Вы научитесь
• формализовывать процессы, формировать требования и спецификации;
• создавать код, генерировать UI и бизнес-логику;
• документировать ИТ-решения;
• анализировать данные;
• осуществлять поиск инноваций и анализ трендов.
Аудитория курса
• Руководители, принимающие решения о внедрении AI
• Бизнес-аналитики, системные аналитики
• Консультанты, специалисты по бизнес-процессам
• Владельцы и менеджеры продуктов
• Проектные менеджеры
• IT- и data-эксперты, которые хотят расширить практические навыки специалистов по цифровой трансформации
Требования к предварительной подготовке слушателя
• Знание основ бизнес-анализа
• Уверенное владение цифровыми инструментами: умение работать с Excel и другими офисными программами, мессенджерами, облачными сервисами.
• Понимание своей предметной области и типовых процессов.
Содержание курса
Модуль 1. Определение применимости AI в процессах
• AI-native-организация
• Возможности ML, AI, LLM, GenAI
• Типы решаемых задач, кейсы применения
• Подход AI Opportunity Canvas
• Методология выявления процессов для внедрения AI
• Критерии выбора операций для внедрения AI
• Бизнес-кейс и ROI
• Финансовая оценка: TCO, NPV, «стоимость промедления»
Модуль 2. Промпт-инжиниринг (Prompt Engineering)
• Conversational AI
• Обзор LLM (DeepSeek, GigaChat и т. д.)
• Вопросы выбора LLM (соревнование LLM)
• Параметры настройки LLM (температура и т. д.)
• Виды промптов (роль, контекст, система)
• Написание системных промптов (промпт промптов)
• Примеры промптов для разных задач, библиотеки
• Особенности работы с LLM
Модуль 3. AI-агенты и мультиагентное взаимодействие
• Понятие AI-агента
• Виды AI-агентов
• Инструменты для AI-агентов
• Оценка уровня AI в агенте
• Мультиагентное взаимодействие
• Принципы мультиагентного взаимодействия
• Демонстрация: практическая работа AI-агентов, инструменты, взаимодействие
Модуль 4. Примеры AI-агентов (Data & Document AI)
• Внешние сервисы для работы AI-агентов
• Распознавание документов и изображений
• Генерация изображений и видео
• Чат-боты – помощники (понятие RAG) на базе Wiki
• Генерация контента с помощью AI-агентов
• Парсинг интернета с помощью инструментов
• Ограничения в применении AI-агентов
• Демонстрация: практическая работа AI-агентов, вызов внешних сервисов
Модуль 5. Формализация процессов и требований с AI
• Определение проблематики по процессу
• Описание процессов и генерация моделей
• Описание требований к ИТ
• Особенности генерации графических моделей при определении требований и описании процессов
• Генерация спецификаций
Модуль 6. Создание кода и его документирование
• Специализированные LLM для создания кода
• Примеры создания формул в Excel
• Примеры генерации пользовательского интерфейса
• Примеры генерации бизнес-логики
• Генерация тестов
Модуль 7. Документирование ИТ-решений
• Формы документирования ИТ-решений
• Примеры документирования кода
• Написание инструкций пользователей
Модуль 8. Анализ данных с AI
• Подготовка данных для анализа
• Анализ данных в LLM
• Реверс-инжиниринг описания данных
• Process Mining, Task Mining
• Predictive & Prescriptive Analytics: прогноз спроса
• Паттерны применения LLM в анализе данных
Модуль 9. Trend Scouting & Innovation Pipeline
• Поиск инноваций и анализ трендов
• Радар технологических новинок
• Дизайн и проведение AI-воркшопов
• Цикл: от идеи до прототипа (discovery → прототип → workshop → бизнес-кейс)
