Как мы обучили ИИ крупного девелопера — целиком на его собственной платформе, без VPN и внешних сервисов

Компания

КОРТРОС — федеральный девелопер. На рынке с 2005 года: компания начинала с района «Академический» в Екатеринбурге — одного из крупнейших в стране проектов комплексного освоения территории — и выросла в застройщика с объектами в нескольких регионах, от Москвы и Санкт-Петербурга до Екатеринбурга, Перми и Краснодарского края.

Входит в список системообразующих организаций России, численность — 1000+ сотрудников.

Задача

На уровне компании решение развивать ИИ уже принято: внутри есть свой AI-евангелист со стратегией и команда, которая ведёт реальные внедрения. Но и стратегия, и внедрения упираются в одно — готовность людей: пока тысяча сотрудников в большинстве ИИ в работе не трогает, верхнему уровню движения не на что опереться.

Наш блок в этой картине — массовая база под уже идущую трансформацию: грамотный нижний слой, с которого внутренней команде есть куда расти дальше, передавая людям инструменты, кейсы и агентов.

Прежде чем строить программу, мы провели голосовой опрос сотрудников — чтобы не гадать об уровне аудитории, а увидеть его. Картина оказалась типичной для отрасли на старте: осознанно и регулярно ИИ применяет лишь небольшая часть команды, большинство знает один-два инструмента.

Разрыв между подразделениями огромный — от цифровых и маркетинговых команд с системной практикой до производственных функций, где ИИ почти не трогали. При этом настрой в целом позитивный: возможностей в ИИ люди видят кратно больше, чем угроз. Они не сопротивляются — ждут, когда покажут, как правильно. По этим данным мы и разложили аудиторию на уровни зрелости и переписали программу под реальный запрос.

Где была настоящая сложность

Главное ограничение проекта было инфраструктурным. По требованию клиента всё обучение должно было идти строго внутри корпоративного контура — на платформе-агрегаторе AlpinaGPT, без VPN и без доступа к открытым сервисам. Это осознанное решение компании, работающей с конфиденциальными данными.

Решение

Подготовку и кастомизацию вынесли вперёд

Опрос был не формальностью, а рабочим инструментом: по нему мы разложили аудиторию на уровни зрелости и переписали программу под реальный запрос — разбор на практике и с кейсами из девелопмента. Мы заранее освоили AlpinaGPT, протестировали все сценарии внутри платформы и адаптировали кейсы под то, что реально доступно в контуре. К старту мы точно знали, что участник сможет повторить руками, а что увидит как демонстрацию.

Без FOMO

Опрос прямо показал: главный барьер — не технология, а страх утечки данных и замены людей. Поэтому весь интенсив мы вели в логике «ИИ — помощник, а не замена», с отдельным акцентом на безопасность: какие данные можно вводить, какие нельзя, как обезличивать. Для консервативной отрасли это несущая конструкция программы, а не украшение.

Три дня — три уровня

Как устроен ИИ, почему он ошибается и галлюцинирует, правила эффективного промптинга, безопасность и этика. Практика — на реальных рабочих задачах: письма, тексты, изображения, прямо внутри платформы.

Контекст и память, цепочки запросов, ресёрч, работа с документами (сравнение и саммари больших файлов), сборка презентаций, ИИ-сетап для встреч. Здесь появлялись и инструменты за пределами контура — их мы честно показывали как демонстрацию «как это выглядит снаружи», не выдавая за то, что участник может сделать сам внутри Alpina.

Разобрали, что такое агенты и чем они отличаются от простого чата, показали отраслевые примеры (генерация планировок, автоматизация инженерных отчётов, ИИ в цепочках поставок) и собственных агентов sfer.ai — контент-менеджера, финансового, контролёра чатов. Задача дня — не «уйти с готовым агентом», а дать руководителям и специалистам понять, куда всё это движется и что уже внедряется у них самих.

Результат

Пришли представители самых разных подразделений, и вовлечённость держалась все три дня.

Чему научились

На большинстве наших проектов мы работаем на открытом, удобном нам стеке. Здесь впервые пришлось собрать полноценный базовый интенсив полностью внутри чужого закрытого контура — на той платформе и с теми ограничениями, что реально стоят у клиента.

Для консервативной отрасли это оказалось не ограничением, а преимуществом: обучение внутри собственного периметра снимает главный барьер — страх за данные — ещё до начала программы. И именно с этого, а не с восторгов про возможности ИИ, стоит заходить в любую компанию, которая работает с чувствительной информацией.