Сначала сопротивление
Саботаж обычно рационален: люди не понимают, что изменится в их роли, и защищаются от риска «нас заменят».
Внедряем AI так, чтобы крупная компания начала им пользоваться
В среднем и крупном бизнесе AI буксует не из-за моделей. Люди боятся, что «нас уволят», юристы и бухгалтерия требуют невозможного, а IT превращается в единственную точку изменений. Мы сначала решаем реальную задачу, потом показываем, как решили, и учим менеджмент управлять такими изменениями самостоятельно.
3главных барьера: страх, юр/бух, IT-бутылочное горло
1живой бизнес-процесс вместо абстрактного курса
×scaleэффект растёт за счёт масштаба компании
саботаж: «нас уволят»
юристы / бухгалтерия / ИБ
реальный процесс → AI-контур
личные ассистенты в работе
Карта внедрения
Тернистый путь AI в крупной компании
Путь начинается с простых вопросов про оплату, доступы и правила, проходит через сопротивление и требования контроля, а заканчивается личными AI-ассистентами в ежедневной работе менеджеров и специалистов.
Потом контроль
Юридический и бухгалтерский блоки требуют гарантий, которые нельзя выполнить старыми регламентами без новой платформы контроля.
Дальше платформа
IT перестаёт делать каждую мелкую доработку руками и строит безопасную среду для изменений бизнес-процессов.
В итоге масштаб
Один освоенный workflow умножается на сотни людей, задач и повторений, поэтому эффект в крупной компании особенно большой.
- Не начинаем с лекции про AI: берём реальный процесс и доводим его до работающего результата.
- Показываем, как решение устроено, чтобы специалисты компании могли повторять подход сами.
- Менеджмент учится решать личные рабочие задачи через AI-агентов, а не ждать очередь IT.
- Пользователь описывает нужный результат человеческим языком, платформа отвечает безопасным изменением.
Почему буксует
AI-внедрение ломается не на технологии, а на системе работы
Саботаж из страха
Сотрудники слышат «AI» как «нас уволят» и начинают тормозить внедрение: не дают данные, спорят с пилотами, формально соглашаются и не меняют работу.
Нереалистичные требования контроля
Юридический, бухгалтерский и ИБ-контуры часто требуют абсолютных гарантий, которых невозможно достичь старым процессом согласований и ручных проверок.
IT как единственный исполнитель
Если каждая правка процесса идёт через IT, очередь изменений растёт быстрее, чем способность команды поставлять результат. AI только подсвечивает эту проблему.
Каталог
Воркшопы как набор рабочих миссий
Каждая карточка — практический маршрут: берём реальный процесс, собираем AI-контур и учим команду повторять это самостоятельно.
Миссия 01
Ускорение разработки крупных проектов с помощью ИИ
Как перестать тонуть в legacy и начать доставлять ценность быстрее.
Миссия 02
Ускорение всего цикла разработки (Time-To-Use) с помощью ИИ
От «ИИ как чат-бот» к «ИИ как инженерный акселератор» — интеграция ИИ в методологию TTU.
Миссия 03
Персональный ИИ-ассистент с OpenClaw
От нуля до цифрового работника за 2 часа — self-hosted, мультиканальный, ноль рутины.
Миссия 04
AI-SecOps: автономные агенты кибербезопасности
Как ускорить ИБ-проверки в 10 раз без потери качества — от ручного аудита к агентам 24/7.
Миссия 05
ИИ-сотрудник технической поддержки
Микс из OpenClaw и AI-IDE (Claude Code), который закрывает базовые вопросы техподдержки: от ответов пользователям до автоматической настройки продукта.
Миссия 06
Продвинутая настройка Claude Code
Продвинутые инструменты и подходы Claude Code — высокоэффективная ИИ-агентная разработка.
Миссия 07
AI Native документы и отчётность для разработчиков
LLM Wiki + SurfSense: корпоративная база знаний, которая собирается и обновляется автоматически.
Миссия 08
ИИ-психолог: знания о себе, команде и менторинг
Соберём личного агента на Claude Code или Codex, который помогает анализировать коммуникацию, чаты и голосовые заметки.
Наш цикл
Сначала решаем задачу, потом учим управлять изменением
Воркшоп не начинается с теории. Мы разбираем новый бизнес-процесс, собираем и проверяем рабочее решение, а затем проводим воркшоп, где специалисты компании учатся повторять этот путь самостоятельно.
01 · Изучение процесса
Смотрим, как работа устроена сейчас: роли, данные, решения, ограничения юристов, бухгалтерии, ИБ и реальные точки сопротивления.
02 · Разработка и проверка
Делаем работающий контур с AI-агентами, проверяем качество, безопасность, стоимость и пригодность для ежедневной работы.
03 · Воркшоп и передача
Показываем, как решение было собрано, и учим специалистов управлять изменениями процесса без постоянной очереди в IT.
Уровни зрелости
Путь от «как оплатить?» до личных AI-ассистентов
Базовый доступ
Компания решает приземлённые вопросы: как оплатить, кому можно пользоваться, какие данные нельзя отдавать, где фиксируется ответственность.
Практическое применение
Команда перестаёт «пробовать чат» и начинает закрывать повторяемые задачи: отчёты, сверки, тикеты, документы, аналитику, регламенты.
Личные ассистенты в работе
Менеджеры и специалисты получают личных агентов, которые знают контекст, помогают принимать решения и готовят результат в рабочем процессе.
Эффект масштаба
В крупной компании даже один освоенный процесс даёт большой выигрыш
× People · много пользователей
Когда один сценарий осваивают десятки или сотни сотрудников, эффект повторяется каждый день и быстро превосходит стоимость пилота.
× Process · много повторений
AI особенно полезен там, где есть регулярные решения, документы, сверки, коммуникация и контроль исключений.
↓ IT queue · меньше ручных доработок
IT строит безопасную платформу для изменений, а пользователи формулируют нужный результат человеческим языком и получают его быстрее.
Команда
Эксперты
Сергей Коршунов
Преодоление сопротивления команды, быстрый переход на full-stack и независимая оценка качества крупных проектов на основе практик Amazon и Google.
Александр Становой
С помощью ИИ (Codex и Opus) вошёл в проект, развивавшийся 5+ лет без документации, и поднял dev-окружение за часы вместо недель.
Андрей Путин
Внедрение ИИ в инженерные и продуктовые процессы enterprise-команд, методология Time-to-Use.
Алексей Швец
Автоматизация инженерных процессов и агентная разработка на реальных enterprise-задачах.
Дмитрий Крымский
AI-driven архитектура, статический анализ legacy и объективный контроль качества.
Расписание
Отдельный список ближайших воркшопов
Браузер сам подсвечивает ближайшую дату. Прошедшие занятия уходят в fade: недавние видны, самые старые почти растворяются.
- 01 Ускорение разработки крупных проектов среда, 12:30 МСК 20 000 ₽ / чел.
- 02 ИИ-сотрудник техподдержки пятница, 14:00 МСК 20 000 ₽ / чел.
- 03 Ускорение разработки крупных проектов среда, 12:30 МСК 20 000 ₽ / чел.
- 04 ИИ-сотрудник техподдержки пятница, 14:00 МСК 20 000 ₽ / чел.
- 05 Ускорение разработки крупных проектов среда, 12:30 МСК 20 000 ₽ / чел.
- 06 ИИ-сотрудник техподдержки пятница, 14:00 МСК 20 000 ₽ / чел.
Позиция
Мы не продаём курс по AI. Мы меняем способность компании внедрять изменения.
Более 13 лет мы делаем крупные enterprise-проекты и видим, где внедрение ломается: не в модели, а в доверии, контроле, процессах и ответственности. Поэтому воркшопы строятся вокруг результата, который уже можно проверить в работе.
Фокус
Изменение поведения команд, а не набор лекций про промпты.
Метод
Реальный процесс → рабочее решение → воркшоп → самостоятельные изменения.
Опора
DORA/SRE/QSM, weak coupling, безопасная платформа и измеримый Time-to-Use.
AI не внедряется приказом. Он внедряется через безопасный опыт, когда люди видят пользу в своей работе.
01 · Убираем страх
Объясняем, что меняется в роли человека, где остаётся контроль и почему AI не равен автоматическому увольнению.
02 · Учитываем ограничения
Встраиваем юридические, бухгалтерские и ИБ-требования в архитектуру, а не спорим с ними на уровне презентации.
03 · Передаём управление
Учём бизнес-специалистов и менеджмент формулировать изменения промптами и проверять результат.
РольДоПосле
Бизнес-пользовательЖдёт доработку от ITОписывает нужный результат и проверяет его в безопасной среде
МенеджерСобирает отчёты и статусы вручнуюДержит личного AI-ассистента для регулярных задач
ITДелает каждую мелкую правку рукамиСтроит платформу безопасных изменений и контроля
DORA / Google
Высокая производительность держится на быстрой обратной связи, малых партиях изменений и надёжности.
McKinsey 2023–2025
AI даёт существенный прирост knowledge workers только при изменении рабочих процессов, а не при выдаче доступа к чату.
GitHub Copilot / AI-IDE
Эффект появляется, когда люди меняют способ работы и управления намерением, а не просто ускоряют набор текста.
Подходит
- Средний и крупный бизнес с реальными процессами и ограничениями
- Команды, где есть сопротивление внедрению AI
- Менеджмент хочет решать личные рабочие задачи через AI-агентов
- IT готов строить платформу безопасных изменений, а не быть очередью задач
Не подходит
- Нужна только мотивационная лекция про будущее AI
- Нет готовности дать реальный процесс для разбора
- Компания не готова менять роли, контроль и ответственность
01 · Диагностика процесса
Разбираем новый бизнес-процесс, ограничения и точки сопротивления.
02 · Решение и проверка
Собираем AI-контур, который можно показать, измерить и обсудить с юристами, бухгалтерией и ИБ.
03 · Воркшоп
Учём специалистов компании делать похожие изменения и управлять ими самостоятельно.
Контакты
Давайте обсудим ваш проект
Оставьте актуальные контакты и опишите задачу. Мы вернемся с уточняющими вопросами и предложением по следующему шагу.
Пойдём учиться
Выберите воркшоп и приходите с реальным процессом
Сначала решаем практическую задачу, затем показываем, как она была собрана, чтобы команда могла повторять подход безопасно и самостоятельно.
