Плато продвинутого чата: почему команда осваивает десятую часть ИИ и останавливается
Знакомая картина. В компании появился ChatGPT или Claude. Пара сотрудников втянулась, что-то у них получается, руководитель доволен.
Проходит год. Ничего не изменилось.
Люди по-прежнему используют нейросеть как продвинутый чат: спросить, переписать, сократить. Это работает и даёт эффект — поэтому и останавливает. Человек получил результат, успокоился и больше не ищет.
А основное лежит дальше.
Что находится за плато
Разница примерно как между «подсказать следующую строку» и «сделать задачу целиком».
Инструменты первого поколения помогали: предлагали продолжение, отвечали на вопрос, писали абзац. Человек оставался исполнителем, ИИ — подсказчиком.
Агентный подход меняет единицу работы. Вы ставите задачу — «добавь в отчёт выгрузку в Excel», — и инструмент сам находит нужные файлы, делает, проверяет себя, исправляет ошибки и приносит результат.
Меняется роль: человек перестаёт быть исполнителем и становится постановщиком задач и приёмщиком работы.
И это не только про программистов. Аналитики так обрабатывают данные, маркетологи собирают страницы, руководители делают прототипы, чтобы показать идею не словами, а работающим экраном.
Три причины, по которым самообучение буксует
Учиться самостоятельно можно — документация открыта, разборов в сети много. Но в командах это упирается в три системные проблемы.
Плато, о котором выше. Человек осваивает малую часть возможностей, получает эффект и годами не доходит до сценариев, где лежит основное.
Зоопарк практик. Каждый работает по-своему, опыт не передаётся. Уходит энтузиаст — обнуляется всё, что он наработал. Ни библиотеки промптов, ни регламентов не остаётся.
Безопасность. Без правил сотрудники загружают в публичные сервисы клиентские базы и договоры. Выясняется это обычно случайно и поздно.
Разным ролям — разное обучение
Главная ошибка курсов «нейросети для всех» — учить всех одинаково. Бухгалтеру показывают генерацию картинок, дизайнеру — работу с таблицами. Половина мимо, внимание теряется у обоих.
Руководителям и владельцам — короткий формат: что модели реально умеют, где деньги, как ставить задачи по внедрению и проверять результат. Без этого уровня решения об ИИ принимаются по хайпу, а не по расчёту.
Специалистам без кода — маркетинг, продажи, юристы, HR — практикум на их собственных задачах. Ключевое слово «их»: обучение на абстрактных примерах забывается за неделю, потому что переносить некуда.
Разработчикам и аналитикам — агентный подход: декомпозиция задач, работа с контекстом проекта, ревью того, что сгенерировано, безопасность. Самый глубокий трек и самый окупаемый.
Как проверить всё это почти бесплатно
План на месяц, который не требует бюджета:
1. Выберите трёх-пятерых энтузиастов из разных отделов.
2. Дайте каждому по одной реальной задаче, которую он попробует закрыть с ИИ. Не учебной — настоящей.
3. Через две недели соберите демо «что получилось» на всю команду.
4. По итогам решите, какие роли обучать первыми.
Такой пилот стоит почти ноль, а картину даёт честнее любой презентации. Заодно вы увидите, кто в команде станет проводником изменений — обычно это не те, на кого думали.
Сколько времени занимает обучение
Базовый уровень — недели, а не дни. Уверенная работа с агентными сценариями — заметно дольше, и обязательно с сопровождением.
Быстрее не стоит и пытаться: навык закрепляется только на собственных рабочих задачах, а для этого нужны сами задачи и время между занятиями.
Claude или ChatGPT — учить оба?
Базовые принципы общие: освоив один инструмент, второй осваиваете быстро.
Разумный подход — учить команду принципам работы с ИИ на том инструменте, который выбран основным. Инструменты сменятся, принципы останутся.
Учим команды агентной работе с ИИ на их реальных задачах — отдельные треки для руководителей, специалистов и разработчиков: обучение Claude и Claude Code