Первые результаты работы с ИИ большинство моих коллег получили за пределами рабочих задач. Примерно за год (а то и больше) до появления у нас в Банке внутренней системы с ИИ-моделями все так или иначе пробовали внешние инструменты (типа ChatGPT или DeepSeek).

Когда ИИ-инструмент стал доступен внутри Банка, первые шаги, как правило, были связаны с простыми проверками:

• проверить документацию, подготовленную подрядчиками, или проверить документ, выставленный на согласование;
• сделать резюме с основными выводами из большого текста;
• определить причину ошибки по сообщению из логов;
• написать SQL-запрос для выгрузки данных из БД и т. д.

Основной целью было — оценить, насколько релевантный результат выдаёт система.

У нас в этом году для всех сотрудников Банка была подготовлена и запущена масштабная программа обучения — марафон «42 км к ИИ-грамотности» — цикл модулей, в которых работа с ИИ разбирается буквально с нуля, для тех, кто ранее с ИИ не сталкивался, и вплоть до финальных модулей, объясняющих как создаются ИИ-агенты, автоматизирующие часто повторяемые сценарии. Обучение проходит на платформе учебного портала и платформе геймификации, длится уже почти 3 месяца и завершится в конце ноября.

Наш марафон не ориентирован напрямую на ИТ-специалистов: сотрудники ИТ-блока получили доступы к внутренней системе с LLM значительно раньше остальных подразделений. Обучение предназначено для сотрудников бизнес-подразделений, программа охватывает работу с текстами, изображениями, созданию баз знаний для ИИ и разработке ИИ-агентов.

Раньше мы учили бизнес-пользователей основам грамотной работы с данными (data literacy): где хранятся данные, в каком виде, где и как они описаны, как к ним обратиться, чтобы получить нужную информацию. Сегодня умение работать с ИИ становится такой же базовой компетенцией: нужно уметь поставить задачу, понимать, каким будет результат, и за счёт этого ускорять свою работу и делать ее более интеллектуальной.

С точки зрения обмена опытом: у нас есть корпоративные чаты. В них сотрудники обсуждают использование ИИ-инструментов — для учебных и для рабочих задач. На платформе геймификации также создаются площадки для публикации комментариев по работе с ИИ. Например, одно из заданий — выполнить упражнение и рассказать, что получилось, как вы применяли ИИ и для каких задач. Мы стараемся делать все этапы марафона максимально открытыми, чтобы сотрудники видели опыт коллег и понимали, какие задачи каким образом можно решать. Сейчас в рамках марафона работает платформа идей: предложите идею, мы её оценим, и, если она заслуживает внимания, начислим дополнительные баллы.

У специалиста, аналитика или разработчика одним из навыков должно быть чёткое понимание того, какие задачи можно поручать ИИ, а какие — нельзя. Если использовать ИИ бездумно, толку не будет.

Есть задачи, для которых ИИ не подходит — по крайней мере, пока. Хороший специалист должен понимать: эту задачу проще сделать вручную, детерминированным способом, с помощью традиционных инструментов, а эту — можно автоматизировать с ИИ, и эффект будет реальным.

Почему возникает такое «цифровое разделение»: если человек точно может решить задачу без ИИ, то с ИИ он, скорее всего, сделает её быстрее. Обратное обычно не работает: профессор может покрасить забор, а маляр профессором стать вряд ли сможет. Тот, кто понимает, какой нужен результат, — для того и инструмент. Тот, кто не понимает, какой результат должен быть получен в итоге, не поймёт, что выдаёт ИИ и насколько это правильный, оптимальный или качественный результат.