Программа конференции

• ИИ должен работать не только с текстом, но и со всей базой знаний компании.
• Создание курса превращается из ручной сборки в управляемый ИИ-процесс.
• MCP позволит ИИ работать уже внутри CourseEditor, а не рядом с ним.

• Почему классический каталог обучения перестаёт работать и как ИИ меняет логику: от «выбери курс» к «система подсказывает, что тебе нужно»
• Как мы связали рекомендации, умный поиск и анализ отзывов в единую систему обучения
• Практика: как ИИ помогает находить нужное обучение, а не просто генерировать контент
• Почему ключевой эффект — не в создании курсов, а в том, чтобы сотрудник реально до них дошёл и выбрал нужное
• Что важно на старте: не делать «AI ради AI», а встраивать его в повседневный опыт сотрудника

Практический результат: более 80% участников начинают использовать ИИ в работе после обучения, а искусственный интеллект становится рабочим инструментом, а не разовой демонстрацией возможностей.

Обычно LMS фиксируют лишь факт ошибки в тесте, оставляя пользователя наедине с его пробелами. ИИ-агенты превращают платформу из цифрового склада контента в самообучающуюся операционную систему, которая анализирует природу неверных ответов и рекомендует методистам, как пересобрать учебный контент.

Слушатели узнают, как использовать ИИ-агентов для оценки качества тестовых заданий и зачем выстраивать индивидуальную траекторию обучения для каждого пользователя.

Личный опыт погружения в сферу ИИ помог нам сформулировать формулу формата, который мы используем для продвижения ИИ среди сотрудников.

• Как преодолеть неравномерное внедрение ИИ?
• Как устранить препятствия для распространения ИИ?
• Как сделать обучение ИИ эффективным, если традиционные форматы не работают?
• Как апробировать формат массового вовлечения в ИИ?
• Как оценить эффективность такого формата?
• Как масштабировать успешный опыт?

• Один AI хорошо решает отдельную задачу, а команда агентов — целый процесс. Покажем, как распределить роли между агентами и собрать из них связный конвейер разработки курса.
• Агенты работают не параллельно, а передают результат друг другу. Разберём, как выстроить цепочку взаимодействия, чтобы каждый следующий этап усиливал предыдущий, а не начинал работу с нуля.
• От идеи до первой версии курса можно пройти за часы, а не недели. На примере покажем, какие этапы разработки обучения можно делегировать AI, а где по-прежнему нужен человек и его экспертиза.
• Главный эффект — не ускорение генерации текста, а изменение самого процесса разработки. Эксперт становится не автором каждого слайда и задания, а архитектором системы: задаёт рамки, принимает решения и управляет качеством.
• Мультиагентный подход можно масштабировать под разные образовательные задачи. Те же принципы работают для создания программ, сценариев практикумов, заданий, кейсов, методических материалов и адаптации контента под разные аудитории.

Участники узнают, как спроектировать простую мультиагентную систему для разработки обучения и какие роли имеет смысл передавать AI, и получат понятную модель процесса «идея → структура → учебный опыт → готовый прототип курса», которую можно адаптировать под свои образовательные продукты.

ИИ меняет не только инструменты работы, но и сам подход к развитию компетенций специалистов. В эпоху генеративного ИИ сотруднику уже недостаточно уметь пользоваться готовыми сервисами — важно уметь создавать собственные решения под свои задачи.

• Почему классическое обучение программированию больше не отвечает потребностям бизнеса и как появился новый подход — вайбкодинг
• Как специалисты без технического бэкграунда с помощью ИИ создают прототипы приложений, автоматизации, внутренних сервисов и AI-ассистентов
• Какие барьеры возникают при обучении взрослых работе с ИИ: страх технологий, отсутствие понимания возможностей, разрыв между инструментом и реальной задачей
• Как строить обучение, которое приводит не к знанию инструментов, а к изменению рабочих процессов
• Кейс внедрения AI-подхода: переход от использования отдельных нейросетей к формированию внутренней AI-компетенции команд
• Как вайбкодинг позволяет бизнесу быстрее тестировать идеи, снижать зависимость от внешней разработки и сокращать затраты на небольшие цифровые решения

Участники получат практическую модель того, как проектировать обучение взрослых в эпоху ИИ и превращать сотрудников из пользователей технологий в создателей новых решений.

• Общие тренды и вызовы в освоении ИИ в мире
• Образовательное ИИ-портфолио Керхер
• Форматы, которые зашли, и то, что провалилось
• Наши планы по внедрению ИИ в свою работу

Слушатели узнают о современных трендах ИИ-освоения и о том, как проходит обучение ИИ в компании, где средний возраст сотрудников 38+.

Вместо того чтобы тратить 100 000 ₽ на оператора и отвлекать пять сотрудников на 4–6 часов и пару рабочих дней, мы генерируем комиксы через нейросеть. Один ролик — один смысл. Без пересъёмок и без остановки работы ресторана.

• Раньше: съёмка одного видео — 4–6 часов, пять человек задействованы, оператор до 100 000 ₽ за готовое видео, передача материала 7–10 дней
• Теперь: генерация комиксов через нейросеть — 10 часов суммарно, команда методист плюс эксперт, подписка ~3 000 ₽ в месяц, ролик готов за 3 дня
• Формат: шортс до 2 минут, 1 ролик = 1 смысл. Субтитры и короткие фразы-акценты для сотрудников из Индии, Казахстана и других стран
• Риски: нейросеть галлюцинирует, нужен промпт-инжиниринг. Без референса реального объекта кадры улетают в фантазию
• Как обходим риски: статичные кадры на основе реальных фонов — в фокусе смысл, а не детали, к которым сотрудники могли бы придраться
• Историческая справка как аргумент: в послевоенные годы комиксы использовали для обучения неграмотных мигрантов в США

Слушатели увидят, как заменить дорогие съёмки на генерацию за десятую часть бюджета, поймут, где ИИ сэкономит время, а где нет, и получат готовую схему: сценарий → генерация → монтаж → субтитры.

Как за 6 месяцев превратить напуганных саботажников в ИИ-энтузиастов, сэкономив при этом бюджет на внешних подрядчиках.

• Отказ от аутсорса: почему внутренние силы оказались эффективнее дорогих подрядчиков и как мы перераспределили сэкономленный бюджет
• Матрица обучения из трёх уровней: базовый, продвинутый и экспертный треки с учётом специфики отделов — юристы, маркетинг, продажи, IT, архитекторы, закупки
• Принципы мотивации без KPI: геймификация, личная выгода и передача сотрудникам контроля над созданием собственных ИИ-инструментов
• Борьба со скепсисом через тотальную честность: открытый разговор о рисках и ошибках ИИ как способ завоевать доверие
• Работа с саботажем по методу «вовлечения врагов»: перевербовали главных противников, сделав их соавторами курса и амбассадорами проекта
• Воронка внедрения за 6 месяцев: от пилотной группы из 20% сотрудников до полного роллаута и создания Центра инноваций

Выступление будет полезно руководителям цифровой трансформации, L&D-менеджерам и всем, кто внедряет технологии через людей.

Мы попробовали три подхода к разработке диалоговых AI-тренажёров: сложную разработку с IT-командой и анализом Big Data; «конвейер» в собственном No-Code конструкторе, который сократил Time to Market в 8 раз; кастомную сборку силами L&D с симуляторами ПО и нестандартной логикой.

• Какие результаты принёс каждый подход и какой из них выбрать под конкретную задачу?
• Как разработать такой продукт и какова в этом процессе роль методолога?
• Как сделать поведение персонажа реалистичным, а обратную связь от ИИ — релевантной?

На основании анализа 200 000+ реальных тренировок сотрудников и опыта запуска 60+ AI-тренажёров разберём, как построить эффективную экосистему ИИ-обучения без бесконечных бюджетов.

Внедрять ИИ в компанию сложно по простой причине: никто не знает, как это делать и как можно посчитать эффект.

• Искали варианты агентов и внедрили корпоративные учётки для команд разработки через пилот и защиту с СТО
• Создали обучение без обучения — через сообщество энтузиастов
• Продолжаем собирать тулкит для массового внедрения, помогаем СТО формировать костяк активистов и базу юз-кейсов без сжигания токенов

Ценность кейса — в разборе сложностей при защите решений по внедрению ИИ и в том, как отдел обучения может помочь лидерам ИИ-трансформации.

Осенью 2025-го в Anthropic разработали концепцию skills — продвинутых промптов, которые помогают педдизайнеру ускоряться с созданием программ и усиливать их качество.

• Чтобы создать кастомный скилл, нужно чётко описать нейросети, как именно вы что-то делаете, и обязательно дать референсы: наполнение модулей в предыдущих курсах, примеры тестов и шаблоны для их упаковки в LMS, цвета плашек и стиль иконок
• Первый прогон скилла покажет, что надо докрутить: проговариваем все нестыковки с нейронкой и просим доработать скилл по выявленным недочётам
• Переиспользуем однажды созданный скилл в разных нейросетях и адаптируем его для агентов с минимальными правками

Скиллы — это, по сути, мини-программки для автоматизации рабочих задач. С их помощью можно сэкономить часы на переносе тестов в LMS и забыть про ручное создание графики в уроках.