- О том, что нужно осваивать нейросети, говорят уже несколько лет. Сейчас еще не поздно начинать учиться работать с ними?

- На данный момент большинство использует ИИ лишь на 10-15%. В бизнес-среде показатели ненамного выше, по разным исследованиям - 20-40%. Поэтому начинать обучаться новым технологиям, чтобы оставаться востребованным специалистом в своей нише, нужно уже сейчас. Иначе молодые активные выпускники вузов или те, кто быстрее понял важность получения навыков работы с ИИ, выйдут в лидеры рынка и получать будут больше. А ваши годы практики и труда - уже не веский аргумент для работодателя. ИИ становится великим уравнителем в возможностях. Плохо это или хорошо - покажет время. Но нам жить с технологиями еще очень долго и, надеюсь, суперуспешно. 

Даже Владимир Путин в своем обращении на конференции AI Journey акцентировал внимание на том, что и бизнес, и бюджетные организации нужно максимально активно дообучать промпт-инжинирингу и работе с нейросетями. В обновленной "Национальной стратегии развития искусственного интеллекта до 2030 года" указан показатель - довести долю работников с навыками использования ИИ до 80% к 2030 году. Это важный маркер для нас всех: навыки использования ИИ перестанут быть нишевой технической компетенцией и перейдут в ранг новой цифровой грамотности. 

Со своей стороны, мы как университет ИИ-обучения помогаем государству реализовать данную цель через лекции и практикумы для государственных служащих от рядовых клерков до глав регионов в партнерстве с АНО "Цифровая экономика". Уже за год мы обучили в офлайн- и онлайн-режиме более 3500 чиновников из 10 регионов. Надеюсь, скоро усилим свое присутствие и в вашем регионе. 

- Какая стратегия обучения сейчас наиболее эффективна: углубляться в одну область или получать знания по всем основным инструментам?

- Мы обучаем в двух направлениях: работе с прикладными ИИ-инструментами, то есть генеративными известными нейросетями; а также по новым компетенциям и профессиям, которые только зарождаются на рынке труда. В последнем случае речь об ИИ-архитекторе, промпт-инженере, вайб-кодере (программисте, который применяет специальных ИИ-агентов для решения сложных IT-задач), - тех профессиях, спрос на которые будет расти в ближайшие годы. 

Освоить какой-то один инструмент (например, только работу с ГигаЧат или визуальной нейросетью DALL-E) недостаточно - под разные задачи лучше использовать разные нейросети или их комбинации. Образно говоря, если привязываться к одному инструменту - это все равно что один раз выучить одну программу и надеяться, что рынок остановится. Он не остановится, он будет меняться, и останутся те, кто быстро адаптируется к изменениям.

Если вы не хотите оказаться аутсайдерами рынка, рекомендую следующее:

- во-первых, изучите не "одну нейросеть", а логику работы с разными инструментами,

- во-вторых, следите за контекстом происходящего: повышайте свою насмотренность и технологический кругозор, проходите вебинары и курсы, которые помогут сформировать свое мнение о выборе моделей под свои цели.

Все это будет влиять на ваши возможности пересборки рабочих цепочек для усиления экономического эффекта в компании. Так вы сможете использовать возможности нейросетей на максимуме, а не на 5%, как 95% населения страны. 

- Какой вариант вы считаете лучшим в начале пути освоения нейросетей: понять фундаментальные принципы работы или сразу осваивать конкретные инструменты?

- На практике обучение и внедрение лучше всего выстраивать как управляемый процесс: базовая настройка, потом первый реальный эффект на прикладных задачах и только потом углубление. Пока человек не видит результата в своей реальной работе, обучение остается теорией. Как только появляется ощутимая отдача, возникает мотивация и дисциплина по внедрению.

При этом база должна строиться не на каких-то фундаментальных принципах функционирования ИИ, а на понимании, как работает контроль качества и какие могут быть риски. 

Нужно сразу принять как факт: нейросети ошибаются, "галлюцинации" случаются в среднем в 5-10% случаев. Причем вы даже можете не заметить сразу ошибки или подмену понятий - нейросеть попытается сделать свою ошибку осознанной.  Следующим шагом для вас будет проработка и погружение в работу со сложными сценариями, от автоматизации цепочек действий до создания целых автономных операционных систем. 

- Как понять, когда нейросеть убедительно врет, а когда говорит правду? Как сделать общение с нейросетью более безопасным?

- Подвергайте все данные и пространные ответы критике: попросите дать ссылки на первоисточник информации, переспросите: "Почему ты так решила? Приведи цитаты и ссылки на первоисточник, подтверждающие этот тезис". Иными словами, общайтесь с нейросетью как с коллегой, который мог просто не учесть контекст или не с первого раза понять вашу цель. Для снижения частоты пространных рассуждений рекомендую в современных моделях - от российских до западных - использовать режим открытого рассуждения: в ChatGPT он называется Deep Research, в Perplexity AI и российских ИИ - Pro Search, или глубокое рассуждение. Тогда вы будете видеть, на каком этапе нейросеть "споткнулась" и увела ход мысли не туда, либо не учла нужный контекст.

Отдельная важная тема - ограничения по работе с личными данными и по геолокации. Если вы работаете с персональными данными, то по 152-ФЗ вы не можете без согласования "скормить" эти данные иностранной языковой модели. Это не значит, что нейросетями с корнями из других стран нельзя пользоваться, вовсе нет. Это означает, что в таких случаях используют российские решения или берут open-source модели (модель на основе открытого кода), на базе которых можно создать свой безопасный периметр использования ИИ. 

Определите внутри компании или в своем рабочем поле, какие данные считаются "закрытыми" от посторонних, а какие можно передавать на анализ в общедоступные нейросети. 

Если будете следовать этим двум базовым советам, то доверия к ИИ будет больше.

- Кажется, что ИИ - это сложно, что нужно иметь базовое инженерное образование, чтобы в этом разбираться... Каков порог входа в профессию, где ИИ - один из основных инструментов? 

- Искусственный интеллект в принципе не требует знаний математики, программирования, инженерии. Он не для "технарей". Если говорить о профессиях, где ИИ - один из основных инструментов, но не предмет разработки, то нужно сказать, что порог входа  минимален. Обучение ИИ базируется на получении навыков и компетенций по использованию максимально полного функционала, на практическом применении нейросетей под ваши задачи. Поэтому на всех уроках в "Зерокодер", например, 70% контента - отработка практических заданий и ваших кейсов. А есть и курсы, где теории - не более 10% и фокус нацелен на отработку заданий с бирж-фриланса, формированию портфолио через проекты, которые можно представить как пилотные заказчику на маркетплейсе услуг.

Одним из важнейших навыков, который формируется на старте знакомства с ИИ, служит умение правильно ставить задачи. Все предубеждения, будто "ИИ ничего не умеет", появляются из-за безграмотной работы в нейросети и уверенности, что они не меняются. 

Требования бизнес-рынка растут, а с ними и запросы на профильных специалистов со знанием ИИ, которые станут бизнес-партнерами и будут своей работой напрямую влиять на успехи компании. На этом этапе есть смысл изучать вайб-кодинг, то есть программирование через текстовые запросы к  ИИ-агентам. Причем, еще раз подчеркну, канонический вузовский IT-бэкграунд для этого не нужен. 

Вывод прост: неважно, гуманитарий вы или технарь - страх перед технологиями в голове. Освоить нейросети может каждый, как когда-то обучался работать с инструментами Microsoft Office и мобильными приложениями на смартфоне. 

- Почему для обучения работе с нейросетями нужен наставник? Можно самостоятельно изучать тему, если тот же ИИ напишет туториал, например?

- Самостоятельно учиться можно. Более того, сейчас действительно можно попросить ИИ написать вам инструкцию, дать примеры, составить план обучения. Проблема в том, что вы начинаете делать - получаете результат, который не совпадает с ожиданием, и не понимаете причины. Что не так? Неверно сформулировал задачу? Недодал контекст? Попросил  невозможное? Или это просто такой тип ошибок, который надо уметь отлавливать? 

Если обучаться на курсах, на первых уроках наставник дает вам понимание всего этого, помогает экономить огромное количество времени, потому что он сразу показывает причину и способы устранения ошибок. 

Человеческий мозг вообще устроен так, что учится быстрее через другого человека. Простая аналогия со школой: можно купить учебник по математике и решать задачки дома. Но у большинства людей без учителя быстро заканчивается мотивация, и еще быстрее - понимание, что делать, когда ответы "не сходятся". С нейросетями то же самое. Когда вы уже уверенно пользуетесь этим инструментом, можно учиться самостоятельно и отрабатывать навык за счет выполнения практических заданий или работ, которые сами себе придумываете. 

Даже я при продвинутом уровне пользователя периодически хожу учиться к людям, которые показывают новые подходы в работе с ИИ и бизнес-практике. Потому что инструменты меняются, практики обновляются. Самому все выяснить можно, но путь будет длиннее, а время - золото. 

Как выбрать наставника? Во-первых, он должен не только давать теорию по методичке, но и быть экспертом-практиком: предлагать вам варианты заданий, актуальных сегодня на рынке, понятно и доступно объяснять ваши ошибки. Во-вторых, он должен иметь личные кейсы выпускников, где будут отражены измеримые результаты, а не только общие красивые слова благодарности.

- В каких профессиях работа с ИИ - это уже базовый минимум? И в каких профессиях активно внедряются темы с нейросетями? 

- Предлагаю опираться сразу на наше исследование по рынку труда, которое проводили вместе с научными сотрудниками Иннополиса, МГУ и СПБГУ в середине 2025 года. Мы анализировали потенциал автоматизации самых популярных в России профессий на протяжении нескольких месяцев: смотрели более 7000 вакансий с HH.ru и пытались понять, как генеративные нейросети могут влиять на работу профильных специалистов в своей области. Оказалось, что "базовый минимум" быстрее всего формируется там, где работа состоит из текста, контента, аналитики и коммуникаций - задач, которые можно ускорять без сложных алгоритмов. 

В топе профессий оказались дизайнеры презентаций: автоматизация их работы достигает 70%, аналитики - 63%, маркетологи, SMM-специалисты - 58% и др. Причем максимальная степень автоматизации в отраслях достигает 65,5%, и речь о креативной сфере. 

Иными словами, в зоне риска оказываются профессии, где приходится много работать с текстовым и визуальным наполнением, смыслами, словоформами, отчетностью и типовыми материалами. 
Ключевой вывод из исследования таков: чем выше зарплаты в профессии или отрасли, тем выше потенциал автоматизации задач. То есть сильнее всего ИИ влияет именно на "интеллектуально насыщенные" роли, где много анализа, коммуникаций и принятия решений. В "крафтовых" профессиях, как сварщик, токарь, слесарь, пожарный, нейросети практически бессильны.

- Допустим, предприниматель хочет внедрить ИИ в работу своего бизнеса, но не знает, как это сделать эффективнее. Какие первые шаги он должен сделать?

- Начинать нужно с руководителя. Есть такое понятие - AI Native Leader: невозможно внедрять ИИ в компанию, если лидер сам не пользуется нейросетями и не понимает, как они работают. Когда руководитель "не в теме", внедрение почти всегда превращается либо в формальность, либо в набор неумелых экспериментов.

Самый простой путь - учиться и расширять кругозор. Главное - начинать обучение "с головы": сначала руководитель, затем руководители функций и отделов. В этом случае управленческий состав будет понимать, как грамотно экстраполировать ИИ на свои процессы, усилить компетенции C-level коллег и масштабировать сквозное проникновение нейросетей во все отделы. В своей компании мы использовали именно такой подход и рекомендуем его другим. Так, на развитии собственной ИИ-экосистемы в отделе продаж, клиентском сервисе и технической службе экономим до 3 млн рублей в месяц и ускоряем работу команд на 35-40%. 

Если заниматься внедрением "снизу вверх", эффективность будет намного ниже. 

- Есть ли какие-нибудь метрики, способные отразить успех внедрения ИИ в бизнес-процессы?

- Первая метрика - это объем работы и время на выполнение задач. Мы смотрим, сколько задач выполняет конкретный сотрудник и сколько времени уходит на одну задачу. Это, по сути, методология, которую мы используем для оценки B2B-эффективности: замеряем "до" (количество задач и время выполнения), проводим обучение или внедрение, а затем замеряем "после".

Вторая важная метрика - выручка или прибыль на одного сотрудника. Если вы проводите обучение или внедряете ИИ, и у компании растут эти финансовые показатели, но при этом штат не увеличивается, значит один человек начинает генерировать больше выручки и прибыли. Это и есть показатель того, что компания в целом работает эффективнее.

Поэтому, если коротко, две ключевые метрики таковы: "сколько задач делает человек и сколько времени на это уходит" и "сколько выручки/прибыли приходится на одного сотрудника".

- Многие используют ИИ не только для быстрого решения задач на работе, но и в повседневной жизни, как коуча, персонального тренера, диетолога и т.д. Чтобы работать с нейросетями на таком уровне, нужны ли специальные навыки?

- Нет, никаких специальных навыков не нужно. Но важно разобраться, как правильно выстроить процесс. Работа с ИИ всегда про методологию.

Проблема в том, что многие используют ИИ как замену поисковика: задают один общий вопрос и получают один общий ответ. Конечно, так лучше, чем классический поиск, но будет ли качественным результат? Нужны правильно сформулированные запросы, заранее продуманная логика диалога и обязательно контроль за работой нейросети через критический фильтр информации.  

Большинство мифов о том, что "нейросети глупы, ничего не умеют, советуют ерунду", появляются именно из-за ошибки в методологии. Потому что вход кажется простым: человек заходит, пишет вопрос, получает сомнительный ответ и делает вывод, что инструмент бесполезен. Хотя по факту проблема в другом: не был дан контекст, не были прописаны нормальные запросы, иногда были выбраны неподходящая модель и неподходящий сценарий использования.

Возьмем пример из медицины. Нельзя просто взять и загрузить результаты анализов и попросить "назначить лекарство". Теоретически инструмент может что-то предложить, но высок риск опасности. Цена ошибки может стоить здоровья. 

Технологически порог входа низок, а вот методологически - выше. Не обязательно специальное образование, но нужно понимать, как выстраивать диалог и как проверять результат, чтобы это было и полезно, и безопасно.

- Нейросети и кибербезопасность: насколько нейросети сегодня свободны от мошенников и злоумышленников? Как можно себя обезопасить? 

- К сожалению, нейросети действительно уязвимы, и в том числе потому, что они опираются на материалы, которые в них внедряют. Если вы работаете с узкой темой, где мало нормальных источников, туда довольно легко подложить искажения, а внутренняя система начнет на это опираться. 

Аналогично с людьми: если человеку долго и убедительно внушать идею, он потом сможет транслировать ее дальше. Принципы схожи. 

По факту, большие языковые модели менее уязвимы, чем созданные на их основе ИИ-ассистенты: часто такую работу доверяют неквалифицированным специалистам. Один из популярных сценариев - prompt-injection (когда злоумышленник подкладывает текст так, что ИИ-ассистент начинает обходить правила или делать лишнее). OWASP (Открытый всемирный проект по безопасности приложений) прямо ставит prompt injection на первое место в списке угроз.

Еще одна боль - фишинговые сайты, "срочные просьбы", подделки стиля переписки. Все это обескураживает, вводит в стрессовое состояние и создает социальную панику вокруг нейросетей. Как раз сейчас мы вышли на стадию разработки социально-просветительского проекта по цифровой безопасности в Интернете. В марте планируем запустить бесплатный общедоступный короткий курс, где покажем популярные схемы применения ИИ мошенниками и способы защиты от злоумышленников. 

Все это делается для того, чтобы показать вам - нейросети безопасны сами по себе, если "включать голову". Зная ограничения, риски и уязвимости в ИИ, вы будете иметь больше шансов обезопасить себя и своих близких. Пока законодательство только создает пилотные версии законов об ИИ-этике и кибербезопасности в нейросетях. И ответственность за все действия будет на людях, а не машинах. 

- Сколько в среднем длится учебный курс? И через какое время можно окупить это образование?

- В нашем университете длительность курсов зависит от выбранной программы. В среднем это от трех до шести месяцев. Курсы по профессии доходят до девяти месяцев. 

В первые два-три месяца упор идет на теорию и прикладные навыки: освоение конкретных инструментов, оттачивание мастерства в рабочих кейсах, ускорение своей роли как специалиста. По истечении этого периода у вас формируется персональное портфолио "домашних" проектов, которое можно использовать для демонстрации клиентам на фрилансе или вшить в свое резюме. 

На пятом-шестом месяцах обучение идет на усложнение: вы учитесь собирать персональных ИИ-агентов, личных ассистентов, создавать инфраструктурные решения.

Что же касается окупаемости вложений в обучение - как правило, при должном старании, готовности брать проекты от нашего карьерного центра или с бирж фриланса "отбить" стоимость обучения можно уже на втором-третьем месяце. 

Хочу подчеркнуть, что очень многое зависит от самого человека. Если он думает, что, обучившись нейросетям и работая пару часов в неделю, сразу начнет получать 200 тысяч в месяц, - это заблуждение. Я всех настоятельно призываю грамотно подходить к своему образовательному треку. Определите, сколько времени вы готовы выделить не только на обучение, но и на отработку проектов на практике.

- Получается ли совмещать основную работу с реализацией проектов с ИИ? 

- Если цель - окупать вложения как можно быстрее, значит и выходить на рынок со своим портфолио и предложениями стоит быстрее. А мы в этом максимально поможем. Благо, сотрудничаем со всеми крупными фриланс-биржами, имеем свой брендовый маркетплейс услуг и предоставляем кредиты и рассрочки на обучение.

- По статистике из Самарского региона: велик ли запрос на обучение от компаний и частных лиц? Есть ли конкретные успешные кейсы учеников из Самары, где есть эффектный прорыв в бизнесе или личной карьере?

- Конкретно из Самары пока клиенты не приходили, но есть ряд активных студентов–физлиц, которые очень бодро проходят базовые курсы по нейросетям и состоят в офлайн-сообществе зерокодеров. 

Хотя мы бы с радостью приняли "под крыло" компании, которые чувствуют, что теряют в деньгах на раздутом штате, и хотят усилить свои и командные компетенции в работе с ИИ. Можем даже провести оффлайн-практикумы или воркшопы в рамках календарного плана корпоративных мероприятий. 

За 2025 год мы провели 150 бизнес-встреч от онлайн-лекций до хакатонов в Газпром нефти, для Лэтуаль, ВТБ, Мосбиржи, РЖД, отраслевых компаний из ритейла, промышленного сектора и строительства. Так что будем рады расширить географию обучения и в вашем городе. 

- Видите ли вы потенциал для того, чтобы Самара или другой региональный центр стал точкой роста для AI-специалистов, или все перспективные кадры все равно уезжают в Москву/за рубеж? 

- Потенциал у Самары и других региональных центров точно есть - и здесь важный момент: для работы с ИИ сегодня нет четкой "географической привязки". Инструменты доступны из любой точки, нанимать можно из любой точки страны и мира, работая распределенной командой. 

Очень многое зависит от готовности региона становиться рупором технологических изменений. Если администрация и подведомственные организации вкладываются в популяризацию, внедрение и практическое применение искусственного интеллекта по максимуму (через университеты, городские программы, поддержку компаний, пилоты в промышленности и сервисе), то регион вполне может вырастить сильный слой прикладных специалистов и стать центром компетенций хотя бы на уровне округа. У Самары есть все шансы, знаю, что регион вошел в топ-10 национального рейтинга научно-технологического развития. Это уже маленькая победа!