Главная цель — научить управлять ИИ-проектами как управляемыми бизнес- инициативами
Слушатели учатся превращать идеи в готовые проекты с документацией,метриками и контролем рисков.
Жизненный цикл ИИ-проекта
Управление рисками, данными, командой
Автоматизация работы руководителя
Жизненный цикл ИИ-проекта
Управление рисками, данными, командой
Автоматизация работы руководителя
Чем наша программа отличается от других
Готовая проектная документация
Пакет шаблонов для каждой стадии ИИ-проекта: устав, план-график, реестр рисков
Практика на реальных кейсах
Практика на поцессах из финтеха и других отраслей
Экспертиза Softline и fabricaONE.AI
Курс построен на опыте внедрений ИИ-решений в крупном бизнесе
Эксперты программы
Николай Тржаскал
Ментор и автор программы, директор по развитию технологий ИИ FabricaONE.AI.
Даниил Монахов
Руководитель комплексных проектов ИИ в SLSoft, управление полным циклом — от пресейлов и пилотов до внедрения продуктовой разработки ИИ
Наталья Елисеева
Ведущий менеджер по развитию технологической экспертизы в SLSoft, эксперт в управлении ИТ- и ИИ-проектами
Чем подход к управлению ИИ-проектами отличается от классического подхода к управлению ИТ-проектами? Обсудили c экспертами курса Даниилом Монаховым и Натальей Елисеевой на вебинаре.
Оцените реализуемость идеи своего ИИ-проекта с помощью промпта от экспертов курса
Программа
Что такое ИИ: история и ключевые понятия
Обзор технологий ИИ
Применение ИИ в бизнесе сегодня
Практическое задание: определение задач бизнеса, которые можно решить с помощью ИИ Результат: базовое понимание ИИ и список идей по автоматизации процессов на базе ИИ
Треугольник «срок — бюджет — качество» и четвёртое измерение ИИ-проекта: качество входных данных
Чёткие рамки классического проекта vs итеративное движение к результату в ИИ-проекте
ML-модели и LLM-модели: разность подходов, преимущества и недостатки
Высокая неопределённость: эксперименты, PoC и метрики промежуточных шагов
Непрерывный мониторинг: дообучение моделей и адаптация пользователей после вывода в эксплуатацию
Динамичность ИИ-проектов и проблема оценки эффективности
Методологии управления проектами: эффективность разных подходов на разных этапах
Практика: разбор блока на конкретных процессах Результат: понимание отличий ИТ-проектов от ИИ-проектов. Наиболее эффективные методики управления ИИ-проектами (Agile: Scrum, Lean, Kanban и т.д., Dual Track Agile)
«Нельзя автоматизировать хаос»: анализ → регламентация → реализация
Оценка состояния бизнес-процесса: ключевые метрики, анализ, оптимизация
Устав ИИ-проекта: анализ применимости ИИ к задаче, обзор рынка и лучших практик
Метрики эффективности: связь KPI проекта и ML-метрик
Портрет проектной команды: ключевые роли (ML-инженер, Data Scientist и др.) и работа с ними
Планирование:
Пакет документов стадии планирования
Новые этапы в план-графике: подготовка датасета, обучение моделей, прототипирование / PoC. Условия завершения и контрольные точки
Риски ИИ-проектов и стратегии реагирования: качество данных, интеграция с ИТ-системами, стоимость инфраструктуры, безопасность данных, сопротивление пользователей, РИД
Реализация / исполнение:
Пакет документов стадии реализации
Факторы, влияющие на сроки: качество и модификация данных, выбор технологий (ML vs LLM), безопасность, ресурсные ограничения, настройка ИИ
Мониторинг / контроль:
Пакет документов стадии мониторинга и контроля
Поэтапный план контроля: проектные и ML-метрики
Завершение:
Пакет документов стадии завершения
Практическое задание: выбор и обсуждение ИИ-проекта в группах, анализ кейсов
Практика: разбор блока на конкретных процессах Результат: пакет проектной документации для ИИ-проектов. План действий при реализации ИИ-проектов
Процессы, где автоматизация с ИИ наиболее эффективна
Кейсы для банковской сферы: кредитная аналитика, риск-менеджмент, делопроизводство, внутренний аудит, compliance, юридическая функция
Разбор на примере слушателя или типовом сценарии
Практика: разбор блока на конкретных процессах Результат: готовые сценарии для автоматизации
Системы управления проектами и таск-трекеры: краткий обзор
Единая база знаний проекта (KMS) и генерация проектных артефактов с помощью генеративного ИИ: устав, ТЗ, дорожная карта, план коммуникаций
Принципы создания эффективных промптов
Обзор GPT-аналогов
Практика: разбор блока на конкретных процессах Результат: понимание инструментов автоматизации работы руководителя проекта и методов их использования
Научитесь запускать ИИ-проекты предсказуемо и с измеримым результатом:
Отвечаем на вопросы
Стоимость программы — 105 000 руб. Также для потока, который стартовал 19 января 2026 года, есть возможность приобрести обучение по отдельным модулям. Подробности уточняйте у наших консультантов.
1,5-2 месяца
Занятия проходят по будням в вечернее время (как правило, 2 раза в неделю). Точно расписание потока будет известно ближе к старту. Напишите нам и мы скинем предварительное расписание.
Да. Запись всех занятий будет храниться в вашем личном кабинете. Их можно смотреть в любое время.
Да. Для этого нужно пройти программу и защитить итоговый проект. Если у вас есть среднее специальное или высшее образование, вы получите удостоверение о повышении квалификации. Если нет — отправим электронный диплом о прохождении курса.
Да
Да. Можно внести предоплату 50% и оплатить оставшиеся 50% не позднее последнего дня учебы.
Академия АйТи — партнер для кастомизированного проектного обучения в области IT и информационной безопасности в России и СНГ