Обучение прогрессивной работе с ИИ более 1600 сотрудников «Газпром нефти»

Для чего нужна прокачка кадров

Нейросети перестают быть простым развлечением для пользователей — акцент смещается на практическую и измеримую выгоду. В 2025 году опрос VK Predict и Prognosis показал, 70% крупных и средних организаций из разных отраслей уже применяют ИИ. По данным «Авито Работы», число резюме с упоминанием ИИ-навыков увеличилось на 167% за год, вакансий с этими умениями стало на 31% больше.

Новые технологии ценятся за возможность упростить повседневные задачи, сократить рутину, снизить стоимость отдельных процессов и риски человеческих ошибок. Однако инструменты на базе ИИ не решают проблемы сами по себе — чтобы извлечь пользу для бизнеса, необходимо знать, как правильно взаимодействовать с ними. Без понимания принципов работы, навыков точной постановки задач и критической оценки результатов ИИ не сможет стать стратегическим активом.

Запрос «Газпром нефти»

«Газпром нефть» — один из лидеров российской нефтегазовой отрасли, активно внедряющий инновационные решения для повышения эффективности и оптимизации производственных процессов. Компания обратилась к нам за прикладным обучением, ориентированным на актуальное использование ИИ, а не общую теорию.

Со стороны заказчика ситуация выглядела так:

• среди команд нет единого понимания, где ИИ реально полезен
• сотрудники экспериментируют с ИИ, но эффект далек от максимального
• уровень владения ИИ сильно различается между сотрудниками 
• есть необходимость контроля качества, корректности и ответственности в использовании ИИ.

Ключевой запрос был в том, чтобы не просто «познакомить» сотрудников с ИИ, а дать им практические сценарии под их роли и задачи:

• обучить новым рабочим инструментам
• сформировать единое видение возможностей и ограничений ИИ
• преодолеть сопротивление инновациям и снизить барьер входа.

Поскольку аудитория курса превышала 1600 человек, необходимо было заложить универсальную базу работы с ИИ, применимую для любого сотрудника вне зависимости от функции, уровня и направления.

Почему мы отказались от классического формата

Уже на старте проекта мы знали, что универсальные лекции про ИИ не работают, а разрозненные воркшопы не дают масштабируемого эффекта. Сотрудникам нужны были не абстрактные знания, а конкретные ответы на вопрос: «Как ИИ может помочь лично мне в моей деятельности?». Требовалась не демонстрация технологий, а изменение повседневных рабочих привычек.

Совместно с «Газпром нефтью» мы приняли решение построить курс, в котором ИИ выступит как инструмент повышения эффективности, а не как отдельный тренд:

• ИИ рассматривается через задачи сотрудников, а не через возможности модели
• обучение ориентировано на действующие бизнес-процессы самой компании, а не «кейсы из интернета»
• двигаемся к упрощению, а не усложнению
• курс расширяются на большую аудиторию без потери пользы
  особое внимание уделяется безопасности в рамках корпоративных политик.

Программа корпоративного обучения

Помимо вводной информации про устройство и функции нейросетей, расписание включало следующие смысловые уровни:

1. ИИ как рабочий навык, а не отдельная технология. 
Фокус на том, чтобы сотрудники воспринимали ИИ не как сложную опцию, а как расширение своих привычных навыков. Практика использования под разные роли и типы задач:

• для работы с данными и аналитикой
• для текстов и изображений 
• для документооборота
• для коммуникаций и презентаций
• для менеджмента и координации. 

2. Управление качеством и результатом.

• как формулировать запросы, чтобы получать предсказуемый результат
• как проверять, дорабатывать и использовать ответы ИИ
• где проходит граница между помощью ИИ и ответственностью человека.

3. Ограничения, риски и ответственное использование.

• границы возможностей ИИ-моделей
• типичные ошибки и иллюзии автоматизации
• последствия слепого доверия ИИ в рабочем контексте.

4. Общий корпоративный стандарт по использованию ИИ.

• формируем общее понимание ИИ внутри масштабной структуры
• задаем единый подход и методологию для подразделений
• выстраиваем фундамент для дальнейшего развития ИИ-компетенций.

Соотношение теории и практики 

Проект изначально был ориентирован на конкретное применение, поэтому деления на «лекции» и «упражнения» в обычном академическом смысле не было.

Теория: ~ 20–25%. Короткие сфокусированные блоки без перегрузки терминами, которые давали основное понимание устройства и принципов работы нейросетей, их ограничений и сфер применения. 

Практика: ~ 75–80%. Разбор широкого спектра типовых задач, освоение реальных рабочих сценариев, внедрение ИИ-решений в ежедневную деятельность.

Инструменты для универсальных навыков

Мы демонстрировали работу с нейросетями на примере общедоступных моделей: ChatGPT, YandexGPT и GigaChat. 

• это наиболее распространенные и понятные инструменты, максимально близкие к повседневному опыту сотрудников
• они представляют общий класс технологий (генеративные языковые модели), но в разных реализациях с уникальными характеристиками
• подходы в обучении одинаково применимы к этим системам и легко переносятся на другие ИИ-инструменты
• общие навыки помогут адаптироваться к появлению новых сервисов без повторного обучения.

Как мы преодолевали вызовы

1. Большая и разнородная аудитория. В обучении участвовали свыше 1600 сотрудников с разным уровнем цифровой зрелости: от тех, кто только начинал знакомство с темой, до тех, кто уже экспериментировал с ИИ. Решение — сделали ставку на универсальную теоретическую базу, релевантные для всех примеры и практику, построенную на общих рабочих действиях.

2. Риск уйти в абстрактные концепции и потерять внимание. Чтобы не утратить фокус на практической пользе при таком масштабе, требовалось исключить обзорный формат. Решение — сразу ввели жесткий принцип: любой теоретический блок должен был на месте подтверждаться практическим применением, без перегруза лишними деталями, не влияющими на ежедневную работу.

3. Ожидания «быстрых чудес» от ИИ. Часть аудитории представляла себе полную автоматизацию без участия человека. Решение — объяснили ограничение способностей ИИ, посвятили отдельный блок «работе над ошибками» и зоне ответственности пользователей.