Разработка продуктов на основе генеративного ИИ

Магистратура 2026/2027

Статус: Курс по выбору (Управление продуктом в ИТ-бизнесе)

Кто читает: Департамент бизнес-информатики

Где читается: Высшая школа бизнеса

Когда читается: 2-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Комаров Михаил Михайлович

Язык: русский

Кредиты: 6

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина «Разработка продуктов на основе генеративного ИИ» формирует у студентов системное понимание того, как превращать возможности генеративного искусственного интеллекта в жизнеспособные цифровые продукты. Содержание дисциплины соотнесено с проектным, технологическим, аналитическим и инновационно-предпринимательским типами профессиональных задач. В ходе обучения студенты изучают принципы работы больших языковых моделей, подходы к проектированию ассистентов и агентных сценариев, прототипированию, оценке качества, улучшению решения, расчету экономики и управлению рисками. Особое внимание уделяется переводу продуктовой задачи на язык требований к данным, модели, архитектуре, интерфейсу, качеству и бизнес-эффекту. Дисциплина имеет прикладной характер: теоретические материалы сопровождаются разбором продуктовых ситуаций, практическими работами и самостоятельной работой студентов. В течение курса студенты выполняют четыре практические работы и итоговую работу, разрабатывая концепцию генеративного ИИ-решения и обосновывая его жизнеспособность.

Цель освоения дисциплины

Цель дисциплины — сформировать у студентов способность анализировать продуктовую и бизнес-задачу, определять целесообразность применения генеративного искусственного интеллекта и проектировать минимально жизнеспособное решение с учетом ограничений и рисков, а также организовывать цикл оценки качества и итерационного улучшения решения.

Планируемые результаты обучения

знать и характеризовать ключевые свойства генеративного искусственного интеллекта и больших языковых моделей как технологической основы цифровых продуктов;
знать и объяснять различия между классическим машинным обучением и большими языковыми моделями, включая ограничения генеративных моделей;
знать и соотносить этапы жизненного цикла разработки продуктов на основе генеративного искусственного интеллекта с ролями участников команды и логикой продуктовых решений;
знать архитектурные подходы к проектированию ассистентов, агентных сценариев, оркестрации и прототипов;
знать методы оценки качества, экономического обоснования и управления рисками генеративных ИИ-решений;
уметь анализировать продуктовую ситуацию и приоритизировать сценарии, в которых применение генеративного искусственного интеллекта является целесообразным;
уметь формализовать пользовательский сценарий и бизнес-требования в требования к данным, модели, интерфейсу и логике работы решения;
уметь проектировать архитектуру генеративного ИИ-ассистента или агентного сценария с учетом качества, стоимости, сроков разработки, уровня автономности и рисков;
уметь разрабатывать и документировать рабочий прототип ключевого сценария, проверять его на тестовых примерах и выявлять дефекты ответа;
уметь обосновывать качество, экономику и риски генеративного ИИ-решения и представлять его заинтересованным сторонам.

Содержание учебной дисциплины

Введение в генеративный искусственный интеллект
Большие языковые модели
Агенты
Оркестрация
Создание прототипа
Оценка качества
Подходы к повышению качества
Экономика решения
Риски и безопасность
Итоговая консультация

Элементы контроля

Посещение занятий
Практические работы
студент выполняет четыре практические работы на материале выбранной продуктовой категории Авито. • Практическая работа №1 посвящена разработке архитектуры генеративного ИИ-решения; • Практическая работа №2 посвящена созданию прототипа генеративного ИИ-решения; • Практическая работа №3 посвящена методологии оценки качества и его первичному замеру; • Практическая работа №4 посвящена улучшению качества и повторному замеру. Практические работы оцениваются комплексно по 10-балльной шкале, с учетом совокупного качества выполнения работы по указанным критериям.
Итоговая работа и защита
итоговая работа выполняется в формате письменной концепции генеративного ИИ-решения, рабочего прототипа на платформе автоматизации процессов и устной защиты. Студент разрабатывает концепцию решения для цифрового продукта, доводит ключевой сценарий до работающего прототипа и обосновывает жизнеспособность решения по ключевым параметрам. В работе необходимо выявить возможности применения генеративного искусственного интеллекта, приоритезировать их по ценности, реализуемости и экономической сходимости, выбрать одну возможность, описать сценарий и данные, спроектировать архитектуру решения, предложить подход к оценке качества, обосновать экономику и проработать риски. Если при подготовке итоговой работы использовались ИИ-инструменты, в документе должно быть указано, для каких частей работы они применялись и какие выводы, данные или формулировки студент проверил и принял самостоятельно. Максимальный объем основного текста итоговой работы — 6 страниц. К основному тексту могут прилагаться дополнительные материалы.

Промежуточная аттестация

2026/2027 2nd module
0.5 * Итоговая работа и защита + 0.4 * Практические работы + 0.1 * Посещение занятий

Список литературы

Авторы

Короткин Борис Александрович
Комаров Михаил Михайлович

Программа дисциплины