Директор по ИИ: от стратегии к практике

Цель:

• подготовить технических специалистов к переходу на управленческую роль директора по ИИ (Chief AI Officer)
• обучить навыкам стратегического планирования, внедрения ИИ-решений, управления данными, нормативного соответствия и кросс-функциональной коммуникации
• сформировать управленческие и технологические компетенции для эффективного внедрения ИИ в корпоративных структурах

Профиль аудитории:

• руководители с техническим бэкграундом, которым предстоит возглавить направление ИИ в организации
• руководители ИИ-проектов CIO / CTO / CDO (ИТ-директора, директора по цифровым и данным), желающие систематизировать подход к управлению ИИ
• руководители цифровой трансформации, отвечающие за внедрение интеллектуальных решений в бизнес-процессы

Предварительные требования:

• высшее образование (желательно техническое или ИТ-профиль)
• опыт работы в ИТ, аналитике, разработке или цифровых проектах от 1–3 лет
• базовые знания в области ИИ, больших данных и цифровой трансформации
• готовность развивать управленческие и стратегические компетенции

По окончании курса слушатели смогут:

• выстраивать стратегию внедрения ИИ в соответствии с бизнес-целями
• планировать и запускать проекты по разработке ИИ-ассистентов и других ИИ-продуктов
• обеспечивать развитие и эффективное функционирование корпоративной инфраструктуры данных и процессов Data Governance
• обеспечивать соответствие нормативным требованиям (compliance) и этическим стандартам
• организовывать продуктивное взаимодействие между бизнесом, ИТ и командами данных для достижения измеримых результатов
• руководить трансформацией организации в сторону AI-driven культуры

Модуль 1. Введение и контекст искусственного интеллекта в бизнесе

• Тема 1.1. Мир искусственного интеллекта: ключевые направления и технологии (ML, LLM)
• Тема 1.2. Технологический стек ИИ-проектов: данные, модели, приложения
• Тема 1.3. Различие между классическим ML и генеративным ИИ
• Тема 1.4. Цифровая трансформация и роль ИИ в развитии бизнеса
• Тема 1.5 Подход к бизнес-процессам с точки зрения AI-применений
• Практикум: определение приоритетных бизнес-задач компании для применения ИИ

Модуль 2. Архитектура корпоративных AI платформ

• Тема 2.1. Ландшафт моделей и паттерны применения.
• Тема 2.2. Базовая архитектура ИИ‑платформ
• Тема 2.3. RAG и работа со знаниями компании
• Тема 2.4. Производительность и стоимость
• Тема 2.5. Интеграционные паттерны “Copilot‑класса”
• Тема 2.6. Управленческий контроль архитектуры и управления SLA
• Практикум: архитектурная схема ИИ‑продукта для своей компании (данные → модели → приложение)

Модуль 3. Управление данными, инфраструктурой и эксплуатацией AI-систем

• Тема 3.1. Данные как стратегический ресурс ИИ-оптимизации бизнеса
• Тема 3.2. Архитектура данных и платформенные решения для ИИ
• Тема 3.3. Управление качеством, безопасностью и доступностью данных
• Тема 3.4. Инфраструктура и инструменты для запуска ML/LLM-моделей
• Тема 3.5. Жизненный цикл модели и MLOps/LLMOps-практики
• Тема 3.6. Наблюдаемость и качество ИИ-систем: метрики модели, продукта и платформы
• Тема 3.7. Drift, деградация и переобучение моделей (Retraining)
• Тема 3.8. Безопасность и устойчивость решений с LLM (Security & Safety)
• Тема 3.9. Управление инцидентами и SRE-подход в эксплуатации ИИ-продуктов
• Практикум: Определение ключевых источника данных для вашего кейса, оцените их качество и отметьте возможные риски в области безопасности или доступности.

Модуль 4. Ответственный ИИ: нормативные требования, этика и надёжность

• Тема 4.1. Правовое регулирование искусственного интеллекта в России и мире
• Тема 4.2. Этические принципы и риски применения ИИ
• Тема 4.3. AI Governance и управление рисками: compliance в ИИ-проектах
• Тема 4.4. Надёжный ИИ: объяснимость, интерпретируемость и доверие пользователей
• Практикум: оценка рисков применения ИИ в выбранном кейсе, выделив возможные юридические и этические риски и предложив простые меры для их снижения.

Модуль 5. Управление развитием и внедрением AI-проектов в компании

• Тема 5.1. Современные возможности искусственного интеллекта и технологические тренды
• Тема 5.2. Формирование целей и приоритетов внедрения ИИ-инициатив в компании
• Тема 5.3. Оценка бизнес-эффективности, ROI и TCO ИИ-проектов
• Тема 5.4. Жизненный цикл ИИ-проекта: этапы, роли и контрольные точки
• Тема 5.5. Построение дорожной карты и управление портфелем ИИ-инициатив
• Тема 5.6. Генеративные модели и ИИ-ассистенты: от Copilot до мультиагентных систем
• Практикум: Таблица целей и метрик вашего ИИ-проекта: определите, чего вы хотите достичь, как будете измерять успех и какой эффект ожидаете получить.

Модуль 6. Управление ИИ-командой и формирование ИИ-культуры компании

• Тема 6.1. Роль руководителя направления ИИ: компетенции и зоны ответственности
• Тема 6.2. Построение ИИ-команды: роли, взаимодействие и распределение ответственности
• Тема 6.3. Коммуникация бизнес-ценности ИИ-решений для стейкхолдеров
• Тема 6.4. Взаимодействие между IT и бизнесом: построение эффективного «моста»
• Тема 6.5. Формирование ИИ-мышления и развитие ИИ-культуры в организации
• Тема 6.6. Программы обучения, переквалификации и вовлечения персонала
• Тема 6.7. Гильдии и центры компетенций: институционализация практик работы с ИИ
• Тема 6.8. Критическое мышление и работа с неопределённостью в ИИ-проектах
• Тема 6.9. Метрики зрелости ИИ-культуры и оценка организационных изменений
• Практикум: план развития ИИ-направления в вашей компании на ближайшие 6–12 месяцев, указав ключевые шаги, ответственных и ожидаемые результаты.

Итоговый проект (слушатели объединяют результаты всех практических заданий в единый управленческий документ — концепцию ИИ-проекта / стратегии внедрения ИИ для своей компании)