ИИ-инструменты у всех одни, а результат – разный. Разница в том, записан ли способ работы. Пока он в голове одного человека, его нельзя ни передать, ни замерить.
Поэтому начинаем не с инструментов – с записи способа работы и его замера.
В основе работы лежит матрица ИИ-компетенций
Шесть навыков на трёх уровнях владения. По ней видно стартовое состояние команды и то, что тренировать дальше.
- 01Формирование задач для ИИ
- 02Использование инструментов
- 03Оценка результата
- 04ИИ-насмотренность
- 05Амбассадоринг
- 06Этика и секьюрность
Четыре направления – один переход
Обучение сотрудников
Четыре формата с разным охватом: от часовой лекции на всю компанию до курса, который остаётся внутри.
Опора всех форматов – матрица ИИ-компетенций.
- Терапевтическая сессиячас на всю компанию, от бухгалтерии до IT
- Практикум для руководителейставят себе рабочие процессы с ИИ и задачи командам
- Поиск сценариевгруппа собирает бэклог гипотез внедрения со стоп-сигналами
- Курс по промпт-инжинирингупересобирается на ваших примерах, остаётся в вашей системе обучения
ИИ для IT
Задачи доезжают от трекера до релиза силами ИИ-агентов. Инженер ведёт несколько задач параллельно и отвечает за качество.
Это не вайб-кодинг. Это инженерная ИИ-машинка, которая ориентируется в проекте, включая Legacy, и делает только то, что апрувят инженеры. Без привязки к модели: Claude, GigaChat или YandexGPT – окружение одно.
- 01 · Deep dive2–3 недели, 15–20 гипотез и экшн-план
- 02 · Первая ИИ-командамесяц: пайплайн плюс дашборд для руководства
- 03 · ИнфраструктураИИ-слой на всю кодовую базу и LLM-вики
- 04 · Гильдияраскатываем на все команды и передаём внутреннему драйверу
ИИ-автоматизация процессов
Берём процесс, который едет руками, и собираем вокруг него среду: она хранит методологию процесса и отвечает на запросы сотрудников.
Проще всего представить её как стажёра, который выучил ваш регламент наизусть и не устаёт. Первым берём процесс, где работа повторяется и правило можно записать словами.
- Матрицы компетенцийсборка под роль, версии, обновление правил разом по всем
- Оценка и развитиеассессмент, профиль и план развития собираются автоматически
- Трек новичкаодин маршрут: что сдать, куда идти, сколько займёт
- Ручная работа с даннымиповторяющиеся операции по одному записанному правилу
Сообщество ИИ-амбассадоров
Внутри компании уже есть люди, которые разобрались. Делаем доступ к ним продуктом с процессом и метриками.
Амбассадоринг – один из шести навыков матрицы. Во внедрении ADLC это последний этап: гильдия, которая едет дальше сама.
- Консультации 1:1сотрудник уходит с решением, а не со ссылкой на курс
- Подбор по темамтемы настроены на матрицу ИИ-компетенций
- Старт без интеграцийне ждёт очереди на интеграцию с вашими системами
- Разборы и встречиудерживают практику живой после конца проекта
Ваш уникальный кейс
Задача не попала ни в одно направление – созвонимся и разберём её отдельно.
Что уже замерили
ИИ-трансляция витрин данных
Крупный классифайд · миграция хранилища · 2025–2026
Мультиагентная система переводит витрины между SQL-диалектами. Тесты и сверка данных возвращают ошибки на повторную генерацию – человека в цикле нет. Контур ~5 000 витрин, хранилище ~950 ТБ.
30 млн ₽оценочный эффект20 → 90 %готовность критичных витринКонтекст-инжиниринг команд разработки
Там же · две команды платформы данных, 15 человек
Инфраструктура подачи контекста кодинг-агентам: агент видит проект так, как его видит команда. Плюс ревью SQL на потоке – ~450 PR в неделю.
+30 %velocity команд60 минTime-to-Merge p90 вместо 180–250Своя команда на ИИ-агентах
Солвери · собственный продукт · команда 4 инженера
Граф кода на ~10 тысяч узлов, LSP-навигация, 6 MCP-серверов, бюджеты токенов – собрали за 2 месяца. Тот самый ADLC, который внедряем клиентам.
×2коммитов: 200–250 → 500–600 в месяц+35 %velocity, story points +25–30 %Перформанс-ревью на данных рабочих систем
Крупная продуктовая компания · 200 сотрудников · 2026
Агенты собирают след сотрудника из 8 рабочих систем и складывают черновик ревью: каждый тезис пролинкован на артефакт-источник. Метрики считает детерминированный код, оценку ставит человек.
3–4 дня → 1,5 чвремя сотрудника на self-review, первое внедрение методики7 мес → 5 нединтеграция с HR-системой: оценка вендора → свой MCP-сервер в контуре
Как мы начинаем
Пишете в Telegram
Отвечает сооснователь. Скажите, какое направление ближе к текущей задаче.
Разбираем процесс
Определяем направление и объём диагностики, замеряем процесс до старта. Для ADLC это deep dive: 2–3 недели и 15–20 гипотез.
Собираем предложение
Фиксируем скоуп, сроки и стоимость. Цену называем после разбора.
Команда Пульсар Digital
- Сооснователь и CEO Солвери
Антон Волков
Строит среды для роста сотрудников в крупных компаниях, проводит обучение топ-менеджмента. Показывает руководителям, где ИИ даёт результат и как ставить задачи командам.
- Сооснователь и CTO Солвери · ex-Авито, Яндекс, Петрович, КрасЦветМет
Макар Главанарь
Внедряет ИИ в процессы и считает эффективность. 9+ лет в инженерии, 6+ в управлении: тимлид → инженерный менеджер → CTO, команды до 20+ человек. 1000+ часов индивидуальной работы с инженерами. СПбГУ, Computer Science Center.
Ждём ваш проект – у нас уже всё готово
Скажите, какое направление ближе к задаче, – соберём предложение: скоуп, сроки, стоимость. Если задача не оформилась, начнём с разбора.