Внедрение искусственного интеллекта на 800 человек: трёхуровневая модель вместо «одного курса для всех»

Евгений Семенюк, архитектор решений и коуч по ИИ-продуктивности, описал первую фазу программы AI Enablement (внедрение ИИ в рабочие процессы) в крупной финансовой организации. Программа охватила разработчиков, тестировщиков, аналитиков, продакт-менеджеров и дизайнеров. Вместо единого курса по промптам команда выстроила многоуровневую систему с разными целями для разных групп.

Что понадобится

• Карта ролей: список всех специальностей, которые будут работать с ИИ (разработка, тестирование, аналитика, продукт, дизайн)
• Доступ к ИИ-инструментам: в описанном кейсе использовались Claude Code, ChatGPT, GitHub Copilot, Cursor и Rovo
• Метрики доставки: данные о скорости и качестве текущих процессов в командах
• Время на эксперименты: возможность выделить часы в рабочем графике пилотных команд
• Реальный бэклог (список задач): не учебные примеры, а настоящие задачи из продуктового цикла

Пошаговая инструкция

1. Ответьте на три стартовых вопроса до покупки инструментов. Где люди и команды находятся сейчас? Какие проблемы замедляют работу? Как организовать программу так, чтобы она не закончилась серией демо? Эти вопросы задала команда Семенюка перед запуском. Без честных ответов внедрение искусственного интеллекта сводится к раздаче лицензий.

2. Определите уровни зрелости команд. В описанном кейсе использовали три уровня:

3. L1 «AI-Engaged»: сотрудник безопасно применяет доступный инструмент к реальной задаче и получает воспроизводимый результат
4. L2 «AI-Enabled»: команда превращает отдельные эксперименты в командные рабочие процессы и переиспользуемые артефакты
5. L3 «AI-Native»: доставка продукта строится вокруг ИИ изначально

Оценивайте зрелость команды, а не отдельного сотрудника. Параллельно можно ввести личную шкалу роста (в кейсе это были уровни «Contributor», «Practitioner», «AI Native» для отдельных чемпионов).

1. Поставьте разные цели для разных групп. Широкую аудиторию (800 человек в кейсе) ведите к уровню L1. Пилотные команды (13 «маячковых» команд) ведите к L2. Не ждите, что все сразу начнут строить сложных ИИ-агентов (программы, которые выполняют цепочку действий самостоятельно).

2. Разделите программу на функциональные потоки вместо одного курса. Универсальный курс быстро становится одинаково поверхностным для всех. В кейсе выделили три потока:

3. Engineering: генерация и улучшение кода, объяснение легаси-кода, юнит-тесты, рефакторинг, код-ревью, настройка правил для Copilot и Cursor

4. Quality Assurance (обеспечение качества): анализ требований на тестируемость, генерация тестовых сценариев, анализ рисков, поддержка автоматизации тестов, анализ дефектов
5. Digital/Product: подготовка требований, пользовательские истории, анализ обратной связи, синтез исследований, продуктовые документы

Общими для всех остались: ответственное использование ИИ, работа с контекстом, проверка результата, принцип «человек в контуре» (human-in-the-loop, когда финальное решение остаётся за человеком).

1. Отберите пилотные команды по конкретным критериям. Не ищите «лучших» или «самых инновационных». В кейсе отбирали команды, у которых были:
2. реальный продуктовый бэклог
3. стабильный процесс с доступными метриками
4. представители инженерии, тестирования и продукта в одной команде

5. проблемы, типичные для остальной организации

6. Проведите широкие воркшопы для базовой грамотности. Задача: дать общий язык, объяснить правила безопасного использования, показать инструменты с примерами для каждой роли, помочь найти первую применимую задачу. Наблюдайте, кто начинает экспериментировать самостоятельно.

7. Переведите пилотные команды на работу с реальными задачами. Воркшоп создаёт охват, но охват сам по себе не создаёт устойчивого изменения. Человек может один раз открыть инструмент и через неделю вернуться к старому процессу. Пилотные команды работают с реальным бэклогом, репозиториями, тестовыми данными и ограничениями поставки.

Что делать с этим прямо сейчас, по ролям

Автору Дзена и копирайтеру. Принцип трёх потоков применим и к контент-команде: один трек для тех, кто пишет тексты (генерация черновиков, проверка фактов), другой для редакторов (анализ обратной связи, SEO-оптимизация), третий для менеджеров (планирование контент-плана). Один промпт-курс для всех не сработает.

Маркетологу. Модель уровней зрелости L1/L2/L3 можно перенести на маркетинговый отдел: на первом уровне сотрудник использует ИИ для отдельных задач, на втором команда строит воспроизводимые цепочки, на третьем кампании проектируются с ИИ изначально.

Предпринимателю в РФ и СНГ. Из ИИ-инструментов, доступных в России, можно начать с YandexGPT или GigaChat для текстовых задач. GitHub Copilot и Cursor работают для разработчиков с доступом. Структура программы из кейса (уровни зрелости, функциональные потоки, пилотные команды) не зависит от конкретного инструмента и применима к любой организации от 50 человек.

Если вы запускаете внедрение искусственного интеллекта в своей команде, начните не с выбора инструмента, а с ответа на три вопроса Семенюка: где вы сейчас, что вас замедляет и как не превратить программу в серию демо без последствий.