Вы узнаете, что такое ИИ-агенты и какие инструменты используются для их сборки, а затем соберете своего первого агента — от простого сценария до полноценного решения. После этого модуля вы выбираете трек под свою профессию и применяете полученный навык уже к своим реальным задачам.

В этом модуле вы научитесь:
– Понимать, что такое ИИ-агент и чем он отличается от обычного чат-бота.
– Ориентироваться в инструментах для сборки агентов и с чего начать работу.
– Собирать рабочий сценарий автоматизации с нуля, без навыков программирования.
– Работать с данными внутри сценария: настраивать ветвления и логику, находить и исправлять ошибки.
– Встраивать ИИ в сценарий — превращать обычную автоматизацию в полноценного агента.
– Подключать сервисы, для которых нет готового решения, и разбираться в чужой документации самостоятельно.
– Получать готовый рабочий код от ИИ, даже если сами не умеете программировать.
– Собирать всё изученное в единый сквозной сценарий — ваш первый работающий агент.

Применение навыка сборки агентов к задачам подбора персонала. Вы соберёте и протестируете агента, который проходит с кандидатом весь путь от отклика до приглашения на интервью, и научитесь проверять своё решение на предвзятость, прежде чем внедрять его в работу.

В этом треке вы научитесь:
– Подключать входящий поток резюме из разных источников — почты, job-бордов, мессенджеров.
– Собирать агента для первичного скрининга резюме по заданным критериям.
– Настраивать автоматизированную коммуникацию с кандидатами — приглашения, ответы на типовые вопросы.
– Встраивать человека в контур принятия решений — чтобы ни один отказ не уходил кандидату без проверки.
– Проводить аудит собственного агента на дискриминационные паттерны.
– Собирать аналитику воронки найма и оценивать, ускорил ли агент процесс без потери качества.
– Работать с персональными данными кандидатов по требованиям 152-ФЗ.
– Считать экономику решения и обосновывать его ценность перед руководством.

Создание связной «контент-фабрики»: цепочки агентов, которая ведёт контент от идеи до публикации и анализа реакций.

В этом треке вы научитесь:

– Собирать агента, который генерирует контент-план по брифу.
– Подключать внешние источники инфоповодов и мониторинг конкурентов, чтобы план опирался на реальные данные.
– Настраивать цепочку «текст → визуал → публикация» для разных каналов — VK, Telegram, сайт.
– Встраивать проверку человеком перед публикацией — чтобы ни один материал не уходил без согласования.
– Подключать агента к метрикам вовлечённости и настраивать автоматические отчёты.
– Считать себестоимость публикаций и экономию времени от автоматизации.
– Презентовать результат — готовую «контент-фабрику» — в формате питч-дека.

Полный цикл управления проектом через агентов: от идеи до отчётности.
В этом треке вы научитесь:

– Приводить проект к состоянию, в котором с ним может работать агент — цели, ограничения, критерии успеха.
– Собирать агента-фасилитатора для генерации и приоритизации идей по методологиям (MoSCoW, RICE).
– Декомпозировать цель на задачи с критериями приёмки и зависимостями.
– Собирать агента, который сам формирует еженедельный статус-отчёт по проекту.
– Настраивать агента-детектора рисков с приоритизацией по критичности.
– Суммаризировать командные обсуждения и превращать их в задачи и договорённости.
– Презентовать работающую систему агентов в формате питч-дека.

Сборка агентов, которые закрывают повседневную рутину аналитика: превращают вопросы на естественном языке в SQL-запросы, сами готовят регулярную отчётность и следят за качеством данных.

В этом треке вы научитесь: 

– Собирать агента, который переводит вопрос на естественном языке в SQL-запрос к базе.

– Автоматизировать сборку и рассылку регулярных отчётов.

– Собирать агента-«контролёра качества данных», который находит аномалии, дубли и пропуски.

– Интегрировать агента с BI-инструментами как слой объяснений поверх дашборда.