Использование инструментов ИИ и нейросетей в производственных процессах промышленного предприятия

О курсе:

Курс предназначен для специалистов промышленных предприятий c любым уровнем знаний об ИИ (AI), желающих освоить современные технологии искусственного интеллекта и их применение в промышленном секторе. Программа обучения охватывает работу с большими языковыми моделями (LLM), генеративным ИИ и ИИ-ассистентами

Для кого:

Для руководителей и специалистов промышленных предприятий всех отраслей

Программа:

1. Особенности работы генеративного ИИ в промышленном секторе.
   • Что такое LLM простыми словами: как работают ChatGPT, DeepSeek, GigaChat и чем они отличаются друг от друга.
   • Возможности и ограничения для промышленного производства: что нейросети делают хорошо, а что — пока не умеют (и вряд ли научатся в ближайшие годы).
   • Ландшафт инструментов: обзор международных решений (ChatGPT, DeepSeek, Gemini) и российских (GigaChat, YandexGPT) — что выбрать и для каких задач.
   • Экономика внедрения: сколько стоит использование ИИ, модели оплаты (подписка, токены, API), окупаемость.
   • Популярные заблуждения о генеративном ИИ.
2. Внедрение ИИ в промышленности: мировой и российский опыт.
   • Китай: государственная стратегия «AI+ Manufacturing» — массовое внедрение в госкорпорациях, развитие собственных LLM, курс на «умные» и «тёмные» заводы. США: ставка на масштаб и технологическое лидерство.
   • Россия: развитие отечественных LLM (GigaChat, YandexGPT), первые отраслевые модели для разных отраслей промышленности, интеграция с промышленными платформами.
   • Уроки и ошибки: почему одни проекты взлетают, а другие — нет, типичные барьеры внедрения на промышленных предприятиях.
   • Тренды ближайших лет: от ИИ-ассистентов к ИИ-агентам, прогнозы ведущих аналитиков о трансформации промышленности.
3. Безопасное использование ИИ и работа с ошибками нейросетей.
   • Информационная безопасность: что можно и что категорически нельзя отправлять в нейросеть, как работать с конфиденциальными данными предприятия.
   • Галлюцинации нейросетей: почему ИИ иногда «выдумывает» факты, в каких задачах это особенно опасно.
   • Методы проверки: как верифицировать результаты ИИ, техники «второго мнения», когда обязательна проверка человеком.
   • Снижение рисков: промпт-техники для минимизации ошибок, работа с источниками, запрос на самопроверку.
   • Регламенты использования: как сформировать политику применения ИИ на предприятии, зоны ответственности.

   Практика: первые шаги с LLM — базовые навыки работы.

   • Анатомия диалога: как правильно начинать разговор с ИИ, задавать контекст и уточнять результат.
   • Типовые задачи: пробуем генерировать технические тексты, анализировать информацию, структурировать данные.
   • Работа с техническими документами: загружаем файлы, извлекаем информацию, создаём выжимки и резюме.
   • Практикум проверки: применяем техники верификации результатов из предыдущего блока.
4. Промптинг — искусство управления нейросетью.
   • Структура эффективного промпта: роль, контекст, задача, формат, ограничения — пять элементов результативного запроса.
   • Техники продвинутого промптинга: chain-of-thought (пошаговое рассуждение), few-shot (обучение на примерах), role prompting (назначение роли).
   • Промпт-шаблоны для промышленности: техническая документация, отчёты, анализ данных, деловые коммуникации.
   • Итеративный подход: как дорабатывать запросы для получения лучшего результата, техника «уточняющих вопросов».
   • Типичные ошибки промптинга: почему «напиши мне отчёт» работает хуже, чем структурированный запрос.

   Практика: выявление задач для ИИ на промышленном предприятии.

   • Интерактивный аудит: с помощью нейросети анализируем типовые процессы промышленного предприятия и находим точки внедрения в них ИИ.
   • Матрица применимости: какие задачи подходят для автоматизации с помощью LLM, а какие — нет (и почему).
   • Критерии отбора: как понять, что задача «созрела» для ИИ — объём рутины, наличие данных, измеримость результата.
   • Индивидуальная работа: каждый участник составляет список из 5–7 задач своего предприятия для внедрения ИИ.
   • Приоритезация: выбираем 2–3 ключевые задачи для создания персонального ИИ-ассистента.

   Практика: отработка техник промптинга на реальных задачах.

   • Практикум «от плохого к хорошему»: переписываем слабые промпты в эффективные, анализируем разницу в результатах.
   • Индивидуальная работа: каждый участник создаёт промпты для задач своего предприятия.
   • Тестирование и доработка: проверяем результаты, корректируем запросы, добиваемся нужного качества.
   • Создание персональной библиотеки: сохраняем работающие промпты для дальнейшего использования.
   • Лайфхаки в промптинге для промышленного сектора.
5. ИИ-ассистенты и ИИ-агенты — следующий уровень.
   • Что такое ИИ-ассистент: настроенная под конкретные задачи нейросеть с контекстом, инструкциями и базой знаний.
   • Отличие ассистента от агента: ассистент отвечает на запросы, агент действует самостоятельно и принимает решения.
   • Платформы для создания ИИ-ассистентов — что выбрать и почему, плюсы и минусы.
   • Архитектура ИИ-ассистента: системный промпт, база знаний, правила поведения, формат ответов.
   • Перспектива: как ИИ-агенты изменят промышленность в ближайшие годы, к чему готовиться.

   Практика: создание персонального ИИ-ассистента.

   • Выбор задачи: определяем, для какой рабочей функции создаём ассистента — документация, аналитика, коммуникации.
   • Написание системного промпта: задаём роль, контекст, правила поведения и формат ответов ассистента.
   • Загрузка базы знаний: добавляем релевантные технические документы, шаблоны, примеры для обучения ассистента.
   • Тестирование: проверяем ассистента на типовых сценариях.
   • Дообучение: корректируем инструкции.
   • Презентация результатов: участники демонстрируют своих ИИ-ассистентов для применения на своем предприятии и делятся опытом создания.

   Подведение итогов: следующие шаги и ресурсы для развития.

   • Дорожная карта внедрения: как внедрить ИИ на производственном предприятии — первые шаги, пилотные проекты, масштабирование.
   • Рекомендации по регламентам: как сформировать политику использования ИИ в организации.
   • Ошибки внедрения ИИ в производственных процессах.
   • Ответы на вопросы участников.