В университете информационных и креативных технологий IThub искусственный интеллект выступает как цифровой напарник студента и преподавателя: он берёт на себя черновую обработку данных, типовых сценариев и создание прототипов, чтобы высвободить ресурс для работы над сложными творческими и стратегическими задачами индустрии. Наша задача — не заменить эксперта, а усилить его возможности, оставив за людьми принятие решений, оценку рисков и стратегическое мышление.

 

 

Какие процессы мы автоматизировали

• Масштабирование лабораторных работ и генерация сценариев. ИИ создаёт наборы уязвимых конфигураций, сценарии пентеста, шаблоны отчётов и варианты задач по предобработке данных. Это позволяет быстрее проходить типовые этапы и переходить к анализу нетривиальных случаев.
• Автоматизированная проверка формальных критериев. Система контролирует соблюдение стандартов написания отчётов, корректность скриптов, согласованность метрик и KPI, формальную логику в расчётах и согласованность допущений в финансовой модели. Студент сразу видит ошибки и учится самостоятельно их исправлять.
• Сбор и структурирование данных. ИИ собирает и структурирует отраслевые тренды, формирует сравнительные таблицы решений, черновики SWOT‑анализа, подбирает методы под разные типы данных. Это ускоряет подготовку к аналитической и предпринимательской работе.
• Быстрое прототипирование и генерация идей. ИИ генерирует десятки ценностных предложений, сегментов аудитории, вариантов бизнес‑моделей, списков пользовательских проблем, черновых схем пути клиента и прототипов. Это даёт возможность проверять гипотезы в сжатые сроки.

 

Применение ИИ в программах университета IThub

• ИТ‑инновации и управление бизнесом. ИИ собирает и структурирует отраслевые тренды, формирует сравнительные таблицы решений и черновики SWOT‑анализа. Автоматизирована проверка формальной логики в расчётах и согласованности допущений в финансовой модели. Стратегические решения, оценка рисков трансформации и защита инвестиционной привлекательности проекта — за экспертами: они дают взгляд «сверху» и показывают, как связать технологии с долгосрочными целями компании.

Владимир Крыльцов, ИТ‑директор ФСК, программа «ИТ‑инновации и управление бизнесом» университета IThub:

 

«В ИТ часто бывает так: сильный инженер становится тимлидом, потому что он лучший в коде, а не потому, что умеет управлять. И потом тратит годы на то, чтобы научиться договариваться, ставить задачи, работать с рисками. Мы в IThub сразу строим обучение вокруг управленческих навыков для ИТ‑специалистов: как приоритизировать бэклог, как защищать бюджет, как управлять изменениями и рисками в ИТ‑проектах. И делаем это на реальных кейсах в обучении ИТ, чтобы студент не просто знал теорию, а умел её применять».

 

 

• Информационная безопасность. ИИ масштабирует лабораторные работы: создаёт наборы уязвимых конфигураций, сценарии пентеста и шаблоны отчётов. Автоматическая проверка контролирует соблюдение стандартов написания отчётов и корректность скриптов. Разбор сложных векторов атак, оценка рисков и обсуждение архитектуры защиты — за экспертами: они дают индустриальный взгляд и учат мыслить как защитник и как атакующий одновременно.

Артём Гяммер, руководитель службы информационной безопасности WB Банка, программа «Информационная безопасность»:

 

«ИБ — это уже давно не только про технологии, но и про управление рисками, бюджетом и коммуникацию с бизнесом. Мы обучаем не только инструментам защиты, но и тому, как обосновывать инвестиции в безопасность, как выстраивать процессы в компании и как говорить на языке бизнеса. Это именно те управленческие навыки для ИТ‑специалистов, которые отличают специалиста от руководителя направления».

 

• Интеллектуальный анализ данных. ИИ берёт на себя первичную разметку датасетов, генерацию вариантов задач по предобработке и подбор методов под разные типы данных. Автоматизированы проверки на очевидные ошибки в пайплайне. Интерпретация результатов, выбор метрик под бизнес‑задачу и обоснование выводов — за менторами: они учат отличать статистически значимое от практически полезного и говорить на языке бизнеса.

Галина Бикбулатова, бизнес‑партнёр по BI‑аналитике в Abbott, программа «Интеллектуальный анализ данных»:

 

«Для аналитика критически важно не только построить модель, но и донести инсайты до бизнеса, объяснить, почему это важно и сколько денег принесёт. В нашей программе мы много работаем именно над этим: как презентовать данные, как обосновывать гипотезы, как встраивать аналитику в продуктовые процессы. Плюс — акцент на инструменты, которые реально используют в индустрии, включая ИИ‑ассистентов для обработки данных и визуализации».

 

 

• Технологическое предпринимательство. ИИ быстро генерирует десятки ценностных предложений, сегментов аудитории и вариантов бизнес‑моделей. Автоматизирована проверка внутренней логики блоков и поиск пересечений с трендами. На направлении изучается дисциплина «Основы искусственного интеллекта в автоматизации бизнеса» — она помогает студентам системно применять ИИ‑инструменты для решения реальных предпринимательских задач: грамотно ставить запросы, оценивать качество сгенерированных гипотез и встраивать автоматизацию в рабочие процессы без потери контроля над ключевыми решениями. Финальная валидация гипотезы, интервью с реальными клиентами и защита бизнес‑модели — с экспертами: они помогают увидеть скрытые риски и превратить «красивую идею» в жизнеспособный план, который можно коммерциализировать.

 

• Продуктовый менеджмент. ИИ формирует списки пользовательских проблем, варианты описания задач, которые люди стремятся решить, черновые схемы пути клиента на основе типовых сценариев, а также создаёт прототипы. Автоматическая проверка следит за согласованностью метрик и KPI в документах. В рамках направления студенты осваивают дисциплину «Искусственный интеллект в разработке продуктов» — она помогает системно встраивать ИИ‑инструменты в каждый этап продуктовой работы. Приоритизация бэклога, принятие компромиссных решений при ограниченных ресурсах и защита дорожной карты продукта — за менторами и приглашёнными продакт‑лидами: они учат думать в терминах ценности для бизнеса и пользователя.

Натали Бадрутдинова, экс-руководитель проектов РВБ, программа «Продуктовый менеджмент»:

 

«Продуктовый менеджер — это про ответственность за результат, а не за задачи. Мы обучаем студентов формулировать гипотезы, проверять их через исследования, считать экономику продукта и управлять бэклогом. Важная часть — работа в команде и коммуникация: как договариваться с ключевыми участниками проекта, как объяснять бизнесу технические ограничения и наоборот. Всё это отрабатывается на учебных проектах, максимально приближённых к реальным кейсам в обучении ИТ».

 

Практический пример: учебный проект в направлении «Продуктовый менеджмент»

Студент работает над концепцией мобильного сервиса для планирования личных финансов. Процесс построен так, чтобы рутину забирал ИИ, а содержательную проработку и принятие решений вёл студент вместе с ментором.

• ИИ формирует базу пользовательских проблем и возможных задач: выдаёт список типичных трудностей при ведении бюджета и предлагает варианты того, какую задачу сервис должен решать в первую очередь. Студент учится отличать реальную боль от надуманной и выбирать фокус, который даст максимальную ценность.
• ИИ готовит черновую схему пути клиента (CJM). Студент анализирует, где в сценарии возникают барьеры, и корректирует логику шагов под целевую аудиторию.
• Автоматическая проверка следит за согласованностью показателей: ИИ сопоставляет заявленные цели проекта с метриками, подсвечивая противоречия (например, высокая стоимость привлечения при низком среднем чеке).
• ИИ помогает сформировать набор гипотез и варианты приоритизации: предлагает несколько способов решения ключевой проблемы и рассчитывает для них параметры «влияние — уверенность — усилия». Студент сравнивает варианты, опирается на данные и выбирает наиболее перспективный для проверки.
• ИИ заметно сокращает время на создание прототипов:
  после сбора карты пути пользователя студент может быстро превратить её в интерактивный макет — минимально привлекательный продукт (MLP, Minimum Lovable Product), получить первые реакции пользователей, уточнить задачи, которые пользователь стремится решить, и быстро внести изменения. Вместо нескольких недель проверка гипотезы начинается уже в первые дни работы. 

 

Финальные решения и защита проекта — с менторами и приглашёнными экспертами. На встрече студент обосновывает выбор целевой аудитории, объясняет логику пути пользователя, защищает метрики и план развития продукта. Эксперты задают неудобные вопросы про риски, экономику и масштабирование, помогают увидеть слабые места и докрутить идею до жизнеспособного плана.

Такой подход позволяет студенту не тратить время на ручное составление шаблонов и первичный подбор идей, а сразу работать с содержанием: учиться приоритизировать, аргументировать и принимать решения в условиях неопределённости — именно эти навыки особенно ценят работодатели в продуктовых специалистах.

Зачем это бизнесу и индустрии

Студенты университета IThub приобретают опыт работы в реальных процессах: они умеют эффективно использовать инструменты автоматизации, чётко понимают границы применимости ИИ и знают, где необходима экспертная оценка. Они готовы к командной работе, умеют воспринимать обратную связь и защищать свои решения перед заинтересованными сторонами.

Наша цель — сделать обучение максимально эффективным на всех уровнях: убрать рутину, отнимающую время и силы, и оставить пространство для развития навыков, которые действительно ценятся работодателями: стратегического мышления, оценки рисков, коммуникации и обоснования решений.