Программа курса
- Обязательное ядро из 3 модулей занимает 2-3 недели.
- Полная программа с 2 опциональными модулями занимает 3-5 недель.
- После каждого модуля у команды остаются материалы и запись.
Обязательное ядро
Это 3 модуля, которые дают команде NLB базу для запуска AI-направления и первые рабочие заготовки под клиентские сценарии.
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.
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 данных;
- показываем, как адаптировать шаблон под витрины и метрики нового клиента.
Результат: универсальный пайплайн AI-справки, HTML→PDF-рендерер и примеры на данных.
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.
Дополнительные модули
Эти модули можно добавить к стартовой программе или провести позже. Стоимость каждого модуля — 150 000 ₽.
Агент в мессенджере
Разговор с данными в мессенджере: собственник пишет в чат, агент отвечает.
- показываем сценарий для руководителя: ответ по данным без разового запроса к аналитику;
- собираем интерактивный QA-режим и push с утренними метриками;
- работаем на данных, чтобы команда сразу потрогала сценарий руками.
Результат: настроенный Hermes-агент, шаблонизатор сообщений и примеры на данных.
Модели и экономика
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.
Варианты пространства
Скиллы, шаблоны и методология остаются переносимыми. Команда может начать в ИИ-среде, а затем перейти в другой инструмент или использовать несколько инструментов параллельно.
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.
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.
Аудит задачи
Изучаем текущую аналитику, данные, ограничения и желаемый результат.
- определяем подходящий AI-сценарий: справка, дашборд, агент в мессенджере или другой формат;
- подбираем технический стек под требования клиента;
- оцениваем риски по данным, безопасности и поставке.
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.