В предущей серии я провел исследование best practices по внедрению AI-скиллов в рекламных агентствах. Следующим шагом нужно составить карту AI-навыков, которая в дальшейшем станет базой для соответствующего блока собеседований и аттестаций. В процессе возник ряд вопросов:

1. Должна ли карта быть общей или различаться по специальностям?

С одной стороны, у каждого специалиста (seo, контекст, таргет, smm, ..) — свой стек инструментов и свои процессы, поэтому нужно детализировать применение навыков по типам работ. Использование AI в линк-билдинге, ведении аккаунтов в соцсетях, аналитике рекламных компаний и т.п.

С другой стороны, трудозатраты на создание карты и последующие аттестации сильно выросли бы, к тому же получилось бы дублирование вопросов с уже имеющимися у нас картами hard-скиллов по специальностям.

В итоге выбрал второй вариант, потому что новый процесс и так внедрять трудозатратно, а вопрос востребованности конкретных навыков и инструментов в работе можно решить за счёт вычеркивания каких-то пунктов из аттестации в конкретном отделе.

2. Как структурировать навыки по группам?

После ряда размышлений получилось, что крутое использование AI в работе состоит из трёх аспектов: — понимание, как работают LLM-модели — знание принципов и ограничений помогает оценивать реалистичность задач и тратить меньше времени на переписки с чат-ботами — знание инструментария — выбор оптимальной модели под задачу по цена/качество, получение от инструмента максимального результата — практическое применение — AI driven мышление, при котором повседневные задачи оцениваются с позиции, как тут можно использовать AI, и оптимизируются

В итоге в файле 3 блока — теория, инструменты, практика.

3. Какие грейды могут быть внутри скиллов?

AI-навыки на первом этапе не пересекаются по грейдам с основной работой — midlle-специалист может быть более прокачан в использовании AI-инструментов, чем его руководитель. Это отдельная шкала.

Внутри каждой группы скиллов получилось 3 уровня: — база — должен знать/уметь каждый специалист, просто чтобы оставаться востребованным — профессионал — крутые скиллы по конкретным инструментам или блокам теории — эксперт — обучает других и внедряет решения на уровне команды

В итоге у каждого специалиста должно получиться примерно 70-80% по базе, 20-30% по профессиональному уровню и, по возможности, какие-то единичные точки реально крутой экспертизы. Чтобы получать сильно больше баллов — нужно уже фуллтайм заниматься работой с LLM, а это нереально в условиях большого объема работ по основному профилю.

Что получилось

Собрал структуру файла на 16 скиллов с 3 градациями каждый, совместно с Claude (у меня же тоже должен быть AI-скилл) наполнил контентом.

Если кому-то нужен полный файл — можно скачать его у меня в Телеграм-канале, ссылка — в профиле.

Следующий шаг — обсудить с командой и доработать карту скиллов, продумать методику оценки и вопросы/задачи. Stay in touch!