EGround
Редактор
- Сообщения
- 68.673
- Реакции
- 288
Складчина: AI-система для интеллектуальной работы [Profileschool] [Александр Свет]
Чему вы научитесь?
Понимать возможности и ограничения AI и выбирать подходящий способ работы под конкретную профессиональную задачу.
Ставить задачи AI: задавать цель, контекст, ограничения, формат результата и критерии качества.
Организовывать личную AI-систему в Codex: работать с проектами, контекстом, инструкциями, целями и результатами в единой среде.
Автоматизировать повторяющуюся работу: создавать навыки AI, регулярные задачи и многошаговые процессы с использованием браузера и компьютера.
Превращать цели в конкретную работу: строить планы, рабочие брифы и понятные задания для AI.
Создавать профессиональные материалы с AI: тексты, исследования, презентации, таблицы, отчёты и дашборды.
Создавать собственные рабочие инструменты без программирования: от калькуляторов и интерактивных страниц до небольших приложений и прототипов.
Проверять качество и безопасно делегировать работу AI: контролировать факты, источники, конфиденциальность и границы полномочий.
Находить новые возможности для своей профессии и постоянно осваивать новые способы работы с AI.
Программа курса
Занятие 1. Новая модель интеллектуальной работы и знакомство с AI-экосистемой
Спойлер: Подробнее Цель: Понять, как агенты меняют интеллектуальную работу, получить карту пяти ключевых навыков курса, научиться правильно ставить задачи современным моделям, освоиться в экосистеме ChatGPT/Codex и составить первую карту возможностей AI для своей роли.
Темы:
Новая модель интеллектуальной работы:
Как агенты меняют интеллектуальную работу: переход от выполнения всей работы самому к управлению AI-системами и агентами
Неровная граница возможностей AI: AI может быть великолепен в одной задаче и неожиданно слаб в соседней
Пять ключевых навыков курса: карта возможностей AI; управление контекстом и средой агента; прототипирование решений и продуктов; поиск новых возможностей; непрерывное обучение в новом мире AI
Как общаться с современными моделями:
Фундамент постановки задач: цель, контекст, ограничения, формат результата, примеры
Рассуждающие модели (reasoning) и уровни усилий (effort): как «глубина размышлений» влияет на результат
Экосистема ChatGPT и знакомство с Codex:
ChatGPT Chat, ChatGPT Work, Codex: различия режимов и выбор среды под задачу
Основы работы с ChatGPT Work: проекты, рабочие папки и файлы, агентный подход, многошаговая работа
Переход от разового диалога к постоянной рабочей среде
Актуальная линейка моделей: какая модель и какая глубина размышлений достаточны для конкретной задачи
Домашнее задание: «Моя стартовая AI-система» — описать свою роль, основные и повторяющиеся задачи, самые затратные задачи, задачи, где высока цена ошибки и требуется профессиональное суждение, возможную помощь AI, автоматизацию, агентные сценарии и необходимый человеческий контроль (human oversight). На этой основе составить первую карту возможностей AI и распределить сценарии между ChatGPT Chat, ChatGPT Work и Codex. Результат: интерактивная страница «Моя AI-система: отправная точка».
Технологии:
ChatGPT (Chat и Work)
Codex
Модели линейки GPT-5.6 и GPT-6 (уровни размышлений) Занятие 2. Строим личную AI-систему
Спойлер: Подробнее Цель: Перейти от выполнения разовых задач с AI к построению постоянной рабочей системы: создать структуру личной AI-системы, которая объясняет сама себя, дать агенту «глаза», получить первые быстрые результаты и настроить первую регулярную задачу.
Темы:
Структура личной AI-системы:
Рабочее пространство, в котором агенту понятно, кто пользователь, что для него важно, где искать контекст и какой результат считается хорошим
Пример структуры папок: контекст, источники, проекты, задачи, результаты, демо, регулярные задачи — структура не догма, важны принципы
Базовые файлы-инструкции: about-me.md (роль, экспертиза, задачи), workstyle.md (как работать с пользователем и представлять результат), roadmap.md (направления, приоритеты, текущий фокус), review.md (критерии качества и проверки)
Транскрипты и диктовка:
Запись встречи → транскрипт → краткое резюме + список дальнейших действий
Голос как самый быстрый способ «выгрузить» мысли и поставить задачу
Доступ агента к браузеру и компьютеру (browser / computer use):
Дать агенту «глаза»: открытие сайтов, навигация, чтение страниц, взаимодействие с интерфейсами, сбор информации, проверка результата, прохождение пользовательских сценариев
Регулярные задачи (scheduled tasks):
Переход: «AI отвечает, когда я спрашиваю» → «AI выполняет регулярные обязанности»
Примеры: утренняя сводка, еженедельный обзор, мониторинг источников, регулярный отчёт, обзор документов, подготовка приоритетов
Начинать с безопасных «операторских» задач
Домашнее задание: Создать первую полноценную личную AI-систему: папки, основные файлы-инструкции, дорожную карту, критерии проверки, минимум один сценарий с браузером/компьютером, минимум одну регулярную задачу и минимум один сценарий с транскриптом или диктовкой (например, обработка записи реальной встречи). Результат: экскурсия по собственной AI-системе в виде интерактивной страницы, видео или анимационного ролика.
Технологии:
Codex
Markdown-файлы
Доступ к браузеру и компьютеру
Регулярные задачи
Голосовой ввод и транскрибация Занятие 3. Управление контекстом и средой агента: контекст, безопасность и первые навыки агента
Спойлер: Подробнее Цель: Научиться управлять тем, что AI знает (контекст), и системой вокруг него (рабочая среда агента), установить правила безопасности данных и создать свой первый навык агента.
Темы:
Инженерия контекста (context engineering):
Что AI должен знать: документы, исследования, прошлые проекты, политики, правила, шаблоны, клиентская информация, аналитика, примеры, решения и обратная связь
Встроенная экспертиза (embedded judgment): фиксация опыта в примерах, рубриках, политиках, критериях оценки и образцах хорошей/плохой работы
Контекстный пакет (Context Pack): цель, исходные данные, документы, ограничения, терминология, примеры, критерии качества, источники истины
Рабочая среда агента (harness):
Всё, что окружает модель: инструкции, память, инструменты, коннекторы, разрешения, правила проверки и процедуры
Коннекторы (connectors): управляемый доступ к сервисам и источникам, в которых хранятся ваши данные
Безопасность данных и конфиденциальность:
Что можно и что нельзя загружать в AI: клиентские данные, персональные данные, коммерческая тайна
Обезличивание данных перед работой с AI
Корпоративные политики и разделение аккаунтов
Создание собственных навыков агента (skills):
Навык агента: как описать повторяющийся рабочий процесс с учётом вашего опыта, чтобы агент мог выполнять его снова
«Правило третьего раза»: если третий раз пишете один и тот же запрос — это навык агента
Анатомия навыка: описание-триггер, инструкции, примеры хорошего и плохого результата, чек-лист проверки
Тестирование навыка на реальной задаче; аудит чужих навыков перед установкой
Домашнее задание: Выбрать одну реальную профессиональную задачу и построить для неё полноценный контекстный пакет. Упаковать одну повторяющуюся процедуру в свой первый навык агента и проверить его на реальной задаче. Результат: интерактивная демонстрация «Как работает мой первый навык».
Технологии:
Codex
Навыки агента (skills)
Коннекторы / MCP
Markdown-файлы Занятие 4. Цели, планирование и управление работой AI
Спойлер: Подробнее Цель: Научиться управлять работой AI: от большой цели через дорожную карту и планирование к чётким рабочим брифам и параллельной работе нескольких агентов.
Темы:
Глобальные цели и дорожная карта:
Миссия → стратегические цели → цели на квартал → дорожная карта → текущий фокус
Связь конкретной работы агента с общей целью: долгосрочная цель → направления → текущий период → фокус недели → конкретные задания
Как явно обозначить, что не входит в задачу (out of scope)
Планирование:
Сначала план: изучить контекст, понять цель, определить действия, риски и способ проверки, указать, что решили не включать в работу, получить одобрение там, где оно нужно
Рабочий бриф — задание для AI:
Из чего состоит рабочий бриф: цель, контекст, границы, ожидаемый результат, критерии готовности, ограничения, формат результата, проверка и точки человеческого контроля
Принцип: задание → план исполнения → проверяемый результат
Общая память и параллельная работа:
Единая AI-система, цели, дорожная карта и стандарты для разных агентов и сессий
Несколько независимых направлений работы идут параллельно; результаты поступают небольшими частями, которые удобно проверять
Голосовой режим и управление с телефона:
Голос как интерфейс постановки задач, уточнения и обратной связи
Управление системой с мобильного: запуск, контроль, статус, обратная связь
Домашнее задание: Создать систему «Цели → Планы → Задания»: одна большая профессиональная цель, несколько направлений, текущий фокус, шаблон рабочего брифа, несколько реальных заданий с критериями готовности и точками человеческого контроля. Дополнительно протестировать голосовой режим или управление с телефона. Результат: интерактивная схема «Как я управляю целями и работой AI».
Технологии:
Codex (режим планирования)
Голосовой режим (Voice Mode)
Мобильное управление агентами Занятие 5. Профессиональные результаты: от работы агента к готовому материалу
Спойлер: Подробнее Цель: Научиться доводить созданные с AI тексты, презентации, таблицы и дашборды до профессионального качества и убирать характерные следы AI-генерации.
Темы:
Создание текста с AI:
Служебные и аналитические записки, отчёты, исследовательские справки, резюме для руководства, предложения, письма, документы политик
Compound Writing — лучшая система создания текстов с AI
Разные типы текстов требуют разных правил и разной степени человеческого участия
Качество AI-текста:
Признаки AI-текста и как их убирать: редактура и «очеловечивание» текста
«Сэндвич усилий»: сначала вы продумываете задачу → затем работает AI → в конце вы проверяете и редактируете результат
Настройка голоса и стиля на примерах собственных текстов
Презентации:
Мой подход к генерации презентаций с AI: интервью о задачах презентации, обсуждение идей для каждого слайда и создание итоговой презентации в PowerPoint
Excel и таблицы:
Анализ и очистка данных, формулы, структурирование, визуализация и проверка
Отдельная демонстрация ChatGPT for Excel
Другие форматы:
Дашборды, интерактивные отчёты, графики, исследовательские страницы, материалы для поддержки решений
Качество:
Рост скорости генерации повышает требования к качеству
Результат должен быть проверяемым; длиннее не значит лучше; критерии качества задаются заранее; человек отвечает за финальное суждение
Домашнее задание: Взять реальный рабочий бриф из предыдущего занятия и подготовить по нему готовый рабочий материал: презентацию, Excel-модель, записку, отчёт, дашборд или материал другого подходящего формата, убрав характерные следы AI-генерации. Результат: сам готовый результат + короткая экскурсия (входные данные, процесс, вклад AI, человеческая проверка, критерии качества).
Технологии:
Codex
ChatGPT for Excel
Форматы: документы, презентации, таблицы, дашборды Занятие 6. Продуктовое мышление и пользовательский опыт
Спойлер: Подробнее Цель: Научиться выступать продакт-менеджером для AI: понимать проблему, пользователя и желаемый результат, проектировать пользовательский опыт, объяснять агенту, что создать, тестировать и улучшать результат. Для этого не нужно становиться программистом.
Темы:
От проблемы к продукту:
Кто пользователь? Какую проблему он решает? Какой результат ему нужен? Какой опыт он должен получить?
Минимальная полезная версия и «за рамками задачи»
Пользовательский опыт (UX) как язык управления агентами:
Пользовательский сценарий, состояния, крайние случаи, ясность, трение, доверие, обратная связь, состояние успеха
Создание с Codex:
Демонстрации: посадочная страница, интерактивная страница, калькулятор, дашборд, исследовательский инструмент, генератор, рабочее приложение, небольшой бот, агент с браузером
Современные агенты позволяют специалисту без технической подготовки создавать значительно больше, чем обычный конструктор без кода
Цикл «Построить → Использовать → Проверить → Улучшить»:
Построить → запустить → использовать самому → дать Codex пройти сценарий → посмотреть глазами пользователя → найти места, где пользователь сталкивается с затруднениями → улучшить → повторить
Домашнее задание: Выбрать реальную профессиональную проблему и создать небольшой продукт или инструмент: описать пользователя, проблему, желаемый результат, пользовательский сценарий, минимальную версию, указать, что не входит в первую версию, и определить критерии качества; создать рабочий прототип с Codex и провести минимум один цикл проверки пользовательского опыта. Результат: работающий продукт/прототип + демонстрация пользовательского опыта.
Технологии:
Codex (агент-разработчик)
Доступ к браузеру и компьютеру
HTML / веб-приложения Занятие 7. Проверка, качество, делегирование и управление агентами
Спойлер: Подробнее Цель: Когда AI быстро выполняет работу, больше времени и внимания требует оценка результата. Научиться выстраивать систему проверки, верификации фактов, делегирования и управления несколькими агентами.
Темы:
Система проверки:
Собственные стандарты качества; файл review.md: соответствие цели и рабочему брифу, границы, неожиданные изменения, ошибки и крайние случаи, готовность к реальному использованию, этапы, на которых нужна профессиональная оценка человека
Верификация:
Галлюцинации: где и почему AI склонен выдумывать
Проверка фактов, проверка источников, цитирование
Постановка задач и верификация — новые узкие места интеллектуальной работы
Проверка по слоям:
Самопроверка агента → проверка результата с помощью AI на соответствие стандарту → человеческая проверка → углублённая проверка для работы с высокими рисками
Классификация: «Критично исправить / Желательно исправить / Можно выпускать»
Разрешения как модель делегирования:
Безопасные действия: чтение, анализ, планы, черновики, локальные проверки
Сначала спросить: существенные изменения, внешние системы, удаление, чувствительные или потенциально необратимые действия
Только человек: решения с высоким риском, чувствительные данные, безопасность, финансово и юридически значимые решения
Управление несколькими агентами:
Параллельные потоки, общий контекст, разные задания, чёткая передача работы, контроль результата и предотвращение AI-халтуры
Навыки агента: уровень 2:
От первого навыка из Занятия 3 — к личной библиотеке навыков
Навыки-проверки: оформление процедур проверки в навыки агента (анализ документа, проверка отчёта, резюме для руководства, разбор пользовательского опыта, анализ интервью)
Коннекторы и защитные ограничения:
Как инструменты, коннекторы, разрешения и правила проверки превращают универсальный AI в рабочую систему конкретного специалиста
Домашнее задание: Взять один из ранее созданных процессов или продуктов и построить вокруг него систему качества и делегирования: чек-лист проверки, границы полномочий AI, действия «безопасные / сначала спросить / только человек», минимум один переиспользуемый навык агента, AI-проверка и человеческая проверка. Результат: интерактивная схема «Как я управляю работой AI и проверяю её».
Технологии:
Codex
Навыки агента
Параллельные сессии / субагенты
Коннекторы Занятие 8. Новые возможности и умение учиться в эпоху AI
Спойлер: Подробнее Цель: Сменить вопрос с «как AI поможет в моей текущей работе?» на «какая работа теперь вообще стала возможной?» — и построить личную систему постоянного освоения новых возможностей.
Темы:
Поиск новых возможностей:
Главный вопрос: что я теперь могу делать такого, что раньше было невозможно, слишком долго или экономически невыгодно?
Бесконечный список отложенных идей (Infinite Backlog): у каждого специалиста есть идеи, на которые не хватало времени, денег или людей. С агентами часть этих идей становится осуществимой и экономически оправданной
Мысленный эксперимент: «вам бесплатно дали небольшую команду разработчиков, исследователей и операторов — что бы вы попросили их построить или делать постоянно?»
От автоматизации к новым возможностям: ускорение существующих процессов → превращение процессов в системы и инструменты → новые продукты, услуги, исследования и способы работы
AI в командном режиме (AI as Multiplayer): небольшая команда + общая AI-система + несколько агентов; общий контекст, общие стандарты, разделение человеческого суждения, AI как операционный слой команды
Быстрое освоение новых навыков:
Умение постоянно учиться: подходы к работе с AI меняются, поэтому обучение продолжается и после курса
Обучение через действие: привычка постоянно ставить маленькие эксперименты на реальных задачах
Личная система обучения внутри AI-системы: папки экспериментов, навыков и новых возможностей, журнал обучения, список гипотез, регулярный обзор новинок
Как оценивать новую технологию: какая новая возможность, какую задачу меняет, что раньше было невозможно или дорого, качество, время, стоимость, риски, сколько нужно человеческого контроля, стоит ли встраивать в постоянный процесс
Домашнее задание: Создать собственную систему возможностей и обучения: составить свой бесконечный список отложенных идей (10–20 вещей), выбрать 3 идеи, которые AI делает реалистичными, спроектировать первый эксперимент для одной из них, создать личный процесс быстрого освоения навыков, встроить его в свою AI-систему и настроить регулярный обзор новых возможностей. Результат: интерактивная страница «Моя карта возможностей и обучения».
Технологии:
Codex
Регулярные задачи
Навыки агента
Цена = 24900 рублей
