Главное про ИИ

Главное про ИИ – обложка

Программа ориентирована на собственников бизнеса, руководителей и специалистов, которые принимают решения о внедрении ИИ и хотят понимать последствия этих решений. Участники приходят с разным уровнем подготовки — от полного незнания технологии до первых экспериментов. Общее у них одно: понимание, что ИИ уже влияет на рынок, и что игнорировать это не получится, но и слепо внедрять тоже нельзя.

Благодаря программе участники поймут, как устроены большие языковые модели и почему это принципиально для руководителя, научатся оценивать, какие задачи ИИ решает эффективно, а какие создают риски, и определят, где технология реально поможет их компании. Разберутся, как внедрять ИИ без неприятных сюрпризов и какую ответственность несёт бизнес за решения, принятые на основе ИИ.

Суть программы — на принципах работы, а не на запоминании инструментов. Это позволяет каждому участнику адаптировать знания к своим процессам: понимание того, как устроены LLM и почему ИИ ошибается, остаётся актуальным вне зависимости от того, какие сервисы появятся через год. Отдельное внимание — российским реалиям: ФЗ-152, авторское право на ИИ-контент, доступные модели и сервисы.

Программа семинара

Модуль 1. Как устроены LLM

  • Tрансформеры и предсказание токена: почему механизм «следующего слова» определяет всё
  • Контекстное окно: как модель «забывает» старый контекст, проблема потери информации в середине
  • Токенизация: как текст превращается в числа, почему русский дороже английского в токенах
  • Почему модели появились именно сейчас: данные, вычисления, архитектура — три фактора
  • Авторегрессивные, диффузионные, гибридные — что под капотом у каждого типа
  • Параметры и размер: 7B, 70B, 405B — что даёт масштаб и когда это не главное

Модуль 2. Что ИИ умеет и чем ограничен

  • Классы задач LLM: классификация, резюмирование, генерация, анализ, поиск — пять типов и их особенности
  • RAG: генерация правдоподобного, но выдуманного — как снизить
  • Предвзятость ИИ: системные искажения из обучающих данных — гендер, раса, культура; как обнаружить
  • CoT: зачем модель «рассуждает вслух» и когда это повышает качество ответа
  • Метрики ИИ-систем: успешность конвейера, оценочные наборы, задачные метрики — без измерения нет улучшения
  • Три заблуждения об ИИ: чудо, игрушка, враг — почему все три мешают эффективному внедрению

Модуль 3. ИИ против человека: возможности и границы

  • Скорость, объём, отсутствие усталости: более 50 преимуществ ИИ над человеком в конкретных задачах
  • Задачи, где ИИ пока уступает: эмпатия, интуиция, этические дилеммы, нетипичные ситуации
  • ИИ-агенты: ощущение → мышление → действие — принципиальное отличие от чата: память состояния, инструменты, многошаговое планирование
  • RAG против Дообучения: два подхода к адаптации модели — когда использовать каждый и когда комбинировать

Модуль 4. От чата к ИИ-агентам и мультиагентным средам

  • Чат против агента: когда простое обращение к модели достаточно, а когда нужен автономный агент
  • ИИ-платформы: эволюция интерфейсов — от простого чата к ИИ-ассистентам с памятью и инструментами
  • ИИ-агенты: рефлексивные, с планированием, иерархические
  • Мультиагентные системы: несколько агентов работают вместе — паттерны координации, роли, конфликты между агентами
  • MCP: стандарт подключения агентов к внешним инструментам

Модуль 5. Промпт — Навык — Воркфлоу

  • Промпт-инжиниринг: итеративный процесс — хороший промпт не пишется с первого раза; это нормально и даже правильно
  • Системный промпт: 10 блоков — роль, задача, контекст, ограничения, формат вывода, примеры, защитныеrails
  • Итерационный подход: метод проб и ошибок — как учиться писать промпты через практику
  • Обучение на нескольких примерах: подача примеров в контексте без переобучения модели
  • Предзаполнение: задание начала ответа для принуждения модели к нужному формату — JSON, код, структурированный вывод
  • Иерархия абстракций: когда промпт достаточен, когда нужен навык, когда — автоматизированный воркфлоу

Модуль 6. Бенчмарки и сравнение моделей

  • Бенчмарки LLM: MMLU, HumanEval, GSM8K, SWE-bench — что они реально показывают и чего не показывают
  • Что Бенчмарки не измеряют: креативность, этика, актуальность знаний, устойчивость к Инъекции промптов
  • Сводная таблица моделей: OpenИИ (GPT-4.5, o3), Anthropic (Claude 3.7, 4), Google (Gemini 2.5), DeepSeek V4, MiniMax, Qwen, Mistral — цены, контекст, MMLU, сильные стороны
  • Кириллица в LLM: русский работает иначе — токенизация, размер словаря, качество корпуса
  • LLM-модели для бизнеса: GigaChat, YandexGPT, Kandinsky — возможности, ограничения, импортозамещение
  • Сравнение скорости: токенов в секунду — от чего зависит скорость и когда она критична для бизнеса

Модуль 7. Облачные или локальные модели

  • Облачные против локальных: критерии выбора, точки безубыточности стоимости; когда облачное дешевле, когда — локальное
  • Стек инструментов: Ollama, vLLM, lm.cpp — что выбрать для локального запуска
  • Локальные модели 2026: Gemma 4, Qwen3.6, Llama 4 Scout, DeepSeek V4 — требования к железу и ограничения
  • Q4/Q8 сжатие: что это значит для качества и производительности; как выбрать степень сжатия
  • VPS и локальные модели без облачных API: VPS и локальные модели без облачных API — требования, инструменты, сравнение стоимости

Модуль 8. Специальные модели: изображения, звук, видео, код

  • Генерация изображений: Stable Diffusion, DALL-E, Midjourney, Flux — как работают Диффузионные модели, промптинг, стили
  • Модели для иллюстраций: качество, скорость, стоимость — какой инструмент для какой задачи
  • LoRA, IP-Adapter: консистентность персонажей — как сохранить единый облик в серии изображений
  • TTS и STT: Whisper, Silero — где работает, границы качества
  • Suno, AudioCraft, MusicGen: Suno, AudioCraft, MusicGen — применение в подкастах, видео, рекламе
  • Sora, Runway, Kling, Pika: Sora, Runway Gen-3, Kling, Pika — временная согласованность, управление движением, промптинг; реалистичность в 2026 году

Модуль 9. ИИ для бизнеса: классы задач и оценка эффективности

  • Критерии пригодности: повторяемость, формализуемость, стоимость ошибки, отсутствие творческого элемента
  • ИИ-воркфлоу: типичные сценарии — документооборот, поддержка клиентов, аналитика; как выглядит ИИ в бизнес-процессе
  • ИИ в продажах: генерация текстов, прогнозирование, приоритизация лидов, автоматизация последующих действий; интеграции с CRM
  • ИИ в маркетинге: генерация контента, сегментация, персонализация, анализ кампаний; что заменяет рутину
  • LCOI: полная стоимость — CAPEX, OPEX, скрытые затраты (интеграция, обучение, time-to-value) — почему большинство проектов «дешевле» облачного оказывается дороже при полном подсчёте
  • CAPEX и OPEX: CAPEX (оборудование, лицензии), OPEX (API, поддержка), скрытые затраты (интеграция, обучение, время до ценности)
  • ROI ИИ: метрики времени, качества, стоимости — как измерить эффект; четыре состояния зрелости ИИ; кому отчитываться

Модуль 10. Внедрение ИИ: подготовка и организация проекта

  • CAPEX и OPEX: полная картина затрат — оборудование, лицензии, API, поддержка, интеграция, обучение, время до ценности
  • Пилотный запуск: контролируемое тестирование перед массовым внедрением — критерии выбора пилотной зоны, метрики успеха
  • Быстрые победы: результат за дни или недели, измеримость до/после, низкая стоимость ошибки — какие задачи дают быстрый результат
  • 5 этапов создания ИИ-агента: процесс до технологии → мультимодельность → границы возможностей → память → запуск и масштабирование
  • Управление изменениями: ADKAR, BANI — как преодолеть сопротивление команды; ролевая модель внедрения
  • ИИ-расслоение: по ширине охвата лидирует молодёжь, по глубине — опытные; как это влияет на стратегию внедрения
  • Роли в проекте внедрения: владельцы ИИ, промпт-инженеры, специалисты по оценке — кто нужен и когда

Модуль 11. Безопасность ИИ

  • Промпт-инъекция: внедрение вредоносных инструкций через пользовательский ввод — как атакуют и как защищаться
  • Изоляция и валидация: разделение системного промпта, песочница, валидация входа — практические методы защиты
  • Ответственный ИИ: фреймворки справедливости, предвзятость, прозрачность, объяснимость — как выстраивать этику ИИ в организации
  • ФЗ-152 и ИИ: что нельзя отправлять в облако; соответствие GDPR; когда локальные модели обязательны
  • Персональные данные и ИИ: паттерны атак на ИИ-системы — состязательные промпты, отравление данных, инверсия модели
  • Отказ в LLM: механизмы отказа — что модели отказываются делать и почему; влияние на бизнес в чувствительных отраслях

Модуль 12. Правовое регулирование ИИ

  • EU ИИ Act: четыре класса рисков — от минимального до неприемлемого; запрет социального скоринга; требования к высокорисковому ИИ; штрафы до €35 млн
  • ФЗ-152 и ИИ: текущий статус генеративного ИИ в российском законодательстве; что разрешено, что — под вопросом
  • Ответственность за ИИ: кто отвечает за решения, принятые на основе ИИ — разработчик, оператор, пользователь
  • Авторские права на ИИ-контент: кому принадлежит сгенерированный контент — позиции США, ЕС, России; коммерческое использование
  • Ответственность за контент: текст, изображения, код — цитирование, раскрытие использования ИИ при публикации; судебные прецеденты
  • Текущий подход и перспективы: что ожидает российский бизнес в ближайшие 2–3 года в части регулирования ИИ

Модуль 13. Тренды ИИ: что нас ожидает

  • Agentic ИИ: от персонального ассистента к партнёру по рабочему процессу — как меняется роль ИИ в бизнесе; Microsoft Copilot, IBM, корпоративные исследования
  • Влияние ИИ на рынок труда: исчезающие задачи, новые роли, трансформация навыков — как готовить сотрудников
  • Future of Work: среда BANI — хрупкость, тревожность, нелинейность, непонятность; новые навыки и как адаптироваться
  • Edge ИИ: ИИ на устройстве без облака — Apple Intelligence, Google Gemini Nano, локальные модели на телефонах; приватность и задержка
  • Мультимодальность: рассуждение через модальности — текст + изображения + аудио + видео в одном запросе; следующее поколение моделей
  • Тренды ИИ: на что реально стоит обращать внимание бизнесу, а что — хайп; долгосрочные тренды 2026–2028

Форматы проведения

  • Открытый семинар — 8 часов, группы до 20 человек, очно или онлайн
  • Корпоративный тренинг — 8 часов, группа от 6 человек, программа адаптируется под специфику компании
  • Семинар-практикум — 16 часов, включая практические занятия с реальными задачами участников

Организация обучения

Требования к помещению для проведения занятий Для проведения семинара необходимо хорошо проветриваемое помещение, защищенное от прямых солнечных лучей. Помещение должно быть оборудовано письменными столами, белым экраном размером не менее 2х1,5 м, флип-чартом и мультимедийным проектором. Все расходы, связанные с арендой помещения и оборудования для проведения обучения, несёт заказчик.

Документация и материалы, выдаваемые слушателям В процессе обучения слушатели получают материалы в электронном виде, которые содержат презентацию, примеры, образцы отдельных документов, а также электронную библиотеку материалов по теме обучения.

По вопросам проведения семинара обращайтесь:

телеграм:@zhartun
e-mail: vadim@zhartun.me
телефон: +7 (931) 120-43-00


Здесь можно получить информацию об авторе курса и других учебных программах.