24 сентября 2026 г. Деловая платформа Д.ПРО провела 2-ой вебинар Лаборатории ИИ для СД «ИИ-ассистент директора: что делегировать, когда все делегировано?».
Вебинар прошел в рамках клубного формата BoardMaster – серии тематических встреч для независимых директоров и топ-менеджеров, которые лидирует Илья Ивахин, независимый директор, Управляющий партнер венчурного фонда «Спецтех Первый», экс-директор департамента экспертного сопровождения подведомства Минпромторга «Федеральный центр прикладного развития». Соведущей вебинара выступила председатель Совета по стратегии и развитию Д.ПРО независимый директор Анна Бамбурова. В качестве приглашенного гостя в вебинаре участвовал бизнес-ментор Александр Федюнин.
На теоретической части вебинара участники получили представление об эволюции подходов к использованию ИИ: от устаревшей prompt engineering к context engineering, harness engineering (интеграция), agent engineering (автономные агенты) и актуальной loop engineering, где человек встроен в контур контроля. На смену длинным промптам пришли ИИ-модели, которым можно предоставлять полный контекст и контент, используя голосовой ввод (rambling) для скорости и полноты. Различаются понятия: «чат-бот» (промпт-ответ), «ассистент» (работает по инициативе пользователя с инструментами) и «агент» (работает автономно по триггеру).
Практическая часть была посвящена отбору задач для делегирования ИИ-ассистентам – управлению почтой (достижение Zero Inbox), календарями и подготовке информационных сводок. Александр Федюнин поделился опытом перехода от человеческих ассистентов к ИИ-системе, использующей различные модели (Grokbot, Claude, Codex) с разделением прав доступа для обеспечения безопасности.
Особое внимание было уделено важности риск-менеджмента: сценарное внедрение в зависимости от чувствительности данных, разделение информационных потоков (облачные vs. локальные контуры), маркировка следов работы ИИ и обязательное резервное копирование для предотвращения потерь данных.
Ключевые понятия вебинара:
- Промпт: Навык написания длинных промтов устарел. Современные модели лучше справляются с метапромтингом (самостоятельно формируют инструкции из общего описания задачи) и короткими запросами. Старые, перегруженные инструкции часто мешают новым моделям.
- Контекст: Передача модели актуальной личной и доменной информации пользователя (RAG-подходы, wiki-подобные системы, интеграция с документами) для релевантных ответов.
- Чат-бот: Модель, отвечающая на промпт без доступа к внешним инструментам и источникам информации (контекст защит в промпт).
- Харнесс: Обвязка вокруг моделей, которая интегрирует их с инструментами и внешним миром для передачи в модель контекста и контента пользователя и выполнения задач пользователя.
- Ассистент: Модель с обвязкой (харнесом), которая использует инструменты для выполнения задачи по инициативе пользователя.
- Агент: Автономная система, включающая модель, обвязку, цели и триггеры. Запускается самостоятельно для выполнения длинных задач без прямого участия пользователя. Агенты самостоятельно подбирают инструменты для достижения цели.
- Loop: Актуальный подход, предполагающий встраивание человека в петлю обратной связи для контроля, обеспечения прозрачности и ответственности при использовании автономных агентов.
Практика делегирования задач и работа с ассистентами
- Алгоритм выбора задач: Следует делегировать повторяющиеся (рутинные) задачи, связанные с работой с цифровой информацией, особенно те, что требуют много времени на подготовку контента.
- Три корзины задач:
- «Нельзя пускать»: Задачи с высокой конфиденциальностью, требующие экспертного суждения.
- «Механические»: Рутинные операции (копипаст, поиск), которые идеально подходят для ИИ.
- «Совместная работа»: ИИ готовит контент, человек проверяет и принимает решение — наиболее эффективная область применения.
- Пятишаговая проверка задачи: Для делегирования задача должна иметь понятные цифровые артефакты на входе и выходе, четко сформулированные действия, критерии проверки и назначенного ответственного.
- Примеры задач:
- Почта: Достижение Zero Inbox, подготовка черновиков ответов в стиле пользователя, создание сводок по важным письмам.
- Календарь: Управление слотами, создание событий по диктовке, прикрепление материалов к встречам, координация многопользовательских расписаний.
- Аналитика: Создание саммари, поиск трендов и противоречий в документах.
- Мета-навык Rambling: Общение с ИИ голосом. Это быстрее печати и позволяет передать больше контекста, снижая риск «галлюцинаций» модели. Рекомендуется использовать локальные модели транскрибации (GigaAM, Whisper) для безопасности.
Безопасность, риски и стратегии внедрения
- Ответственность и контроль: Ответственность за действия ИИ всегда несет человек. Необходимо внедрять процессы приемки результата и обеспечивать наблюдаемость (понятный цифровой след).
- Стратегии внедрения:
- Облако vs. собственный контур: Для работы с чувствительными данными рекомендуется создавать собственный защищенный контур (локальный сервер), хотя это дороже.
- Сценарный подход: Использовать ИИ в зависимости от уровня конфиденциальности информации.
- Постепенное внедрение: Начинать с менее рискованных областей (календарь, личная почта), тренировать агентов на архивах, и только потом давать доступ к деловой переписке.
- Риски и ошибки: Неправильно настроенные права могут привести к удалению важных файлов. Критически важно организовать надежное резервное копирование.
- Выбор моделей и инфраструктуры: Необходимо строить инфраструктуру, не зависящую от конкретной ИИ-модели (американской, китайской или отечественной), чтобы сохранить контент и контекст пользователя при смене провайдера.
Опыт топ-менеджмента (кейс Александра Федюнина)
- Эволюция: Переход от живых ассистентов (с 2001 года) к ИИ-системе, построенной на базе знаний в Obsidian и обученной «голосу» пользователя.
- Инструменты и доступ: Используется несколько моделей с разделением прав: Grokbot для календаря (без доступа к файлам), Claude для работы с документами на локальном диске, Codex для шаблонов.
- Взаимодействие: Агент может вести переписку (например, опрашивать отели), готовить сравнение вариантов и передавать их на финальное решение человеку.
- Рекомендации: Не тратить время на классический промпт-инжиниринг. Изучить теорию работы LLM (роли, недетерминированность) и создать собственную базу знаний.
Задания участникам:
- Развить навык голосового ввода (Rambling): Практиковать постановку задач ИИ голосом, используя системную диктовку или специальные программы (например, Handy с моделью GigaM).
- Проанализировать и делегировать задачи: Отобрать рутинные повторяющиеся задачи, разложить их по «трем корзинам» и проверить по пяти критериям. Делегировать подходящие задачи своему ИИ-ассистенту.
- Пересмотреть существующие промты: Сократить избыточные инструкции в старых промтах и адаптировать их под современные модели для повышения эффективности.
- Настроить автоматизацию календаря и почты: Начать с проверки слотов в календаре и подготовки сводок. Для почты создать корпус «голоса», обучить ассистента стилю и настроить подготовку черновиков и саммари.
- Организовать безопасную архитектуру: Разделить доступы для разных агентов, исключить внешние репозитории для конфиденциальных данных и настроить систему двойного резервного копирования.
- Разработать личную базу знаний («второй мозг»): Начать систематизацию информации (например, в Obsidian) и спланировать ее расширение до уровня команды
- Принять участие в жизни сообщества: Подключиться к Telegram-каналу, поделиться результатами выполнения заданий и следить за анонсами будущих вебинаров. Ближайший вебинар состоится в октябре.