Claude Code или CodexИностранный сервис
Команда работает в выбранном AI-инструменте. Доступ, оплата подписок, VPN и стабильность подключения остаются на стороне NLB.
Как сокращаем стартовый объём
Начинаем с ядра
Обязательное ядро
450 000 ₽
3 воркшопа: база, аналитические справки и AI-дашборд.
Опциональные модули добавляются по мере необходимости: 150 000 ₽ за каждый дополнительный воркшоп.
Пилотное внедрение считаем отдельно после бесплатного NDA-аудита одного клиента NLB.
Ключевая программа сохраняется: команда получает рабочее пространство, первого агента, AI-справки и AI-дашборд.
В какой среде работаем
2 варианта для проведения воркшопов
ИИ-средаРабочее пространство
Рабочее пространство от нашей команды. Работает без VPN, оплачивается по счёту от российского юрлица, подключается к 8 провайдерам моделей. На период обучения предоставляем предоплаченный баланс токенов на 5 000 ₽ для первых тестов команды.
Скиллы, шаблоны и методология остаются переносимыми. Команда может начать в ИИ-среде, а затем перейти в другой инструмент или использовать несколько инструментов параллельно.
Как проходят воркшопы
Практика на синтетических данных
2-2,5 часаФормат занятия
Сначала разбираем принцип работы сценария, затем собираем его на синтетических данных. Команда проходит задачу руками и забирает рабочий артефакт: агента, шаблон, пайплайн, схему или матрицу.
1-2 в неделюРитм
Даты и время согласуем с командой NLB, чтобы встроить обучение в рабочий график участников.
- Обязательное ядро из 3 воркшопов занимает 2-3 недели.
- Полная программа с 2 опциональными модулями занимает 3-5 недель.
- После каждого воркшопа у команды остаются материалы и запись.
Стартовая программа
Обязательное ядро: 3 воркшопа за 450 000 ₽
Это 3 воркшопа, которые дают команде NLB базу для запуска AI-направления и первые рабочие заготовки под клиентские сценарии.
1
База
Архитектура AI-агентов и рабочая среда команды. Это база, на которой держится вся программа.
- настраиваем рабочее пространство;
- разбираем связку «модель + инструкция + контекст + данные + инструменты»;
- запускаем первого агента под простую бизнес-задачу.
Результат: настроенная среда и первый запущенный агент. Команда понимает, как устроены AI-агенты, и готова переходить к прикладным сценариям.
2
Аналитические справки
Регулярная AI-справка для собственника или топ-менеджмента: от витрин данных до готовой справки в почте.
- разбираем сценарий «руководитель получает справку с выводами без ручного разбора дашборда»;
- собираем повторяемый пайплайн на синтетических данных;
- показываем, как адаптировать шаблон под витрины и метрики нового клиента.
Результат: универсальный пайплайн AI-справки, HTML→PDF-рендерер и примеры на синтетических данных.
3
AI-дашборд
Живой дашборд, который строит и обновляет агент.
- сравниваем 3 подхода: самостоятельный HTML-дашборд, open-source BI с агентом через API и агент поверх существующего BI-стека;
- выбираем подход под стек и бюджет клиента;
- собираем универсальный AI-дашборд по описанию метрик.
Результат: универсальный AI-дашборд и схема архитектуры для постановки задачи разработчику.
Опциональные модули
Дополнительные воркшопы под запрос команды
Эти воркшопы можно добавить к стартовой программе или провести позже. Стоимость каждого модуля — 150 000 ₽.
1
Telegram-агент
Разговор с данными в мессенджере: собственник пишет в чат, агент отвечает.
- показываем сценарий для руководителя: ответ по данным в Telegram без разового запроса к аналитику;
- собираем интерактивный QA-режим и push с утренними метриками;
- работаем на синтетических данных, чтобы команда сразу потрогала сценарий руками.
Результат: настроенный Hermes-агент, шаблонизатор сообщений и примеры на синтетических данных.
2
Фундамент и техника
Выбор AI-стека под клиента с учётом российского рынка, бюджета и требований безопасности.
- разбираем, как выбирать решение под профиль клиента, а не привязываться к одному инструменту или провайдеру;
- собираем матрицу выбора стека;
- настраиваем агента, который принимает профиль клиента NLB и возвращает рекомендованный стек с обоснованием.
Результат: матрица «Выбор стека» и агент для первичной рекомендации.
Пилотное внедрение
Считаем пилот после NDA-аудита
Для внедрения предлагаем идти от конкретного клиента NLB. До аудита пилот рано считать: у клиентов NLB разные данные, стек, требования безопасности и ожидаемый результат.
1
NDA и выбор кейса
Подписываем NDA и выбираем один клиентский кейс для разбора.
- фиксируем границы доступа к материалам клиента;
- выбираем задачу, по которой можно оценить реальный пилот;
- согласуем участников со стороны NLB.
2
Аудит задачи
Изучаем текущую аналитику, данные, ограничения и желаемый результат.
- определяем подходящий AI-сценарий: справка, дашборд, Telegram-агент или другой формат;
- подбираем технический стек под требования клиента;
- оцениваем риски по данным, безопасности и поставке.
3
КП на пилот
Готовим план пилота, этапы, оценку сроков и стоимости.
Срок аудита: до 2 недель после согласования NDA и передачи материалов.Результат: отдельное КП на пилотное внедрение под конкретного клиента NLB.
NLB ведёт клиента и управленческий слой. Мы отвечаем за AI-архитектуру, выбор стека, сценарий решения и оценку технической реализации.
Что это даёт NLB
Новое AI-направление рядом с BI
NLB сохраняет цель первого КП: запустить новое AI-направление рядом с BI и начать продавать его клиентам как отдельный продукт.
Стартовая программа даёт команде базу и 2 рабочих сценария: AI-справки и AI-дашборд. Опциональные модули добавляются под клиентский спрос, а пилотное внедрение оценивается после NDA-аудита конкретного кейса.
Следующий шаг: согласовать стартовое ядро обучения и выбрать клиента для аудита пилота.