Казахстан, г. Алматы, ул. Шевченко 90, БЦ «Каратал», офис 53
Казахстан, г. Астана, ул. Иманова 19, БЦ Деловой Дом "Алма-Ата", офис 612

Даты проведения курса

Выберите удобное для вас число,
запишитесь на курс, заполнив простую форму

город: Алматы
07.12.2026
-
11.12.2026 Подтвержден
записаться на курс
направление: ИИ кол-во дней: 5
кол-во часов: 40
код курса: AI-400

Курс для специалиста, чья работа состоит из документов, выгрузок и регулярной отчётности: контракты, закупки, снабжение, логистика, финансы, кадры, администрирование. Курс не объясняет устройство нейронных сетей и не учит программированию. Он отвечает на рабочий вопрос: как сократить время на договоры, реестры, сверки и квартальные отчёты, не потеряв достоверность.

Обучение начинается с нуля. Предварительное знакомство с ИИ-инструментами не требуется: первый день целиком отведён базовым приёмам и границам применимости. Участник, впервые открывающий такой сервис, и участник, уже применяющий его полгода, получают на входе разные задания в практикумах — распределение выполняется по результатам входного тестирования.

Логика курса — сквозной конвейер собственной задачи участника: специфицировать → извлечь → привести к сопоставимому виду → проверить → закрепить в помощнике → передать подразделению. Практикумы выполняются на отраслевом корпусе и на формах, которые участник приносит с работы: договор, выгрузка, форма регулярного отчёта.

Сквозное правило курса объявляется на первом занятии и входит в критерии приёмки каждого практикума: языковая модель не является ни источником фактов, ни расчётным инструментом. Фактические сведения проверяются по первоисточнику, числовые результаты получаются формулами и подлежат пересчёту. В регулярной отчётности, уходящей внешнему адресату, это не рекомендация, а условие допустимости применения.

59 % учебного времени занимают практикумы и командная работа. Каждый практикум сдаётся по формальным критериям приёмки.

Цель курса:

По окончании курса слушатель сможет:

  • составлять спецификацию задачи по фиксированной структуре и получать по ней воспроизводимый результат на новых данных;

  • разграничивать задачи, которые модель выполняет надёжно, и задачи, на которых она выдаёт правдоподобно неверный результат;

  • определять класс обрабатываемых данных и назначать допустимый контур обработки, включая перечень сведений, не загружаемых во внешний сервис ни при каких условиях;

  • извлекать данные из договоров, счетов, актов и писем по жёсткой схеме полей с обязательной ссылкой на фрагмент документа и контролем полноты извлечения;

  • выполнять сверку документов: двух редакций между собой, документа с внутренним требованием, комплектности пакета;

  • приводить выгрузку из учётной системы к рабочему виду: нормализовать номенклатуру и справочники, выявлять дубли, приводить единицы измерения к общему основанию;

  • собирать регулярный отчёт с журналом сверки и обнаруживать расхождения с источником до сдачи;

  • обнаруживать в выводе модели несуществующие ссылки, подменённые единицы измерения, пропущенные позиции и смешение данных разных периодов;

  • собирать собственного ИИ-помощника в подписочном сервисе: постоянная инструкция, набор образцов, правила вывода, самопроверка;

  • оценивать регулярную задачу на пригодность к автоматизации и замерять базовый уровень трудоёмкости «как сейчас»;

  • формулировать постановку задачи для ИТ-службы и проверять результат при приёмке.

Аудитория:

  • специалисты договорной и контрактной работы, сопровождение закупок, снабжение;

  • логистика и администрирование: заказы, реестры, сопроводительная документация;

  • финансы и отчётность: сверки, своды, регламентная отчётность внешним адресатам;

  • кадровая служба и делопроизводство: кадровые документы, справки, регламенты;

  • руководители групп и секторов, отвечающие за качество и сроки регулярной отчётности подразделения.

Необходимая подготовка:

Предварительная подготовка в области ИИ не требуется, навыки программирования не требуются. Необходим практический опыт в собственной функции и уверенная работа в табличном процессоре на уровне формул и сводных таблиц: без предметной экспертизы проверить вывод модели невозможно, а без таблиц не выполняется расчётная часть практикумов третьего дня.

Участник приносит обезличенные образцы собственных рабочих материалов: один договор, одну выгрузку из учётной системы, одну форму регулярного отчёта. Сквозной кейс выполняется на них. При отсутствии собственных материалов практикумы выполняются на отраслевом корпусе, и прикладная ценность результата снижается.

Входной самотест:

Предварительные требования к курсу отсутствуют: курс самодостаточен и не предполагает прохождения других программ. Самотест маршрутизирует, но не блокирует — если хотя бы на один вопрос ответ утвердительный, курс ваш.

  • Вы тратите часы на договоры, реестры и сверки и подозреваете, что часть этой работы может делаться быстрее?

  • Вы уже пробовали ИИ-сервис, но результат каждый раз получается разный, и вы не понимаете почему?

  • Вы не знаете, можно ли вообще загружать рабочие документы в такие сервисы и что при этом происходит с данными?

Практические приёмы, отрабатываемые на курсе:

Слушатель осваивает приёмы, применимые к собственным задачам с первого рабочего дня после обучения. Ниже — приёмы в сценарии, которые отрабатываются на практике.

  • Спецификация задачи вместо запроса. Структура «роль → контекст → данные → задача → формат вывода → ограничения → самопроверка». Схема полей проектируется до запуска, а не выводится из первого полученного ответа. Спецификация — документ подразделения: её передают коллеге и получают тот же результат.

  • Определение допустимого контура до начала работы. Класс данных определяется раньше выбора сервиса. Что происходит с документом при загрузке во внешний сервис, чем отключённое обучение отличается от отсутствия хранения, какие сведения не загружаются ни при каких условиях и как обезличить документ, не разрушив смысл.

  • Извлечение по жёсткой схеме полей. Фиксированный перечень полей, требование ссылки на фрагмент документа по каждому значению и явное разрешение вернуть «данных нет» вместо правдоподобной догадки. Полнота извлечения проверяется сверкой количества позиций, а не прочтением вывода.

  • Сверка как отдельная операция. Две редакции договора между собой, документ против внутреннего требования, комплектность пакета против описи. Результат сверки — перечень расхождений со ссылками, а не утверждение «различий не обнаружено».

  • Нормализация номенклатуры и справочников. Приведение наименований к единому виду, выявление дублей и позиций-двойников, приведение единиц измерения к общему основанию. Правила нормализации записываются явно и применяются воспроизводимо — иначе каждая выгрузка приводится по-своему.

  • Разделение генерации и расчёта. Модель извлекает и нормализует; числовой результат получается формулой в таблице и подлежит пересчёту. Для отчётности, уходящей внешнему адресату, это условие допустимости, а не методический совет.

  • Опознание правдоподобно неверного вывода. Признаки, по которым ошибка видна без сверки с источником: избыточная гладкость там, где данные разрознены; точные цифры без указания периода; ссылка, которой не существует; подменённая единица измерения; пропущенная позиция. Отрабатывается на подготовленных испорченных выводах.

  • Собственный ИИ-помощник в подписке. Постоянная инструкция, набор эталонных образцов, правила вывода и обязательная самопроверка, закреплённые один раз и работающие дальше без повторной постановки. Помощник собирается средствами подписочного сервиса, без программирования и прав администратора.

  • Работа через шаблон подразделения. Эталонный документ задаёт форму результата: реестр, сравнительная таблица, служебная записка, запрос контрагенту. Результат приводится к форме, а не форма подгоняется под результат.

  • Оценка задачи на пригодность к автоматизации. Частота, объём, стандартизируемость и цена ошибки против сложности внедрения. Замер базового уровня «как сейчас» в человеко-часах выполняется до любых изменений — иначе эффект недоказуем.

Сквозное правило курса: языковая модель не является ни источником фактов, ни расчётным инструментом. Фактические сведения проверяются по первоисточнику, числовые результаты получаются формулами и подлежат пересчёту. Оба правила входят в критерии приёмки практикумов.

Что участник получает:

  • личный чек-лист верификации вывода модели под свой тип задач, в редактируемом формате;

  • библиотека спецификаций — не менее 20 отработанных постановок под задачи своей функции: извлечение из договоров, сверка, нормализация, регулярный отчёт, переписка с контрагентом;

  • два собственных ИИ-помощника, собранных в подписочном сервисе и проверенных на воспроизводимость;

  • правила нормализации номенклатуры и справочника с рабочим примером на своей выгрузке;

  • шаблон регулярного отчёта с журналом сверки и контролем полноты;

  • формы рабочих документов: реестр договоров, сравнительная таблица, служебная записка, запрос контрагенту;

  • каталог типовых отказов модели с признаками опознания и способом проверки;

  • классификатор контуров обработки и перечень данных, не подлежащих загрузке во внешний сервис;

  • паспорт процесса с замером базового уровня и форма постановки задачи ИТ-службе.

Материалы передаются в редактируемых форматах на электронном носителе для информационного наполнения корпоративной базы знаний.

Что в курс НЕ входит:

Раздел приведён намеренно. Курс изолирован и рассчитан на самостоятельное прохождение, поэтому его границы обозначаются прямо: неверно выбранный курс разочаровывает сильнее слабого.

  • программирование, работа с программными интерфейсами, построение интеграций;

  • работа внутри учётной системы. Курс работает с выгрузками из ERP или учётной системы в табличном формате; доступов, прав и полномочий на изменение данных в самой системе в аудитории не будет, и обещать автоматизацию внутри неё было бы недобросовестно;

  • построение сценариев в оркестраторах и развёртывание автоматизаций в контуре компании — это делает ИТ-служба по постановке, которую участник составляет на пятый день;

  • корпоративная база знаний, поиск по документам организации, локальное развёртывание моделей;

  • расчёт стоимости владения ИИ-решением и корпоративная политика допустимого использования — это предмет управленческой программы;

  • юридическая квалификация документов. Модель извлекает и сопоставляет условия, но правовую оценку даёт юрист.

Как проверяется результат:

  1. Входное тестирование и распределение по уровню. Входной тест проводится за 3 рабочих дня до старта, 20 вопросов. У него две задачи: замерить стартовый уровень для последующего сравнения и выявить разброс подготовки внутри группы. По результатам ведущий формирует пары на практикумах и выдаёт дифференцированные задания — это штатная мера против расслоения группы, в которой есть и впервые открывающие сервис, и уже применяющие его.

  2. Итоговое тестирование. 25 вопросов в конце пятого дня. Целевой прирост — не менее 25 процентных пунктов к входному результату, проходной порог — 70 %.

  3. Приёмка практикумов по формальным критериям. Итоговый критерий курса: участник обнаруживает не менее 80 % внесённых ошибок в пяти подготовленных правдоподобно неверных выводах модели; воспроизводит результат по собственной спецификации на новых данных; сдаёт собранный регулярный отчёт с журналом сверки, в котором расхождения с источником найдены и объяснены.

  4. Перенос навыка в работу. Индивидуальный «План 30 дней»: три регулярные задачи, переведённые на спецификацию или помощника, с замером текущей трудоёмкости и контрольной точкой. Отложенный опрос через 30 дней о фактическом применении.

  5. Измеряемый эффект. Сокращение человеко-часов на подготовку регулярного отчёта и на обработку пакета документов; доля результатов, прошедших чек-лист верификации; доля расхождений, обнаруженных до сдачи отчёта, а не после. Методика замера передаётся заказчику.

 

День 1. ОСНОВА: границы модели и управляемый результат

  1. Что делает языковая модель и где она ошибается. Классы задач, на которых модель работает устойчиво: переформулирование, классификация, суммаризация, извлечение по заданной схеме, черновик по структуре, сверка. Классы, на которых она систематически ошибается: точный счёт, актуальные фактические сведения, перечисление по памяти, юридическая квалификация. Почему неверный ответ выглядит убедительнее верного. Разбор на документах отраслевого пакета группы: договор, акт, выгрузка. 60 минут.

  2. Контур данных: что нельзя загружать. Что происходит с документом при загрузке во внешний сервис и что остаётся в журналах поставщика. Различие между отключённым обучением на данных и отсутствием их хранения. Классы данных: общедоступные, внутренние, конфиденциальные, персональные, составляющие коммерческую тайну. Требования Закона Республики Казахстан «Об искусственном интеллекте» № 230-VIII, введённого в действие 18 января 2026 года, в части, относящейся к пользователю: информирование о взаимодействии с ИИ и маркировка сгенерированного материала. Обезличивание как процедура и его пределы. Практикум: классификация 12 собственных задач и назначение контура. 60 минут.

  3. Техника спецификации задачи. Структура «роль → контекст → данные → задача → формат вывода → ограничения → самопроверка». Проектирование схемы полей до запуска. Приёмы точности: декомпозиция на шаги, эталонный пример, явное разрешение вернуть «данных нет», требование ссылки на фрагмент источника. Антипаттерны: вежливые формулировки вместо ограничений, накопленный диалог вместо постановки, ручная доводка результата вместо исправления спецификации. Практикум: спецификация регулярной задачи своей функции. 90 минут.

  4. Воспроизводимость: почему один запрос даёт разный результат. Что в расхождении результата поддаётся контролю, а что нет. Недоопределённый формат вывода как основная причина. Влияние длины документа и накопленного диалога. Процедура проверки: одна спецификация, три запуска, сверка расхождений, доработка постановки. Практикум: доведение собственной спецификации до воспроизводимого результата. 60 минут.

  5. Чек-лист проверки результата. Три вопроса к любому выводу модели: откуда это взято, к какому периоду относится, что проверялось и что не проверялось. Расширенный чек-лист под типы задач: извлечение, сверка, суммаризация, черновик документа. Встраивание проверки в маршрут документа, а не в личную привычку. Практикум: сборка личного чек-листа верификации. 90 минут.

День 2. ДОКУМЕНТЫ: извлечение, сверка, черновики

  1. Извлечение данных по жёсткой схеме полей. Проектирование схемы под свой тип документа: договор, счёт, акт, коммерческое предложение, письмо контрагента. Требование ссылки на фрагмент по каждому значению. Разрешение вернуть «данных нет» вместо догадки. Разбор случая, когда модель уверенно достраивает отсутствующее поле. Практикум: извлечение из пакета документов отраслевого пакета и из собственного договора. 105 минут.

  2. Сканы, длинные документы, контроль полноты. Распознавание и характерные ошибки на реальных документах: штампы, подписи, многоколоночная вёрстка, приложения и спецификации. Разбиение длинного документа и сборка результата. Контроль полноты извлечения по количеству позиций, а не по впечатлению от вывода. Практикум: извлечение из скана и сверка количества позиций. 75 минут.

  3. Сверка документов. Три типа сверки: две редакции договора между собой, документ против внутреннего требования или регламента, комплектность пакета против описи. Требование к выводу: перечень расхождений со ссылками, а не заключение «различий не обнаружено». Типовой отказ: модель пропускает изменение в приложении, сосредоточившись на основном тексте. Практикум: сверка редакций и проверка комплектности пакета. 90 минут.

  4. Черновики рабочих документов. Письмо контрагенту, служебная записка, справка по комплекту документов, запрос недостающих сведений, пояснение к расхождению. Работа от эталонного образца: форма задаётся документом подразделения, а не описанием словами. Граница ответственности: черновик готовит модель, содержательное решение и подпись — человек. Практикум: два черновика по собственным материалам. 90 минут.

День 3. ТАБЛИЦЫ И РЕГУЛЯРНАЯ ОТЧЁТНОСТЬ

  1. Выгрузка из учётной системы как объект работы. Что можно и чего нельзя ожидать от модели на табличных данных. Почему выгрузка подаётся фрагментами, а не целиком, и как это влияет на достоверность. Подготовка выгрузки: отбор столбцов, единицы измерения, форматы дат и чисел, скрытые строки и итоги. Граница курса: работаем с выгрузкой, а не внутри учётной системы. Практикум: подготовка собственной выгрузки к обработке. 60 минут.

  2. Нормализация номенклатуры и справочников. Приведение наименований материалов и услуг к единому виду. Выявление дублей и позиций-двойников, различающихся написанием, сокращением или порядком слов. Приведение единиц измерения к общему основанию. Правила нормализации записываются явно и применяются воспроизводимо: без записанных правил каждая выгрузка приводится по-своему, и сравнение периодов теряет смысл. Практикум: нормализация собственного справочника номенклатуры. 105 минут.

  3. Разделение генерации и расчёта. Правило: модель извлекает и нормализует, формула считает. Почему числовой результат, полученный в диалоге, не принимается и как это проверяется. Построение проверяемой таблицы: исходные данные, нормализованный слой, расчётный слой формулами, контрольные суммы. Практикум: сборка проверяемой таблицы на собственных данных с контрольными суммами. 90 минут.

  4. Сборка регулярного отчёта и журнал сверки. Регулярная отчётность внешнему адресату как предельный случай: цена ошибки высокая, исправление после сдачи дорогое. Последовательность: сбор из источников, приведение к форме, контроль полноты по количеству и по контрольным суммам, журнал расхождений с источником, проверка соответствия требуемому формату. Обязательная точка контроля человека перед отправкой. Практикум: сборка собственного квартального или месячного отчёта с журналом сверки. 105 минут.

День 4. СОБСТВЕННЫЕ ИИ-ПОМОЩНИКИ И ШАБЛОНЫ

  1. Подписочная модель: что она даёт и чего не даёт. Чем платный тариф отличается от бесплатного применительно к рабочим задачам: объём загружаемых документов, длина контекста, постоянные инструкции, рабочие пространства и проекты, история и повторное использование. Что остаётся недоступным на любом тарифе: гарантия неизменности результата, доступ к внутренним системам, юридическая ответственность за вывод. Ограничения, которые нужно знать до того, как выстроить на сервисе рабочий процесс. 45 минут.

  2. Сборка собственного ИИ-помощника. От разового запроса к постоянному помощнику: закреплённая инструкция, набор эталонных образцов, правила вывода, обязательная самопроверка. Помощник под функцию: по договорной работе, по регулярной отчётности, по переписке с контрагентами. Что класть в постоянную инструкцию, а что передавать с задачей. Проверка помощника на воспроизводимость и на пограничных случаях. Практикум: сборка двух помощников под собственные задачи. 105 минут.

  3. Шаблоны и эталонные документы. Форма результата задаётся эталонным документом подразделения, а не описанием словами. Библиотека форм: реестр договоров, сравнительная таблица, служебная записка, запрос контрагенту, пояснительная записка к расхождению. Приведение вывода к форме и контроль соответствия. Почему шаблон снижает разброс результата сильнее, чем детализация формулировок. Практикум: сборка библиотеки форм подразделения. 90 минут.

  4. Многошаговые задачи. Задачи, которые не решаются одним запросом: разбиение на шаги, передача результата между шагами, промежуточная проверка, точка остановки. Типовой конвейер: извлечь → нормализовать → сверить → оформить → проверить. Где обязательно вмешательство человека и почему автоматическая передача результата следующему шагу без проверки накапливает ошибку. Практикум: прогон сквозной задачи участника через собранный конвейер. 120 минут.

День 5. ПЕРЕНОС НА ПОДРАЗДЕЛЕНИЕ

  1. Библиотека спецификаций подразделения. Почему воспроизводимость результата — свойство подразделения, а не отдельного сотрудника: если постановки не сведены в общую библиотеку, каждый продолжает получать свой результат. Структура библиотеки, правила именования, версии, порядок внесения новой постановки. Передача постановки коллеге и проверка, что результат совпал. Практикум: оформление собственной библиотеки к передаче. 90 минут.

  2. Отбор задач для автоматизации. Скоринг регулярной задачи: частота × объём × стандартизируемость × цена ошибки ÷ сложность внедрения. Признаки задачи, которую автоматизировать не нужно: низкая частота, нестабильный вход, процесс, подлежащий отмене, цена ошибки, при которой контроль дороже операции. Письменная фиксация отказа. Практикум: скоринг задач своего участка и отбор трёх кандидатов. 90 минут.

  3. Замер эффекта. Базовый уровень «как сейчас»: трудоёмкость в человеко-часах, длительность цикла, доля возвратов на доработку, доля расхождений, обнаруженных после сдачи. Способы замера при отсутствии учёта: выборочный хронометраж, реконструкция по журналам систем, оценка исполнителями с поправкой на систематическое занижение. Почему замер выполняется до изменений и не восстанавливается после. Практикум: замер по собственному процессу. 75 минут.

  4. Постановка задачи ИТ-службе. Что реально требует участия ИТ: доступ к источникам, регулярный запуск, интеграция с учётной системой, хранение результата. Состав постановки: процесс, объём, метрика, требования к данным и контуру, точка контроля человека, что проверяется при приёмке. Типовая ошибка: постановка в терминах инструмента вместо терминов процесса. 45 минут.

  5. Итоговое тестирование и «План 30 дней». Индивидуальный план переноса навыка: три задачи, переведённые на спецификацию или помощника, замер текущей трудоёмкости, контрольная точка, ответственный. Итоговое тестирование, разбор результатов и сопоставление с входным тестом. 60 минут.