Практико-ориентированный курс, на котором менеджер без навыков программирования учится автоматизировать свои повседневные задачи с помощью ИИ: анализ данных, генерация отчётов и документов, обработка документов, интерактивные инструменты и дашборды, базовые связки с рабочими сервисами. Курс включает материал Уровня 1 (День 1) и добавляет два дня плотной практики. Ключевой принцип — «своя задача»: в течение обучения каждый участник превращает собственную реальную рабочую задачу в работающую автоматизацию и защищает её на итоговом занятии. Работа ведётся преимущественно в браузере, без установки ПО. Датасеты и сценарии адаптируются под отрасль заказчика (горнодобыча, нефтепереработка, металлургия, финансы).
Цель курса:
По окончании курса слушатель сможет (включая цели Уровня 1):
ставить задачу ИИ по понятной структуре и доводить результат итерациями;
анализировать таблицы Excel и CSV: очистка данных, ключевые показатели, группировки, поиск аномалий;
генерировать готовые отчёты и документы (Excel, Word, PDF) по шаблону — воспроизводимо;
извлекать и структурировать данные из документов (PDF, сканы, письма);
создавать интерактивные инструменты и дашборды без кода (Claude Artifacts, Google AI Studio);
выполнять многошаговые задачи и базовые связки с рабочими сервисами (Claude Cowork, коннекторы);
проверять и валидировать результат ИИ, соблюдать гигиену корпоративных данных;
оценивать задачи на пригодность к автоматизации и грамотно передавать сложное в ИТ.
Аудитория:
менеджеры среднего звена и линейные руководители;
специалисты, регулярно занятые отчётностью, обработкой данных и документов;
сотрудники, прошедшие Уровень 1 или знакомые с основами ИИ.
Необходимая подготовка:
Для эффективного обучения на курсе слушатели должны обладать следующими знаниями и навыками:
Уверенная работа с офисными приложениями. Программирование не требуется. Рекомендуется предварительное прохождение VC-100 «AI-грамотность для менеджера» (входит в состав данного курса как День 1).
День 1. Основы вайбкодинга — входит курс VC-100
Вайбкодинг и генеративный ИИ; новая роль менеджера.
Обзор инструментов рынка: Claude, ChatGPT, Gemini, Google AI Studio.
Анатомия задачи: пять элементов и итеративное доведение (практикум).
Первые результаты руками; риски и безопасность данных; карта применения ИИ.
День 2. Данные и документы
Выбор своей задачи (BYOT) и декомпозиция: критерии пригодности к автоматизации, заполнение «паспорта задачи» (мини-ТЗ). Тренер валидирует выбор каждого участника.
Анализ данных в Excel/CSV через ИИ: загрузка, очистка «грязных» данных, ключевые показатели, группировки, поиск аномалий и ошибок, вопросы к данным на естественном языке. Практика на отраслевом датасете.
Генерация отчётов и документов: из данных → готовый Excel/Word/PDF по фирменному шаблону; настройка воспроизводимой регулярной отчётности; генерация писем и служебных записок.
Обработка документов: извлечение и структурирование данных из PDF, сканов и писем; массовая обработка однотипных документов; сведение разрозненных источников в одну таблицу.
Практикум: первый прототип своей задачи на собственных или приближенных данных.
День 3. Инструменты, дашборды и защита
Инструменты без кода — Claude Artifacts: калькуляторы, формы ввода, конвертеры, чек-листы; как заказать инструмент и дорабатывать его итерациями. Каждый создаёт рабочий мини-инструмент.
Конструктор приложений без кода — Google AI Studio (Build Mode): сборка мини-приложения из текстового описания, предпросмотр, публикация и доступ по ссылке; чем отличается от Artifacts и когда уместен.
Дашборды и визуализация: из своих данных → интерактивный дашборд с графиками и фильтрами; как сделать его понятным руководителю.
Базовые связки и регулярные задачи: Claude Cowork для многошаговых задач; коннекторы к рабочим сервисам (хранилище, почта, календарь) как мягкий вход в интеграции; концепция простых ботов и рассылок.
Проверяемость и гигиена данных на практике: упражнение «найди ошибку» в результате ИИ; персональный чек-лист проверки и безопасности.
Доведение своей задачи до рабочего состояния и итоговая защита: демонстрация автоматизации на тестовых данных, оценка экономии времени, план внедрения.
