ИИ для бизнеса: автоматизация без разработчиков

2025/2026

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3, 4 модуль

Онлайн-часы: 50

Охват аудитории: для всех кампусов НИУ ВШЭ

Язык: русский

Кредиты: 6

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс посвящён тому, как менеджеру без навыков разработки применять GenAI и no-code инструменты для автоматизации задач и быстрого создания прототипов цифровых продуктов В первой части студенты изучают, как устроены современные AI-модели, чем они полезны бизнесу, где ошибаются, и как управлять качеством результата через prompt engineering и системные шаблоны Во второй части фокус смещается на проектирование автоматизаций и “agentic” сценариев в no-code среде: триггеры, действия, данные, интеграции, хранение контекста и история диалогов Завершающий блок посвящён RAG-ассистентам, чат-ботам и автоворонкам: студенты собирают Telegram-ботов, подключают источники знаний (файлы, ссылки, голос), делают лендинги и настраивают аналитику воронки для проверки гипотез Курс рассчитан на студентов без техчического бэкграунда и без опыта разработки.

Цель освоения дисциплины

понимать, как меняется роль менеджера в эпоху AI и no-code и какие задачи можно усилить автоматизацией

Планируемые результаты обучения

Знает что такое метапрограммирование и понимает границы его применения.
формулирует бизнес-проблему, требования и критерии качества результата; выбирает, где уместны AI/no-code и где нужен другой подход
пишет и тестирует промпты; применяет системные инструкции, шаблоны ролей и пайплайны; снижает риск галлюцинаций проверками и ограничениями
описывает процесс и декомпозирует его на шаги; определяет триггеры, действия, источники данных, точки контроля и исключения
Студент развивает навыки в области промт-инжиниринга
Студент понимает сборку простого агента, ориентируется в Telegram-интеграциях, разрабатывает собственного бота.
Студент может превратить сложную AI-модель в безопасный и удобный инструмент с помощью интерфейса
Студет умеет организовать сбор, структурирование и хранение данных (включая историю взаимодействий) как основы для работы AI-агентов.
Студент может отличить задачу для генеративной модели от задачи для RAG и настроить ассистента, который дает точные, проверяемые ответы на основе внутренних файлов.
Умение встроить корпоративную экспертизу (базы знаний, регламенты) в AI-консультанта для автоматизации поддержки процессов.
Способность создать целевой лендинг no-code продукта, настроить сбор заявок и базовую аналитику (конверсия, стоимость лида) для оценки канала.
Умение создать простой сценарий (расписание → запрос к AI → отправка результата), который экономит рутинное время команды.