Бриф для задачи с ИИ: шаблон для команды

Чтобы обсудить применение ИИ не на уровне «давайте автоматизируем отдел», опишите один повторяющийся рабочий эпизод. Этот короткий бриф помогает договориться, что человек делает сейчас, какой результат нужен и где сотрудник проверяет черновик. Его можно скопировать и заполнить перед встречей или практическим занятием.

Когда нужен бриф, а когда сначала надо разобраться в процессе

Бриф подходит для конкретной повторяющейся задачи: например, подготовить черновик ответа по утверждённой инструкции или превратить заметки в сводку. Он не заменяет описание всего процесса, выбор сервиса, правила доступа к данным или оценку рисков. Если непонятны вход, результат и ответственный за проверку, начните с разговора о самом процессе — не с выбора модели.

В отличие от общего чек-листа для подготовки корпоративного обучения, ниже — рабочая карточка одного сценария. Она помогает преподавателю и участнику разобрать конкретное упражнение, а не описывает программу обучения в целом.

Шаблон брифа: семь полей

Скопируйте список и заполните его простыми фразами. На первом проходе достаточно черновика; реальные закрытые данные в него не добавляйте.

Если на какое-то поле пока нет ответа, отметьте это прямо в карточке. Не заполняйте пробел вымышленными требованиями: неизвестное место — отдельный вопрос для владельца процесса.

Условный пример: черновик ответа по публичному FAQ

Представим сотрудника поддержки, который готовит ответы на типовые вопросы по публичной инструкции. Это учебный пример, а не кейс клиента и не обещание экономии времени.

• Роль и момент: специалист поддержки отвечает на повторяющийся вопрос.
• Вход: текст публичного FAQ и обезличенный вопрос без имени, телефона или номера заказа.
• Текущие шаги: найти нужный раздел, проверить условия, написать ответ.
• Выход: короткий черновик ответа со ссылкой на подходящий раздел.
• Проверка: специалист сверяет каждый факт с FAQ, проверяет тон и подтверждает отправку.
• Границы: ИИ не обещает компенсацию, не меняет условия и не отправляет сообщение клиенту.

Такой бриф уже задаёт основу упражнения: участник может проверить, использовал ли ассистент источник, не добавил ли отсутствующие условия и оставил ли финальное решение человеку.

Как проверить результат до использования

Перед тем как применять черновик в работе, задайте несколько проверяемых вопросов:

• Каждый факт можно найти во входном материале?
• Если информации не хватает, система отмечает пробел, а не додумывает ответ?
• Формат результата подходит следующему шагу сотрудника?
• Понятно, что человек обязан перепроверить и подтвердить?
• Не попали ли в запрос персональные, клиентские или внутренние данные без разрешения?

Для оценки рисков генеративного ИИ можно отдельно изучить добровольный профиль NIST. Это американский методический ресурс, а не правовое заключение или обязательное требование для белорусской компании. Политику данных и применимые нормы нужно уточнять у ответственных специалистов компании.

Как использовать карточку на практическом занятии

Попросите участника принести один рабочий эпизод и заполнить карточку на безопасном примере. Затем вместе уточните ожидаемый выход и критерии приёмки, попробуйте один вариант с ИИ и проверьте его по тем же критериям. Если задача слишком широка или в ней не хватает инструкции, сначала сузьте её либо подготовьте источник.

Если нужно разобрать такие сценарии с командой, посмотрите корпоративное обучение ИИ для команды. Общий подход к занятиям и подготовке участников описан там; эта статья остаётся именно шаблоном для одной задачи.

Короткие ответы

Нужно ли сразу указывать конкретный сервис?

Нет. Сначала опишите задачу, входные данные, ожидаемый результат и проверку. Инструмент выбирают после того, как стали понятны требования и ограничения.

Можно ли вставить в бриф настоящий документ клиента?

Не вставляйте закрытые или персональные данные, пока ответственный за данные и сервис не подтвердил, что такой сценарий разрешён. Для учебного примера используйте публичный, тестовый или одобренный обезличенный материал.

Что делать, если критерии результата неясны?

Попросите владельца процесса назвать признаки приемлемого результата и ошибки, которые недопустимы. Если ответа пока нет, зафиксируйте это как следующий вопрос — модель не должна придумывать критерий за команду.