Зачем платить за курсы, если AI может стать вашим тренером? Реальный опыт экономии

Всем привет! На связи Владимир Тутынин, Lead scrum master Garage Eight ^[1]. За последний год у меня получилось сэкономить на обучении ^[2], потому что я перестал покупать теорию и начал превращать книги, статьи и внутренние документы компании в интерактивные тренажеры с помощью AI. В этой статье покажу на реальных примерах, как собрать такого AI-тренера с помощью Gemini Canvas, какие есть альтернативные инструменты и как это уже меняет культуру обучения в нашей команде.

Как превратить любой материал в тренажер 

Искусственный интеллект ^[3] способен частично заменить ментора. Главное — правильно его «настроить». Вот как я это делаю.

Шаг 1. Выбор источника: не всё стоит скармливать

Прежде чем загружать материал в AI, стоит задаться вопросом: а действительно ли он качественный? Дело в том, что искусственный интеллект умеет делать умные выжимки даже из слабых текстов. Из-за этого вы можете получить структурированный, логичный, но бесполезный ответ.

Именно поэтому я всегда начинаю с поиска авторитетных источников: тех, что цитируют, рекомендуют на профильных курсах или применяют в реальных проектах эксперты по теме. Самый быстрый способ их найти — попросить об этом ИИ, желательно в режиме DeepResearch или через специализированных агентов:

В идеале стоит задать этот вопрос двум разным AI-ассистентам, например Gemini и ChatGPT. Если оба указывают на одну и ту же книгу, это хороший сигнал.

Важно: сначала прочитайте материал сами, хотя бы поверхностно. На практике именно это позволило мне понимать, где ИИ давал полезную выжимку, а где ошибался или ссылался на то, чего в тексте нет. Если времени на полноценное чтение совсем нет, можно использовать инструменты ускоренного ознакомления. Например, SmartReading*.

* SmartReading — сервис, предоставляющий краткое содержание лучших нон-фикшен книг. У нас в Garage Eight сотрудников подключают к этому сервису, чтобы каждый мог использовать его для своего развития.

Шаг 2. Извлечение сути: заставь AI работать как эксперта

Не просите просто «пересказать» материал. Задайте роль и уровень экспертизы. Мой любимый промпт:

На выходе должен получиться чек-лист с конкретными действиями, которые можно сразу применять в работе. Например, из книги «Системное мышление. Как создавать и улучшать системы в бизнесе и жизни» Донеллы Медоуз я получил семь конкретных шагов для анализа инцидентов: как находить скрытые обратные связи, отличать симптомы от причин и выбирать точку вмешательства. Этот чек-лист теперь часть моего шаблона ретроспективы.

Шаг 3. Создание интерактива: от чтения к практике

Для этого я пользуюсь Gemini Canvas. Он умеет:

• генерировать квизы с подсказками;

• строить drag-and-drop-схемы (например, элементы системы и их связи);

• моделировать диалоги (например, с выбором ответа в заданной ситуации и фидбэком от ИИ).

Если нет доступа к Gemini — не беда. В ChatGPT, DeepSeek или Алисе можно задать режим тренера. Вот как выглядит живая сессия с таким «наставником»:

* Указываете свою тему, по которой хотите получить квиз.

** Указываете контекст, то есть информацию, полученную из шага 2. Либо можете загрузить полный файл, а в квадратных скобках указать точное название этого файла.

Такой диалог заставляет думать и помогает начать разбираться в теме, особенно если вы только входите в сферу и формируете основу какого-то хард-скила.

Шаг 4. Валидация: не верьте на слово

AI может ошибаться, особенно если промпт составлен слабо или модель «галлюцинирует».

Именно поэтому всегда:

1. Сверяйте выводы с первоисточником, особенно если речь о терминах, методиках и регуляторных требованиях.

2. Просите ИИ самокритично себя проверить:

Иногда он честно признает: «Да, в пункте 3 я допустил обобщение — в оригинале это звучит иначе».

Этот цикл «читаю → выжимаю → играю → проверяю» превращает пассивное потребление знаний в активное.

Реальные кейсы: системное мышление и вайб-кодинг

За год я перепробовал этот подход на десятках тем — от стратегического планирования до написания Jira-тикетов. Вот два самых клевых кейса.

Кейс 1. Системное мышление

Я давно работал с системным мышлением: применял его при анализе инцидентов, строил причинно-следственные схемы и старался избегать «быстрых фиксов», которые потом возвращаются с удвоенной силой. Но чувствовал, что использую лишь часть потенциала: хотел быстрее выявлять скрытые связи, увереннее выстраивать  системные модели и применять их прямо в рабочих ретроспективах.

Курсы по углублению этой компетенции стоят от 80 до 150 тысяч рублей, но у меня не было ни бюджета, ни возможности уйти на неделю в тренинг. Именно поэтому я взял одну из самых авторитетных книг по теме, загрузил текст в Gemini, создал агента через Gems (персональные AI-профили в Google) и попросил:

Уже через минуту Gemini выдал мне Canvas-тренажер — целых 20 уровней, где нужно было не просто читать, а действовать. Например, расставлять элементы системы, выявлять скрытые обратные связи, объяснять, почему «быстрый фикс» часто усугубляет проблему.

Я прошел его за вечер — не потому, что он был легкий, а потому, что каждый шаг заставлял думать, как в настоящем разборе инцидента. А на следующий день, когда в одном из внутренних продуктов нашей экосистемы произошел серьезный сбой, я внезапно поймал себя на том, что автоматически применяю эти схемы.

Итог: получил практический навык, который раньше требовал платного курса и нескольких дней.

Кейс 2. Вайб-кодинг

Я не программист. Моя зона — Agile ^[6], коммуникации, управление. Но однажды понадобилось быстро показать коллегам рабочую идею. Рассказать, что за идея, не могу (NDA), но нужно было ее представить в виде веб-приложения.

Вместо того чтобы искать кого-то на аутсорсе или записываться на курс «Вайб-кодинг за две недели», я открыл Gemini Canvas и написал:

За три часа мы собрали именно то, что было нужно для презентации: прототип, который показывал логику ^[7] работы идеи. И да, это не продакшен-код. Но коллеги сразу увидели суть, дали конкретный фидбэк, и мы смогли принять решение без недель ожидания дизайнера или фрилансера.

Итог: получил то, что хотел, примерно в 10 раз быстрее и сэкономил около 50–70 тысяч рублей.

О других кейсах

Выше я рассказал о самых ярких примерах, где AI помог мне быстро получить навыки и сэкономить. Но за год таких ситуаций набралось много. Вот некоторые примеры:

• отработка диалогов one-to-one с подчиненными;

• разбор гипотез в продуктовом подходе;

• моделирование стратегических решений;

• помощь команде при создании презентаций.

Каждый раз это занимало часы, а не дни. И было бесплатно или почти бесплатно. Но главное — знания не испарились через неделю, потому что я не просто читал, а тренировался: отвечал на вопросы ИИ, моделировал решения и тут же использовал выводы в реальных задачах.

Бонусы для бизнеса

Сначала это был просто мой способ учиться быстрее. Но как только коллеги о нем тоже узнали и попробовали — метод прижился. И принес пользу не только отдельным людям, но и команде в целом.

1. Ускорение рутинных задач. 

Раньше на некоторые задачи уходило 5–10 часов: например, подготовка аналитики по инциденту, проработка гипотез или оформление отчета. Сейчас я задаю AI четкий запрос и получаю структурированный черновик за 30–60 минут.

Это не полное делегирование, ведь я не отправляю задачу и не забываю о ней. Я передаю ИИ только рутину: сбор информации, первичную структуризацию, оформление. А дальше уже сам анализирую, уточняю детали, добавляю контекст и принимаю решение. Время тратится не на «набивание текста», а на то, что действительно требует моего участия.

2. Включение коллег в работу с AI.

Компания в целом поддерживает, если сотрудник хочет использовать искусственный интеллект для самостоятельного обучения или повышения эффективности. Это видно по разным направлениям: продуктовые аналитики пробуют GPT для генерации формулировок гипотез и метрик в EasyBI, разработчики тестируют помощь ИИ при описании архитектурных решений, менеджеры других команд экспериментируют с ролевыми сценариями для one-to-one-диалогов.

В своей зоне ответственности я сосредоточен на обучении команды. Провожу с ней интерактивные сессии, где мы превращаем книги и методики в AI-тренажеры, отрабатываем инструменты системного мышления и Agile-практики через диалог с моделью. Такой подход помогает быстрее выйти на нужный уровень, и компания это ценит.

3. Обучение и онбординг будущего.

Чтобы сократить время выхода новых сотрудников на продуктивную работу, мы рассматриваем гипотезу: создать внутренних AI-ассистентов. Такие агенты могли бы обучиться на нашей документации, практиках и регламентах — и не просто отвечать на вопросы, а проводить интерактивные тренажеры.

Представьте: новый сотрудник приходит, получает доступ к персональному агенту и может не просто читать Вики, а проходить интерактивный тренажер. Например, такой: «Вот типичный инцидент в нашем продукте. Какие шаги ты предпримешь? Выбери из трех вариантов. Поясни свое решение». Такой подход не заменит менторство, но сильно снизит порог входа в сложные темы. Особенно в финтехе, где каждая неделя онбординга стоит денег.

Техническая часть: инструменты и рабочие альтернативы

Не все могут или хотят использовать Gemini в России, из-за того что доступ к сервисам Google часто ограничен, а аккаунты могут блокироваться. Именно поэтому я собрал небольшую сравнительную таблицу инструментов, которые реально работают в 2026 году, в том числе без выезда за границу. В нее вошли как глобальные LLM (доступные через прокси), так и российские решения, а также open source вариант для тех, кто заботится о конфиденциальности.

Где AI не заменит человека

Несмотря на всё удобство искусственного интеллекта, есть области, где он либо бесполезен, либо даже опасен, если полагаться на него полностью.

• Софт-скилы: эмпатия не генерируется. Попробуйте попросить AI «потренировать вас в разрешении конфликта ^[8] с подчиненным» — он даст шаблонные фразы вроде «Я слышу тебя» или «Давай найдем компромисс». Но настоящая эмпатия, тонкости невербалики, управление эмоциями ^[9] в стрессе ^[10] — это то, что отрабатывается только в живом взаимодействии. Здесь нужен наставник, коуч или хотя бы честная обратная связь от коллеги. ИИ может предложить сценарий, но не научит чувствовать момент.

• Глубокая экспертиза: AI дает основу, а не мастерство. По моему опыту, ИИ отлично покрывает 60–70% базовых знаний: термины, принципы, типовые решения. Но остальные 30–40% — это нюансы, которые приходят только с опытом. AI не заменит годы практики. Он может ускорить вход в тему, но не превратить новичка в эксперта за вечер.

• Конфиденциальность: нейросеть не подписывает NDA. Публичные LLM не различают, что можно обрабатывать, а что предназначено только для внутреннего использования. Даже если вы загружаете «безобидный» фрагмент регламента или архитектурную схему, вы теряете контроль над данными. В финтехе, где каждый процесс под аудитом, это недопустимо. Для таких задач  сейчас можно использовать локальные модели или корпоративные RAG-системы с контролем доступа.

• Ответственность: за ошибки ^[11] AI придется отвечать вам. Нейросети не несут ответственности за свои выводы — она всегда лежит на вас. Галлюцинации случаются даже у топовых моделей. Например, DeepSeek однажды придумал цитату из книги, которой там не было. Gemini, хоть и реже, тоже был неточен в интерпретациях. Именно поэтому правило простое: всё, что ИИ выдает как факт, обязательно сверяйте с первоисточником. ИИ предлагает гипотезу, а вы принимаете решение.

Заключение

Мой опыт показывает, что искусственный интеллект может использоваться не только для развлечения, но и как реальный инструмент для самообразования. А ведь есть люди, которые ежегодно тратят сотни тысяч рублей на обучение! Для них этот метод может стать серьезной экономией.

При этом не стоит забывать ^[12], что AI не заменит критическое мышление, диалог с живым человеком и опыт, полученный на рабочих кейсах. Именно поэтому, чтобы стать экспертом в какой-то области, всё равно придется хорошенько подумать и поработать.

А вы пробовали превращать книги или документы в интерактивные тренажеры? Или планируете? Делитесь опытом, инструментами и мыслями в комментариях.