Главная проблема корпоративного ИИ — не отсутствие технологий, а разрыв между бизнесом и техническими командами. Исследования показывают, что значительная часть ИИ-проектов не достигает целей не из-за плохих алгоритмов, а из-за нечеткой постановки задачи, неверного выбора метрик или неспособности встроить модель в реальный бизнес-процесс. Это управленческий, а не технический провал. И решать его нужно на уровне управленческого образования. Руководителю не нужно становиться специалистом по ИИ – ему нужно стать квалифицированным заказчиком ИИ.
Курс «Анализ данных и нейросети в бизнесе» на программе MBA (Мастер делового администрирования) Высшей школы бизнеса НИУ ВШЭ построен вокруг этой идеи. Его автор — Сергей Макрушин, доцент ВШБ ВШЭ, к.э.н., директор ЦИАРС — ИИ-лаборатории, которая более 8 лет создает системы искусственного интеллекта для крупнейших банков и производственных холдингов. Программа курса охватывает шесть модулей: от основ машинного обучения и управления данными до глубокого обучения, больших языковых моделей и управления ИИ-проектами. При этом фундаментальный принцип курса — не математика и не код, а управленческая логика. Слушатели изучают, как устроены ключевые модели, где проходят границы возможного и невозможного, как формулировать техническое задание для ML-команды, как читать метрики качества моделей и переводить их в анализ ценности для бизнеса. Отдельный модуль посвящен экономике и рискам ИИ-проектов, в него входят: кривые затраты–эффект, стратегия Quick Wins, приемка моделей, работа с «долиной уныния» — периодом, когда первоначальный энтузиазм угасает, а результат еще не достигнут.
Но настоящей жемчужиной курса стали два бизнес-хакатона, каждый из которых проектирует ситуацию, максимально близкую к реальному ИИ-проекту в компании. В рамках хакатона команды из 4–5 слушателей получают реальную бизнес-задачу и ограниченное время — 3,5 часа. С каждой командой работает профессиональный data scientist: «руки» команды, который реализует технические решения. Слушатели при этом не пишут ни строчки кода. Их задача — управлять процессом: формулировать гипотезы, расставлять приоритеты, принимать решения о данных, выбирать стратегию моделирования, интерпретировать метрики и оценивать бизнес-эффект. По сути, каждый участник проживает роль Product Owner ИИ-проекта и сталкивается с теми же вызовами, которые ждут его в реальной компании: неопределенностью результата, компромиссами между точностью и полнотой, необходимостью быстро учиться на ошибках.
Первый хакатон погружает в классический ML: команды строят модель предсказания дефолта по ипотеке, проходя полный цикл CRISP-DM, от разведочного анализа данных и обработки пропусков до выбора алгоритма и оценки бизнес-метрики. Процесс построен как квест: на каждом шаге команда видит набор возможных действий, обсуждает их целесообразность и делает осознанный выбор. Второй хакатон фокусируется на генеративном ИИ: команды создают HR-бота для первичного скрининга кандидатов на платформе n8n, осваивая промпт-инжиниринг, диалоговую логику и no-code автоматизацию бизнес-процессов.
«Бизнес не интересует ИИ сам по себе — его волнует решение проблем. Задача курса: дать руководителям язык и рамку мышления, чтобы они могли ставить задачи техническим командам, отличать рабочий проект от «технологии ради технологии» и принимать обоснованные решения на каждом этапе — от постановки задачи до приемки модели», — подчеркнул Сергей Макрушин, доцент практики Высшей школы бизнеса НИУ ВШЭ, генеральный директор ЦИАРС.
Такой формат обучения — через действие, а не через запоминание — оказывается особенно эффективным для аудитории MBA. Руководители привыкли учиться на кейсах, но хакатон идет дальше: здесь нет «правильного» ответа в конце — есть результат, который команда создает сама, и рефлексия над процессом, которая формирует управленческий навык.
«Хакатон и лекции Сергея Макрушина по AI стали для меня одними из наиболее запоминающихся модулей программы MBA в ВШБ ВШЭ — и это при том, что я сам профессионально погружен в сферу ML/AI. Главная ценность формата в том, что коллегам, далеким от IT, дали возможность буквально «пощупать» машинное обучение руками на реальной задаче кредитного скоринга, а к каждой команде был прикреплен действующий ML-инженер. Такой подход снимает барьер входа и показывает настоящую глубину технологии — без упрощений. Для практической работы в бизнесе это ценно тем, что формирует у руководителей правильные ожидания от ИИ-проектов и общий язык с техническими командами», — отметил Антон Жаболенко, слушатель программы MBA, директор по продуктам Application Security в Positive Technologies.
Академический руководитель программы MBA Владимир Копцев подчеркивает, что сочетание системной лекционной программы и интенсивных хакатонов в курсе Сергея Макрушина задает новый стандарт для преподавания технологических дисциплин в бизнес-образовании — стандарт, в котором управленец учится не «про ИИ», а «с ИИ».
