Искусственный интеллект и Ai-мышление: почему важно начинать с обучения

Сегодня многие компании хотят использовать искусственный интеллект, но не всегда понимают, с чего начать. На практике оказывается, что первый шаг — совсем не постановка целей, как логично было бы предположить.

Парадоксально, но формирование AI-мышления начинается с обучения, а не с бизнес-метрик. Это я пишу, как человек, который с 2023 года занимается обучением сотрудников компаний искусственному интеллекту и нейросетям.

1. Начинать нужно с обучения

Пока руководители, которые принимают решения, не обучены, они:
— Не понимают возможностей искусственного интеллекта;
— Не могут сформулировать задачи;
— Не способны поставить корректные цели.

Поэтому первый шаг — обучение руководителей.
Важно объяснить, что умеют современные нейросети, какие задачи они решают и как могут помочь конкретным людям в их работе.

2. Показывать, что происходит «за периметром» компании

На начальном этапе важно рассказывать и о внешних решениях: какие ИИ-сервисы уже существуют, как ими пользуются другие компании.
Это позволяет руководителям видеть шире и начать примерять технологии к своим задачам.

3. Только после этого — постановка бизнес-целей

Когда руководители понимают, что делает ИИ и какие задачи можно решать, можно переходить к формулировке бизнес-целей и поиску точек боли, которые ИИ способен улучшить.

4. Формирование базовых принципов использования

Следующий шаг — описать правила.  Что можно загружать в ИИ, а что — нет? В каких случаях можно передавать данные? В каких — нельзя?

Если этих правил нет, велик риск, что сотрудник загрузит, например, бухгалтерский отчет в открытый сервис, просто потому, что не увидел запрета.

Четкие принципы снижают риски и создают безопасную среду.

5. Дать доступ к инструментам

Дело не только в том, что отдельные сервисы могут быть ограничены.
Идеальная ситуация — когда у сотрудников есть доступ к генеративным моделям внутри корпоративного контура, чтобы:
— Все загруженные данные оставались внутри компании;
— Результаты были безопасны и контролируемы.

Настройкой инфраструктуры должны заниматься IT-специалисты.

6. Снова — обучение

Нужно массово обучить всех сотрудников, а не только руководителей. Даже если кажется, что они сами во всем разобрались, поверьте, это не так. Искусственный интеллект и нейросети меняются очень быстро — иногда буквально каждую неделю.

То, что вчера было невозможно, сегодня уже может быть стандартной функцией. Поэтому важно обновлять знания постоянно.

7. Развивать культуру экспериментов

Сотрудникам нужно помогать замечать свои «микропобеды» и успехи коллег.
Важно показывать:
— Какие задачи уже решены с помощью ИИ;
— Какие идеи появились;
— Как процессы стали быстрее.

Это поддерживает интерес и снижает страх перед экспериментами.

8. Поддерживать амбассадоров

Хорошая практика — собрать лидеров в подразделениях, которые могут:
— Делиться опытом;
— Фиксировать кейсы;
— Вести базу знаний;
— Выступать на внутренних вебинарах;
— Рассказывать, что у них получилось.

Именно они становятся точками роста AI-культуры внутри компании.

9. Встраивание, использование ИИ в KPI

Этот шаг может стоять и раньше, но на практике он должен идти после предыдущих.
Есть пример компании, где использование ИИ встроили в KPI сотрудников, но при этом:
— Доступ к инструментам не был предоставлен;
— Принципов использования не прописали;
— Обучение не провели.

И уже к концу года оказалось, что KPI не достигнуты — просто потому, что у сотрудников не было условий.
Чтобы KPI работали, люди должны быть:
— Обучены;
— Обеспечены инструментами;
— Понимать возможности ИИ.

10. Фиксация результатов в бизнес-метриках

Даже после базового обучения стоит фиксировать эффекты для бизнеса.

Например: сотрудники освоили генеративный текстовый ИИ и стали экономить минимум час в день.
1 час × 5 дней × стоимость часа × количество сотрудников = очень заметный экономический эффект.

Такие расчеты помогают показать реальную пользу и поддерживать развитие AI-мышления.

Вывод

Ошибочно считать, что внедрение ИИ — удел IT-отдела. На самом деле в формировании AI-мышления важнее всего вовлеченность людей из бизнеса: HR, маркетинга, продаж, финансистов, продукт-менеджеров. Только они понимают реальный контекст задач и могут встроить ИИ туда, где он даст максимальный эффект. ИТ-функция — лишь опора для безопасного внедрения.

Компании, которые начинают путь с обучения, прозрачных правил и доступных инструментов, быстрее всего приходят к измеримым результатам. Сотрудники охотнее экспериментируют, находят новые сценарии применения и делятся ими с коллегами. В итоге ИИ перестает быть «технологией будущего» и становится тем, что повышает эффективность прямо сейчас — на уровне отдельных людей, команд и всей организации.