AI
Обучение
Учимся на практических задачах
От обучения команды до работающего проекта
Учебный пример на вымышленных данных. На нём проходим 4 этапа от обучения команды до внедрения ИИ: сотрудник сравнивает документы поставки и готовит сводку, а команда решает, что проверить перед разработкой и подключением систем.
Обсудить задачу
Люди. Идеи. Реальная работа.От обучения до запуска
Проходим путь от общего понимания ИИ до решения в ежедневной работе.
Сотрудник сравнивает два описания поставки вручную. На обучении команда проверяет, сможет ли ИИ найти расхождения и привести цитаты из обоих источников. Записываем, как сверять ответ и обрабатывать пропуски. Повторяющаяся задача с проверяемым результатом становится кандидатом на разработку.
Поиск кейса
Выбираем возможность для проверки
Проработка проекта
Определяем данные, системы и приёмку
Внедрение
Запускаем и поддерживаем работу
Проверяем идею на реальной задаче
Работаем с вашими примерами, данными и критериями качества.
Берём несколько характерных документов, в том числе один с пропущенным полем. Участники сверяют цитаты с источниками и записывают исправления. Карточка проекта описывает владельца процесса, допустимые данные, критерии приёмки и ручной запасной путь. Разработчики получают задачу с понятными границами.
Ваша задачаСовместная проверкаРазбор результата
Встраиваем в ежедневную работу
Помогаем команде освоить решение и поддерживаем её после запуска.
После проверки прототип пробуют там, где задача действительно возникает. Сотрудник по-прежнему читает записку до отправки руководителю. Система должна показать, когда не хватает источника или не работает интеграция, и передать задачу человеку, который отвечает за следующий шаг.
Обсудить задачу
Формат совместной работы
Команда Majento находится в Ташкенте. Работаем на русском и английском с компаниями Центральной Азии, России, Беларуси и других стран. Разбор процессов, обучение и проверку решения можно проводить удалённо. Очные занятия и встречи согласуем с вашей командой.
До начала определяем участников, календарь встреч и материалы для работы. При разработке подключаем ИТ-службу заказчика, чтобы согласовать интеграции, доступ к данным и проверку результата.
Подробнее о команде и контактах - на странице компании.
Обновлено
1. Обучение начинается с рабочей задачи
Команда приносит задачу, которую уже выполняет. В нашем примере сотрудник сравнивает два описания поставки и готовит короткую записку руководителю. За исходную точку берём текущий документ, затраченное время и проверки перед отправкой.
Участники учатся задавать AI цель, исходные документы, правила и формат ответа. Затем сверяют ответ с документами. Если данных нет, так и пишут. Модель не получает права дополнять договорные условия.
2. Практика показывает возможность
Кейс стоит превращать в проект, когда задача повторяется, исходные данные доступны, а ответственный сотрудник может проверить результат. Команда фиксирует, что помогло, где ответ ошибся и что лучше оставить правилам или человеку.
Такой реестр помогает решить, что делать дальше. Иногда достаточно проверенного шаблона запроса или новой инструкции, и программа не нужна.
3. Карточка проекта делает идею проверяемой
В нашем примере в карточке будут:
| Поле карточки | Придуманный пример |
|---|---|
| Владелец процесса | Сотрудник, отвечающий за записку |
| Входные данные | Два документа поставки и согласованные правила сравнения |
| Результат | Черновик с описанием расхождений, цитатами и ссылками на оба документа |
| Системы | Согласованное хранилище документов и место для готовой записки |
| Приёмка | Каждая цитата совпадает с источником, пропуски видны, сотрудник подтверждает записку |
| Запасной путь | Сотрудник сравнивает документы вручную, если источник неполный или система недоступна |
Карточка задаёт, что именно проверять. Заодно она показывает, чего первая версия делать не должна.
Как проверить карточку до разработки
Даём карточку сотруднику, который не участвовал в её составлении, и просим пройти один обычный и один проблемный пример. Он должен понять, где взять документы, какие расхождения отметить и когда остановиться без ответа. Если для выполнения нужны устные пояснения автора, в карточке ещё не хватает условий. Исправляем их до подключения систем.
Разбор структуры такого задания есть в статье о брифе для AI-агента.
4. Разработка и интеграция следуют за проверками
Готовим проверочные примеры, подаём неполный документ и смотрим, как система обрабатывает ошибку. Параллельно проверяем стоимость и права доступа. Прототип живёт отдельно от рабочих систем, пока владелец не подтвердит поведение. Затем команда получает инструкции и проходит сценарий в привычном интерфейсе.
Последний шаг - работа каждый день. Демонстрация, которая один раз дала ответ, ещё не стала системой. Нужны ответственный, путь проверки и способ увидеть сбой.
Похожий маршрут в учебном плане
В учебном плане AI Masters похожий маршрут начинается с карты повторяющихся задач, продолжается пилотом на нескольких процессах и затем переходит к рабочим шаблонам и измерению. AI Masters - образовательный проект Сергея Шимы, сооснователя Majento, и цифры в плане относятся к его учебной программе.
Как наша команда строит агентов с памятью и интеграциями, показывает Iva - открытый ИИ-ассистент в Telegram.
Продолжить путь
Подробнее о корпоративном обучении AI · Посмотреть внедрение ИИ · Сформировать проект автоматизации
Материал для оценки примера
NIST описывает вопросы оценки рисков ИИ, которые полезно разобрать до разработки. По ним удобно проверить карточку проекта: данные, права, способ проверки и запасной путь.