AI Builders Спринт, где участники автоматизируют сложные процессы и задачи с AI, кратно растят личную эффективность, скорость команд и производительность компаний. Всё через личный опыт Дмитрия из его практики в роли ML Director в DoorDash. Кому подходит спринт: - Маркетологам и продактам - Фаундерам и руководителям - Аналитикам и консультантам С чем приходят на спринт: - Тону в рутине: - Рутинные задачи делаю руками, автоматизировать некогда - Собираю данные из десятка источников вручную - Хочу отдать рутину агентам, но не знаю, с чего начать - Пробовал AI, выходит демо, а не рабочий инструмент - Нет времени разбираться в новых инструментах - Не получается внедрить AI: - Слышу про агентов и MCP, но не понимаю, как собрать своё - Использую ChatGPT в браузере как игрушку - Не знаю, какие задачи реально отдать AI - Хочу пайплайн, а не набор разрозненных лайфхаков - Боюсь отстать от AI-native коллег и рынка - Остановился в росте: - Зависю от разработчиков под каждую мелочь - Чувствую, что мои навыки устаревают - Хочу навыки, которые ценят в бигтехе - Хочу собирать продукты и прототипы сам - Боюсь, что AI заменит, а не усилит Что получите: - 3 Live-встречи и 6 практических кейсов: Путь от личной AI-среды до автономных агентов и рабочих продуктов. Каждый модуль построен вокруг конкретного результата, который можно сразу применять в работе. Программа: 1. Kickoff. AI Playbook и лучшие AI-практики из международного Big Tech (Live · Zoom): - Карта AI-рынка и главные сдвиги, которые влияют на работу уже сейчас - Логика спринта: от личной AI-среды к автономным агентам и рабочим продуктам - Подготовка аккаунтов, доступов и безопасного рабочего контура - Результат: Вы понимаете траекторию обучения, выбираете личный кейс и готовы собирать рабочую AI-систему с первого кейса 2. Создаём Second Brain в Cursor / Codex для себя и команды (Кейс + гайд): - Структура базы знаний: проекты, заметки, контекст, правила и шаблоны - Подключение ключевых MCP-серверов и внешних источников данных - Практические сценарии: research, планирование, контент и рабочие документы - Результат: У вас работает Second Brain в Cursor / Codex: он знает ваш контекст, подключается к нужным инструментам и помогает выполнять реальные задачи 3. Создаём Personal Chief of Staff в Claude Code (Кейс + гайд): - Обзор агентских команд и рабочих практик из индустрии - Настройка среды Claude Code: контекст, команды, инструменты и permissions - Сборка Chief of Staff для планирования, research, контента и регулярных брифингов - Результат: Ваш Chief of Staff принимает задачу, собирает контекст, предлагает план действий и готовит результат в заданном формате 4. n8n Launchpad: запускаем работающие AI-продукты без разработки (Кейс + гайд): - Кейсы автоматизации и быстрого прототипирования из стартапов и бигтеха - Архитектура workflow: триггер, данные, модель, проверка человеком и доставка результата - Сборка пайплайна обратной связи с интерфейсом через Telegram - Результат: У вас есть работающий AI-пайплайн в n8n, который можно быстро адаптировать под продуктовый или внутренний кейс 5. Live Q&A: разбираем ваши кейсы и практику AI в компаниях (Live · Zoom): - Разбор Second Brain, Chief of Staff и n8n-пайплайнов участников - Ответы на вопросы по настройке, качеству результата и безопасности - Внедряем реальные сценарии применения AI из бигтех-компаний в Европе и США в вашу работу - Результат: Вы устраняете блокеры, улучшаете собранные системы и уходите с понятным планом применения в своей работе 6. Создаём автономного AI-агента Health OS в Telegram (Кейс + гайд): - Развёртывание OpenClaw и подключение агента к Telegram - Настройка личного контекста: цели, привычки, режим, тренировки и регулярные check-in - Автономные сценарии, напоминания, недельные сводки и границы безопасности - Результат: У вас есть Health OS, личный Telegram-агент, который помогает отслеживать привычки и самочувствие, формирует сводки и предлагает следующие шаги. Это не медицинский инструмент 7. Создаём автономного бота под ваш кейс с Hermes (Кейс + гайд): - Hermes, OpenClaw и другие агентские фреймворки: различия и критерии выбора - Инструменты, память, расписания, permissions и guardrails автономного агента - Кейс на выбор: управление контентом, личные операции или собственный рабочий процесс - Результат: У вас работает автономный Hermes-бот в Telegram, настроенный под конкретный личный или рабочий сценарий 8. AI Storytelling Lab: создаём презентации и рабочие визуалы (Кейс + гайд): - Какие AI-инструменты использовать для презентаций, дизайна и документов в компании - Подходы из индустрии и публичный опыт Anthropic и OpenAI в интерактивной подаче идей - От брифа и narrative до визуальной системы, прототипа и финальной подачи - Результат: Вы создаёте убедительную AI-презентацию для реального рабочего кейса и получаете повторяемый workflow для следующих материалов 9. Final Live: AI Economics & Industry Radar (Live · Zoom): - Когда выбирать API, open source, облако или локальный запуск: стоимость, скорость, качество и риски - Практический decision framework для выбора моделей и архитектуры внутри компании - Личная информационная среда: рассылки, авторы, исследователи и ритуал обновления знаний - Кураторская подборка публичных источников и ключевых голосов OpenAI, Meta Superintelligence Labs и AI-индустрии - Результат: У вас есть рамка для экономических и технологических решений, персональный industry radar и понятный план развития после спринта 10. Платный бонус · записанные кейсы: AI Chatbots & RAG: - Два самостоятельных практических кейса: - Кейс 1: создаём AI-чатбота для выбранного рабочего или личного сценария - Кейс 2: отдельно создаём RAG-чатбота на собственной базе знаний - Фундамент RAG-систем: данные, retrieval, оценка качества, стоимость и типовые ошибки - Обзор NotebookLM, Deep Research и других инструментов для исследования и работы со знаниями - Результат: Два рабочих прототипа, чек-лист качества и карта инструментов для дальнейшего самостоятельного обучения Автор: - Дмитрий Зборовский - ML Director @ DoorDash. Отвечаю за AI-направление и внедрение AI-агентов в продуктовые и операционные процессы компании. - Построил с нуля и масштабировал отдел аналитики и AI до 200+ человек в «СберМаркете», где работал в должности Старшего вице-президента по искусственному интеллекту. - Начал карьеру в 19 лет бизнес-аналитиком в McKinsey & Company. Стал самым молодым топ-менеджером Gett (в 21 год), а затем руководителем направления в «Яндекс.Go». Заключение: Данный спринт позволит вам освоить практические навыки создания и внедрения AI-агентов для автоматизации бизнес-процессов и повышения личной эффективности.