От обучения к реальным AI-проектам. Кейс СберУниверситета

Продолжаем серию публикаций «Полезный понедельник», в которой делимся кейсами победителей Премии Digital Learning 2025!

2️⃣ 🔤🔤🔤🔤🔤 🔙🔤🔤🔤🔤🔤🔤🔤🔤🔤 🔤🔤🔤🔤🔤🔤🔤🔤🔤🔜

⭐️Команда СберУниверситета

Главная идея

Руководителям важно стать квалифицированными заказчиками AI-решений: понимать возможности и ограничения технологий, уметь формулировать задачу для data-команд, оценивать эффект и доводить идею до пилота.

Предпосылки

Компания сталкивается с цифровым разрывом. Руководители:

➖ понимают, что AI нужен, но не всегда видят, где его применить;
➖ испытывают барьер в коммуникации с data-специалистами;
➖ не знают, как правильно поставить задачу;
➖ боятся, что более «цифровые» коллеги обгонят их в развитии;
➖ видят бизнес-проблемы, но не всегда могут перевести их в формат AI-проекта.

Цели проекта

➖ выровнять понимание базовых AI- и ML-технологий;
➖ научить руководителей формулировать задачи для AI-проектов;
➖ развить навык оценки идей по бизнес-критериям;
➖ связать обучение с реальными процессами и стратегическими целями;
➖ сформировать кросс-функциональные команды;
➖ довести учебные идеи до уровня пилотных проектов.

Как устроена программа

DIGITAL TEAMS — это смешанная программа с сильным проектным ядром.

В основе подхода:

1️⃣ Входная диагностика и отбор.
2️⃣ Электронные курсы по математике, Python и базовым понятиям машинного обучения.
3️⃣ Очные модули для сложных практических навыков.
4️⃣ Асинхронная теория, чтобы не тратить дорогое очное время на базовые объяснения.
5️⃣ Практика на Python, no-code-платформах и внутренних инструментах.
6️⃣ Групповая проектная работа над реальными задачами бизнес-блоков.
7️⃣ Вебинары в межмодульный период по конкретным продуктам и технологиям.
8️⃣ Предзащиты и финальная защита перед бизнес-комиссией.

Методической основой стала логика CRISP-DM — промышленного стандарта управления проектами по машинному обучению. Участники проходили путь от идеи до оценки, прототипирования и защиты проекта.

Что было важно

Команды формировались кросс-функционально. Для практики на Python сделали три трека:

➖ базовый — для тех, кто раньше не программировал;
➖ продвинутый — для участников с опытом;
➖ соревновательный — для сильных участников, которым нужен дополнительный вызов.

Фишки проекта

➖ обучение строилось вокруг реальных бизнес-задач, а не учебных кейсов;
➖ бизнес-заказчики участвовали в формировании пула идей и защите проектов;
➖ электронные курсы были короткими и концентрированными: видео по 5–7 минут, чек-листы, инфографика, квизы;
➖ интерактивные тренажёры позволяли собирать пайплайн обработки данных из готовых блоков;
➖ чек-листы оценки идей превращались в управленческий инструмент;
➖ AI-агент помогал сводить оценки комиссии и формировать рейтинг проектов.

Что получилось?

Результаты программы показывают, что смешанное обучение может давать не только образовательный, но и бизнес-эффект.

👍 92% NPS
💥 9,4 из 10 — удовлетворённость содержанием
🔼 почти двукратный рост результатов между входным и итоговым тестированием
⚡️ 8,7 из 10 — средняя оценка качества проектов на защите
💯 100% участников используют CRISP-DM
🔄 70% участников инициировали новые AI-проекты в бизнес-практику
✔️ 30 из 42 проектов получили одобрение на пилот
💎 конкурсный отбор — около 14 человек на место

Главный вывод

DIGITAL TEAMS показывает: корпоративное обучение может работать как внутренний стартап. Руководители видят в искусственном интеллекте инструмент решения конкретных бизнес-задач. Так обучение переходит от формата «послушали курс» к формату «запустили реальные проекты».

🖥 Читайте полный текст кейса

👀 Смотрите выступление

Если вы создаёте смешанные программы, развиваете AI- и data-driven-компетенции, связываете обучение с реальными проектами и бизнес-эффектом — возможно, именно ваш проект станет следующим кейсом на сцене Digital Learning.

🔤🔤🔤🔤🔤🔤🔤      🔤🔤🔤🔤🔤🔤🔤    
🔤   🔤🔤🔤🔤🔤🔤

🔽

Жмите тут

Ольга Искандирова (@unpacking_expert) и команда сообщества Digital Learning #Полезный_понедельник_Digital_Learning