownership по Gate decisions ### 3. AI Engineer **Что делает**: прототипирует и deployит агентов **Где**: в центре **Размер занятости**: 100% **Ответственность**: * Выбор подходящего паттерна * MVP разработка * Integration с системами * Production deployment и мониторинг * Фиксация решений (Decision Capture Pipeline) ### 4. Eval Specialist (День-1 роль) **Что делает**: отвечает за качество и ROI каждого проекта **Где**: в центре или distributed **Размер занятости**: 50-80% **Ответственность**: * Baseline метрики (week 1) * Accuracy validation (shadow mode) * ROI reporting (3 оси: efficiency, quality, speed) * Dashboard creation и maintenance ### 5. Domain Expert (День-1 роль) **Что делает**: обеспечивает предметное знание для трансформации **Где**: совместно в центре и подразделении **Размер занятости**: 50-100% **Ответственность**: * Глубокое знание процессов * Валидация дизайна и результатов * Связь с подразделением * Обучение команды ### 6. AI Governance Lead **Что делает**: управляет compliance, Shadow AI, FinOps, свод правил evolution **Где**: в центре **Размер занятости**: 100% **Ответственность**: * Свод правил (AI Rulebook): версионирование, эволюция, compliance audit * Shadow AI tracking: какие инструменты используют, где риск утечки данных * FinOps: бюджеты, model routing, cost optimization * Регулярный compliance audits (152-ФЗ, GDPR и отраслевые требования) ### 7. AI Trainer **Что делает**: обучает организацию как работать с AI **Где**: в центре **Размер занятости**: 80-100% **Ответственность**: * Разработка курсов (для разных ролей: операционные сотрудники, менеджеры, engineers) * Live workshops (к концу каждого проекта трансформации) * Runbook/Свод правил документирование * Internal knowledge base maintenance *** ## Распределение нагрузки в команде Каждый инженер может управлять максимум 2-3 проектами параллельно (не учитывая текущую support). Если больше — качество падает. **Распределение нагрузки**: * **Фаза 1 (месяцы 1-3)**: каждый инженер на одном проекте (3-5 параллельных потоков) * **Фаза 2 (месяцы 4-8)**: каждый инженер на 2-3 проектах (по мере того как некоторые выходят из-под close supervision) * **Фаза 3 (месяцы 9-12)**: каждый инженер может работать на 3 проектах, но center становится меньше (люди выходят в подразделения) **Ротация**: каждые 6 месяцев один инженер переходит в подразделение как AI Champion (с целью развить их, чтобы они могли сами управлять проектами). *** ## Свод правил (AI Rulebook) как governance-фреймворк Это живой документ, не печать на стене. Эволюция: **Месяц 1**: Draft на основе первых проектов ``` - Decision Agent: может автономно классифицировать, если confidence >90% - Escalation Chain: если confidence <70%, идёт человеку - Logging: каждое решение логируется в фиксацию решений для audit - Ownership: AI Champion в подразделении отвечает за качество ``` **Месяцы 4-8**: Refinement на основе production опыта ``` - Добавляем специфичные правила для каждого паттерна - Уточняем пороги (confidence thresholds) - Добавляем edge cases (что делать если есть конфликт интерпретаций) - Compliance updates (новые требования от регулятора) ``` **Месяцы 9-12**: Стабилизация и distribution ``` - Свод правил становится стандартом организации - Все новые инициативы следуют одному Своду правил - Ежеквартальный review и update (не чаще) ``` *** ## FinOps for AI **Что это**: управление затратами на AI-инфраструктуру и сервисы (LLM API calls, GPU, tools). ### Model Routing Для разных задач разные модели: * **GPT-4 or Claude Opus** ($0.03 per 1k input tokens): critical decisions, high accuracy needed * **GPT-3.5 or Claude Sonnet** ($0.001 per 1k input tokens): routine classification, fast response * **Local models** (if applicable): high volume, low sensitivity tasks Экономия: если маршрутизируем 70% routine tasks на дешевую модель → cost falls 5-7x. ### Caching и Batch Processing * **Caching**: если один и тот же prompt повторяется → кешируем * **Batch Processing**: не все нужно real-time. Ночной batch может обработать 1000 заявок за $20 вместо real-time $500. ### Budget Allocation ``` Annual AI budget: $500k - Production deployment (4 processes): $300k - Experimentation & new initiatives: $150k - Tools & infrastructure: $50k ``` **Quarterly reviews**: видим что переиспользовано, что недоиспользовано → rebalance. *** ## Метрическая система ### 6 ключевых метрик 1. **Стоимость результата (рубли / результат)** * Было: $50 за обработку заявки. Стало: $5. * Track monthly, trend should be down 2. **Доля вмешательств (HIR)** (% cases, требующие escalation) * Было: 40% (неправильно классифицировано, требует ручной переработки). Стало: 5%. * Track по типам cases, по дням недели (есть ли patterns) 3. **Quality Score (% correct decisions)** * Было: 95% human accuracy. Стало: 98% AI accuracy (+ human review). * Track по типам cases 4. **Speed (time per case)** * Было: 4 часа (manual). Стало: 5 минут (AI + async). * Track latency percentiles (p50, p95, p99) 5. **Adoption Rate (% of eligible cases using AI)** * Было: 0%. Стало: 85% (остальные либо escalated, либо exceptions). * Should stabilize на 80-90%, остальные — edge cases 6. **Team Satisfaction (NPS among users)** * Post-deployment survey: "How comfortable are you with AI decisions?" * Target: >7/10 ### Counterbalance Метрики могут конфликтовать: * Если хотим максимум speed → можем упустить quality * Если хотим максимум accuracy → cost растёт (дольше review) **Counterbalance matrix**: ``` ← Speed → Accuracy ✓ ✓ ✗ Quality ✓ ✓ ✗ Cost ✗ ✗ ✓ ``` Цель: найти точку, где все три хорошие. Обычно это: * Speed: 95% acceptable (не нужна 99% latency) * Quality: 95-98% accuracy (not 99.9%, это переучёт) * Cost: 50-70% reduction (not 90%, это значит качество упало) *** ## Что получаете итого 1. **Работающий центр компетенций** с 7 определёнными ролями и процессами 2. **Свод правил** как governance-фреймворк (не скучный compliance-чеклист, а реальный decision framework) 3. **Метрическая система** с 6 ключевыми метриками и dashboard (monthly reporting на C-level) 4. **Pipeline трансформации процессов**: * A1-A5 scoring (какие процессы готовы) * Матрица приоритизации (какие процессы делать первыми) * Standard workflow (аудит → дизайн → прототип → dual run → production) 5. **Playbook для internal use** (как выполнять трансформацию без Кактуса; ваши Process Leads смогут это делать) 6. **Внутренние кадры**, обученные и готовые к масштабированию (не зависимы от Кактуса) *** ## Формат и сроки * **Продолжительность**: 6-12 месяцев * **Команда Кактуса**: 3-4 человека в месяцы 1-6, потом 1-2 на advisory в месяцы 7-12 * **Ваши вложения**: наём и зарплата для 9-12 человек в месяцы 1-3, потом масштабирование по мере роста *** ## Часто задаваемые вопросы **Q: Мы не готовы к Центру компетенций сейчас, что делать?** A: Начните с [Перестройки процессов](/iishki-1/transformation/ai-process-redesign.md) (1-3 проекта) и [AI-директора по подписке](/iishki-1/transformation/fractional-cdo.md) (для координации). После 2-3 успешных проектов вернитесь к этому. **Q: Кого мы должны нанять в Центр?** A: Мы поможем с job descriptions и интервью (для Process Leads и Engineers). Вы нанимаете. Мы обучаем. На месяцы 1-3 центр может быть 50% from contractors (по нашим рекомендациям), потом постепенно переходим на внутренних. **Q: Сколько это стоит?** A: Зависит от размера команды и scope. На первой встрече обсудим ваш контекст и подберём формат. ROI обычно 5-10x в первый год. **Q: Может ли AI Governance Lead быть part-time?** A: На месяцы 1-3 да, может быть 50-60% (совмещение с другой ролью). На месяцы 4+ должен быть 100% — governance растёт. **Q: Что если мы захотим остановить центр на месяце 6?** A: Можно. На месяце 6 обычно уже 10-15 процессов в production, есть кейсы, центр может работать с минимальной поддержкой. Мы переходим на advisory (1-2 дня в месяц) и помогаем по запросам. *** ## Дальше Если вы ищете более лёгкий path к трансформации (без полноценного центра) — попробуйте [AI-директор по подписке](/iishki-1/transformation/fractional-cdo.md) (координация и стратегия без структуры). Если вы уже готовы и хотите запустить центр — давайте обсудим деньги и временную линию. --- # 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 dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://scrumtrek.gitbook.io/iishki-1/transformation/ai-coe.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.