---
title: "Как провести первое обучение команды AI на её рабочих задачах"
metaTitle: "Первое AI-обучение команды на реальных задачах"
description: "Пошаговый разбор первого занятия по AI для команды: рабочие задачи, проверка результата и шаблоны, которые можно использовать после обучения."
date: 2026-09-23
tags: [ai-training, agentic-ai]
cover: cover.webp
coverAlt: "Нарисованная команда проверяет реальный рабочий документ за ноутбуком на занятии"
draft: false
updated: 2026-09-23
---

Первое занятие по AI полезно строить вокруг рабочих задач участников. Тогда у каждого может остаться проверенный шаблон для своего процесса и понимание, где инструмент помогает, а где подводит. Ниже - порядок занятия, в котором команда сначала фиксирует исходный способ работы, затем пробует AI и сверяет результат с источником.

## Что нужно подготовить до занятия

Организационная работа до старта во многом определяет качество результата.

**Задачи.** Каждый участник заранее выбирает одну рабочую задачу, с которой регулярно сталкивается: подготовка сводки, ответ на типовой запрос, составление первичного варианта документа. Задача должна быть реальной, но безопасной для использования на занятии: персональные данные клиентов, коммерческие условия и внутренние финансовые показатели нужно убрать или заменить на условные. Это называют обезличиванием - и это не формальность: данные, однажды случайно отправленные в облачный сервис, уже не вернуть.

**Фиксация исходного способа.** До занятия каждый письменно отвечает на два вопроса: как он сейчас выполняет эту задачу и по каким признакам понимает, что результат хороший. Эти ответы станут точкой отсчёта. Без них невозможно понять, принёс ли AI пользу или просто создал иллюзию скорости.

**Минимальный общий контекст.** Перед практикой стоит выделить время на базовый инструктаж: что AI-инструменты умеют делать хорошо (генерировать текст по образцу, структурировать, перефразировать, выделять главное), где они дают сбой (точные цифры, ссылки, специфическая терминология без контекста) и почему данные, попадающие в запрос, важно проверять перед отправкой. Это не лекция об устройстве нейросетей, а рабочий инструктаж.

## Структура занятия: пять блоков

### Блок 1. Разбор задачи до начала работы с AI

Участник вслух объясняет свою задачу: что на входе, что должно получиться, какой критерий хорошего результата он записал заранее. Группа задаёт уточняющие вопросы. Цель этого блока не в AI вовсе: человек формулирует задачу точнее, чем обычно, потому что должен объяснить её другому.

Формат: 5-7 минут на участника в малой группе (3-4 человека). Материалы: заранее заполненный лист с описанием задачи и критериями. Критерий результата: задача сформулирована так, что коллега может повторить её самостоятельно.

### Блок 2. Первая попытка с AI

Каждый самостоятельно составляет запрос (его называют промптом) и получает ответ. Никаких подсказок от ведущего на этом этапе - задача зафиксировать, что получилось с первого раза и что нет.

Формат: индивидуальная работа, 10-15 минут. Материалы: обезличенная версия рабочей задачи, доступ к AI-инструменту. Критерий результата: есть первый ответ AI и первичная оценка участника - соответствует ли он критериям, записанным до занятия.

### Блок 3. Перекрёстная проверка

Участник передаёт результат коллеге для проверки структуры и явных расхождений с исходным материалом. Факты и специальные критерии затем подтверждает владелец процесса или профильный сотрудник. Так становится видно, где AI убедительно ошибается: формулировка звучит профессионально, но не совпадает с источником.

Формат: парная работа, 10 минут. Материалы: исходный документ или данные, по которым можно проверить ответ. Критерий результата: коллега нашёл или не нашёл расхождения и зафиксировал их письменно.

### Блок 4. Итерация и фиксация шаблона

После проверки участник дорабатывает запрос, убирает типичные ошибки и записывает финальную версию промпта с пояснениями: что нужно менять под конкретный случай, что оставлять неизменным. Это и есть шаблон - не универсальный, а привязанный к конкретному процессу конкретного человека.

Формат: индивидуальная работа с обсуждением, 15 минут. Материалы: шаблонный бланк для записи промпта с полями «постоянная часть», «переменная часть», «что проверить в результате». Критерий результата: шаблон понятен коллеге без дополнительных объяснений.

### Блок 5. Общий список наблюдений

В конце занятия группа собирает три списка: повторяющиеся ошибки AI на задачах команды, действия, которые AI выполнял стабильно хорошо, и ограничения, требующие другого решения. Не каждая задача решается промптом: иногда нужна интеграция с данными или отдельный процесс. Эти списки становятся основой для следующего шага.

Формат: общее обсуждение, 15-20 минут. Материалы: общая доска или документ, доступный всем участникам. Критерий результата: каждый пункт списка привязан к конкретной задаче и конкретному участнику как владельцу процесса.

## Учебный пример: обезличенный рабочий отчёт

Ниже - условный пример для иллюстрации, не реальный случай.

Участник занятия готовит еженедельную сводку по статусу проектов для руководителя. Исходный способ: вручную собирает данные из трёх таблиц, пишет текст, форматирует. Критерий хорошего результата: все проекты упомянуты, статус каждого однозначен, объём не превышает одной страницы.

На первой попытке AI генерирует связный текст по вставленным данным, но добавляет оценочные фразы - например, «проект развивается успешно», - которых в исходных данных нет. Коллега при перекрёстной проверке находит несколько таких мест. После итерации участник добавляет в промпт явное ограничение: «используй только факты из таблицы, не добавляй оценок». Финальный шаблон фиксирует эту формулировку как постоянную часть.

Из этого примера следует не то, что AI справился или не справился, а то, что команда теперь знает конкретную точку риска в конкретном процессе и знает, как её контролировать.

## Что остаётся после занятия

По итогам у команды должно быть три осязаемых результата.

Первый - набор проверенных шаблонов, привязанных к реальным задачам, с инструкцией проверки результата. Второй - список потенциальных кейсов с указанием владельца каждого процесса: кто несёт ответственность за качество результата при использовании AI. Третий - понимание, какие задачи требуют не шаблона, а более глубокой проработки: подключения данных, настройки процесса, приёмки результата по формальным критериям.

Посещение занятия само по себе не подтверждает, что навык освоен. Проверка устроена иначе: через некоторое время участник самостоятельно выполняет новую задачу того же типа и предъявляет результат с заполненной инструкцией проверки. Если результат соответствует критериям, навык можно считать закреплённым.

Обучение и разработка решения - разные вещи. Часть задач после занятия окажется пригодной для самостоятельного использования с шаблоном. Другая часть потребует полноценного проекта: с данными, с владельцем, с формальной приёмкой. Путать одно с другим дорого обходится - и по времени, и по ожиданиям команды. Подробнее о том, как выстроить последовательность от первых экспериментов до рабочего решения: [AI-обучение команды](/ru/ai-training/) и [пилотный проект с командой](/ru/team-ai-pilot/).

## Частые вопросы

### Нужен ли специальный ведущий или это может сделать кто-то внутри компании?

Занятие может провести внутренний сотрудник, если он сам уже работал с AI на рабочих задачах и понимает разницу между убедительным ответом и точным. Главное требование к ведущему: не подсказывать готовые решения на этапе первой попытки и не пропускать блок перекрёстной проверки.

### Что делать, если задачи участников слишком разные и сложно работать в группе?

Разные задачи можно обсуждать в одной группе, если для каждого примера записаны вход и критерии. Коллега из другого процесса способен заметить непонятную инструкцию или пропуск, но не обязан оценивать специальные факты. Их подтверждает владелец процесса или профильный сотрудник.

### Как понять, что занятие прошло успешно, прямо в день проведения?

По двум признакам: каждый участник ушёл с записанным шаблоном, который он готов использовать в ближайшей работе, и каждый может назвать хотя бы одну точку риска в своём процессе. Если этого нет, занятие стоит повторить с другими задачами.

### Стоит ли проводить такое занятие, если команда уже использует AI в работе?

Стоит, особенно в этом случае. Неформальное использование накапливает привычки, которые могут быть неэффективными или небезопасными. Структурированное занятие позволяет проверить, что именно делает команда, зафиксировать хорошие практики и скорректировать плохие.

Если хотите обсудить, как адаптировать этот формат под задачи вашей команды: напишите в Telegram [@shimaoz](https://t.me/shimaoz) или на почту [hello@majento.ai](mailto:hello@majento.ai).

## Источник

Консультации и обучающие курсы Majento.