HRBP ПО ПОДПИСКЕ × METZ · АУДИТ AI-ЗРЕЛОСТИ · 2026

Команда Metz

Командный отчёт AI-зрелости · 7 сотрудников · методология 5 осей

сотрудников оценено

преобладающий уровень (5 из 7)

на L0 · Manual (Жавохир)

7/7

база данных на L0 или L1

01МЕТОДОЛОГИЯ

Шкала AI-зрелости

Каждый сотрудник оценивается по 5 независимым осям. Итоговый уровень определяется по правилу нижней границы — самая слабая ось определяет итог профиля.

Уровень	Аналогия (вождение)	В работе с AI
L0 · Manual	Нет автоматизации, ты контролируешь всё	AI не используется в рабочих процессах
L1 · Assistive	Круиз-контроль, подсказки на полосе	Черновики через ChatGPT от случая к случаю
L2 · Partial	Машина рулит и разгоняется, ты наблюдаешь	Общие AI-воркфлоу, есть постоянный контекст
L3 · Conditional	Едет по трассе сама, ты — на сложных участках	Процессы перестроены вокруг AI; человек — судья по исключениям
L4 · High	Едет сама почти везде	Маленькая команда + AI = 10x результата
L5 · Full	Руль не нужен	Мультиагентные системы, человек — на контрольных точках

L0 AI не используется или только для бытовых задач

L1 Ситуативное использование без встраивания в процессы

L2 Регулярная автоматизация ряда задач, AI в большинстве рутинных операций

L0 Один инструмент без настройки, мобильный интерфейс

L1 Разрозненные инструменты без единой среды

L2 Связки инструментов, кастомные ассистенты, Projects

L3 CLI, API, автоматизированные пайплайны

L0 Рабочие документы в AI не загружаются, RAG/MCP неизвестны

L1 Ручная загрузка файлов, чат как временное хранилище

L2 Структурированные базы знаний, RAG-элементы

L0 Запросы из 1–3 слов, роли и контекст не задаются

L1 Базовые промпты, уточнение по ходу, без шаблонов

L2 Развёрнутые промпты, декомпозиция, Subagent-сессии

L0 Одна модель, результат принимается без проверки

L1 Базовое знание нескольких моделей, поверхностная верификация

L2 Осознанный выбор модели под задачу, фактчекинг результатов

Правило нижней границы

Итоговый уровень = самая слабая ось. Высокие показатели по отдельным осям не повышают итоговый уровень, если есть критически слабая ось.

Иерархия источников

Логи чатов и скрины → данные кейса «ЭкоЧист» → анкета. Данные анкеты верифицируются практикой.

02ТЕПЛОВАЯ КАРТА

Баланс по осям — вся команда

Строки — сотрудники, столбцы — 5 осей зрелости. Цвет показывает уровень по каждой оси. Итоговый уровень = минимум по строке (правило нижней границы).

Сотрудник	Доля задач	Архитек- тура	База данных	Скиллы	Знание моделей	ИТОГ
Владислав ЕсентюкСотрудник	L1	L2	L2	L2	L1	L1→L2
Денис СоглаевСотрудник	L1→L2	L1→L2	L1	L1→L2	L1	L1
Яна ТарасоваСотрудник	L1	L1→L2	L1	L1	L1→L2	L1
Алексей ЛактионовСотрудник	L1	L1	L1	L1	L1	L1
Алина ЛаврентьеваСотрудник	L1	L1	L0	L1	L1	L1
Антон ЛонгвиновСотрудник	L1	L1	L0	L1	L0	L0→L1
Жавохир ХайритдиновСобственник	L0	L1	L0	L0	L0	L0

L0 · Manual L1 · Assistive L1→L2 · переход L2 · Partial L2→L3 · переход

🎯 Ключевые выводы аудита

«База данных и контекст» — слабейшая ось у 6 из 7 сотрудников. Никто в команде не работает с RAG/MCP. Контекст хранится в потоке чата или не хранится вовсе.

Общий паттерн команды: AI используется как диалоговый инструмент для точечных задач, без встраивания в бизнес-процессы и без верификации результатов.

Владислав Есентюк — единственный с осями выше L1 (архитектура L2, скиллы L2, база данных L2), итог L1→L2, но правило нижней границы удерживает итог на L1 из-за провала в верификации и подготовке данных.

03ВЫВОДЫ

Ключевые выводы по команде

База данных — системный дефицит команды

У 6 из 7 сотрудников ось «База данных» — L0 или L1. Отсутствует практика подготовки данных перед передачей в модель: рабочие документы не структурируются, аудиозаписи не транскрибируются, RAG и MCP не применяются. Это первый приоритет обучающей программы.

Отсутствие верификации — операционный риск

5 из 7 сотрудников принимают результат модели без проверки. В кейсе «ЭкоЧист» большинство участников проигнорировали аудиозаписи CustDev, что привело к анализу на неполных данных. Зафиксирован случай принятия неверифицированного результата модели как основы для управленческого решения.

Владислав и Денис — наиболее развитые профили

Владислав демонстрирует инженерный уровень работы с AI (Claude Code CLI, асинхронные пайплайны, Subagent-сессии) — единственный с осями выше L1. Денис имеет переходные показатели по трём осям и использует связки инструментов (Make, Notion AI, Cursor). Оба — кандидаты на роль внутренних носителей практик.

Ключевая задача: выстроить AI-процессы через команду

Жавохир — единственный участник на уровне L0. Стратегически важно выстроить AI-процессы внутри команды так, чтобы результаты работы с AI поступали собственнику в верифицированном виде. Фокус обучения — на команде: именно они становятся операторами AI-инструментов, формируют выводы и передают их в готовом формате.

04ПО СОТРУДНИКАМ

Карточки сотрудников

Владислав Есентюк

Сотрудник

L1→L2 · Assistive/PartialПотенциал L2

Доля задачL1

АрхитектураL2

База данныхL2

СкиллыL2

ВерификацияL1

Наиболее технически развитый профиль в команде. Работает через Claude Code CLI, использует Subagent-Driven сессии, внедряет асинхронные пайплайны. Итог L1→L2 обусловлен отсутствием регламентов верификации и несоблюдением гигиены данных при сложных задачах.

Зона ростаВнедрение регламентов верификации: pre-filter, лимитер данных, логирование исключений. Запрет на запуск автоматизации без предварительной проверки целостности данных.

Денис Соглаев

Сотрудник

L1 · AssistiveПотенциал L2

Доля задачL1→L2

АрхитектураL1→L2

База данныхL1

СкиллыL1→L2

ВерификацияL1

Наибольшее число переходных осей среди линейных сотрудников. Использует Make, Notion AI, Cursor. Знаком с инструментами автоматизации и применяет их точечно. Итог L1 — из-за отсутствия целостной системы и несоблюдения методологии работы с данными в кейсе.

Зона ростаФормирование стандарта подготовки данных ДО запуска аналитики. Обязательная кросс-валидация результатов AI.

Яна Тарасова

Сотрудник

L1 · AssistiveЗона внимания

Доля задачL1

АрхитектураL1→L2

База данныхL1

СкиллыL1

ВерификацияL1→L2

Демонстрирует структурный подход к постановке задач AI и осознанно переключается между моделями (ChatGPT, DeepSeek). Критическая зона: склонность принимать результаты модели без ручной верификации. Использование носит периодический характер без встраивания в регулярные процессы.

Зона ростаВнедрение обязательного этапа ручной верификации результатов. Переход от разового использования к регулярным AI-воркфлоу.

Алексей Лактионов

Сотрудник

L1 · AssistiveЗона внимания

Доля задачL1

АрхитектураL1

База данныхL1

СкиллыL1

ВерификацияL1

Выявляет логические несоответствия в ответах AI и настойчив в отладке (переходный маркер по траблшутингу). При этом подход к подготовке данных не систематизирован: игнорирование CustDev-аудиозаписей в кейсе привело к анализу на неполном массиве данных.

Зона ростаСтандартизация подготовки данных: транскрибация аудио (Whisper), сбор всех источников ДО первого промпта. Переход от реактивного к структурному подходу.

Алина Лаврентьева

Сотрудник

L1 · AssistiveЗона внимания

Доля задачL1

АрхитектураL1

База данныхL0

СкиллыL1

ВерификацияL1

Уверенно работает с интерфейсами AI для текстовых задач и простых вычислений. Ось «База данных» — L0: отсутствуют навыки структурирования данных перед передачей в модель, чат используется как временное хранилище. Декомпозиция сложных задач не применяется.

Зона ростаНавыки структурирования данных, независимая верификация результатов, переход от диалогового формата к системной работе с AI.

Антон Лонгвинов

Сотрудник

L0→L1 · Manual/AssistiveСтратегический фокус

Доля задачL1

АрхитектураL1

База данныхL0

СкиллыL1

ВерификацияL0

Три оси из пяти — L0. Использование AI носит несистемный, эпизодический характер без учёта архитектурных ограничений моделей. В кейсе «ЭкоЧист» аудиоданные проигнорированы, результат принят без верификации.

Зона ростаБазовые навыки: понимание ограничений AI-моделей, методология предобработки данных, обязательная верификация результатов перед использованием.

Жавохир Хайритдинов

Собственник

L0 · ManualСтратегический фокус

Доля задачL0

АрхитектураL1

База данныхL0

СкиллыL0

ВерификацияL0

AI не интегрирован в управленческую деятельность. Корпоративный доступ к ChatGPT Plus и Claude Pro используется для бытовых запросов через мобильный интерфейс. Зафиксировано принятие неверифицированного результата модели без проверки по первичным данным.

Зона ростаВыстроить AI-процессы через команду: сотрудники работают с AI-инструментами и передают верифицированные результаты собственнику в готовом формате.

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Владислав Есентюк

СотрудникL1→L2 · Assistive/PartialПотенциал L2

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

Анкета заявляет о глубоких технических компетенциях (MCP, RAG, API), однако признание метода верификации «иногда гуглю» при регулярных ошибках модели указывает на отсутствие систематического подхода к использованию AI в рабочих процессах.

Архитектураось 2

Работает с AI через Claude Code CLI напрямую в терминале проекта. Ставит задачи на уровне проектирования архитектуры: переписывает wb_api с синхронной на асинхронную генерацию (openapi-python-client + httpx). Единственный в команде на этом уровне.

База данныхось 3

Уверенно работает со сложными типами данных: attrs-модели, Pydantic v2, десериализация POST body из JSON-строк. Использует Qdrant-коллекции для семантического дедупа.

Скиллыось 4

Профессионально ведёт Subagent-Driven сессии. Создаёт Implementation Plan, спек-документы, генерирует unit-тесты. Закрывает задачи коммитами в 1 итерацию.

Верификацияось 5

При логической ошибке AI фиксируется запрос на полную переработку архитектуры вместо системной промпт-отладки. Верификация результатов ограничена прохождением тестов — критические баги обнаруживаются на продакшене.

02ОСОБЕННОСТЬ

Профиль сотрудника

💪 Наиболее технически развитый профиль в команде

Единственный сотрудник, использующий AI как полноценного CLI-инструмента в IDE (Claude Code). Внедряет асинхронные пайплайны, Qdrant-коллекции и миграции Alembic. По инженерным компетенциям значительно превосходит остальных участников аудита.

⚠ Архитектурная слепота — причина итогового L1

Реализует сложные технические системы без предварительной проверки целостности данных. Запустил импорт исторических чатов, не создав коллекции в Qdrant и записи участников в PostgreSQL — AI-ассистент выдавал «граф пуст». Убрал GET-фильтр с API без ограничения длины ответа, что привело к крашу Sonnet при переполнении контекста (1.24 млн токенов).

03ВЫВОД

Итоговый профиль

📌 L1→L2 · Assistive/Partial

Итоговый уровень L1→L2: высокие показатели по архитектуре (L2) и скиллам (L2) удерживаются правилом нижней границы из-за отсутствия регламентов верификации и несоблюдения гигиены данных при сложных задачах.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Общий уровень	L1	Заявлены глубокие технические компетенции (MCP, RAG, API). Признание «AI регулярно врёт» при методе верификации «иногда гуглю» — маркер отсутствия системных регламентов проверки результатов.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L2	Работает через Claude Code CLI напрямую в терминале. Задачи ставятся на уровне проектирования архитектуры: переписывает wb_api на асинхронную генерацию (openapi-python-client + httpx).
Работа с данными	L2	Уверенно управляет сложными типами данных: attrs-модели, Pydantic v2, десериализация POST body из JSON-строк.
Траблшутинг	L1	При логической ошибке AI фиксируется запрос на полную переработку архитектуры вместо системной промпт-отладки.
Скиллы оператора	L2	Subagent-Driven сессии, Implementation Plan, спек-документы, unit-тесты. Задачи закрываются коммитами в 1 итерацию.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Материалы решения кейса не предоставлены. Оценка выставлена по поведенческим паттернам работы с данными в логах.

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L2	Декомпозирует задачи любой сложности, ставит AI цели на уровне проектирования пайплайнов и изменения логики систем.
Обработка данных	L0	Критический провал (предположительно). В инженерной модели «данные» — это базы данных, логи, YAML-файлы и API. Аудиозаписи CustDev с высокой вероятностью были бы проигнорированы.
Контроль качества	L1	Принимает работу AI на веру при зелёных тестах. Пропускает критические баги (падение create_model на POST-запросах, вылет контекста) — устраняет их постфактум.
Бизнес-логика	L1	Автоматизация реализуется без предварительной оценки приоритетности для бизнеса (пример: автоматизация 144 эндпоинтов WB без верификации актуальности задачи).

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Денис Соглаев

СотрудникL1 · AssistiveПотенциал L2

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

L1→L2

Регулярная автоматизация таблиц и генерация контента, но без встраивания в сквозные бизнес-процессы компании.

Архитектураось 2

L1→L2

Использует связки инструментов (Make + GPT) и встроенный AI (Notion, Cursor), но без создания единой корпоративной базы знаний.

База данныхось 3

Ограничен ручной загрузкой файлов в чаты. Отсутствует понимание и практика работы с RAG/MCP.

Скиллыось 4

L1→L2

Декларирует развёрнутые промпты с контекстом и ролями, системные настройки. В логах — настойчивость в отладке (5+ сообщений до рабочего результата).

Верификацияось 5

Ограничен «диалоговым» форматом взаимодействия. Отсутствует прямое управление потоками данных (API) и независимые скрипты верификации.

02ОСОБЕННОСТЬ

Профиль сотрудника

💪 Наибольшее число переходных осей среди линейных сотрудников

Понимает логику работы инструментов автоматизации (Make) и применяет их точечно. В логах выявлена настойчивость в отладке: ведёт диалог до рабочего результата, не прерывает сессию при ошибках.

⚠ Критическая уязвимость — гигиена данных

В кейсе «ЭкоЧист»: запуск аналитики до предоставления вводных данных, хаотичная догрузка файлов в ходе диалога, игнорирование аудиозаписей. Итоговые выводы сформированы на неполном массиве данных.

03ВЫВОД

Итоговый профиль

📌 L1 · Assistive · Потенциал L2

Наибольшее число переходных осей среди линейных сотрудников команды. Итоговый L1 обусловлен правилом нижней границы: отсутствие регламентов подготовки данных и верификации результатов удерживает профиль.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Доля задач	L1→L2	Регулярная автоматизация таблиц и генерация контента, но без встраивания в сквозные бизнес-процессы.
Экосистема	L1→L2	Связки инструментов (Make + GPT), встроенный AI (Notion, Cursor), но без единой корпоративной базы знаний.
База знаний	L1	Ручная загрузка файлов в чаты. Отсутствуют понимание и практика RAG/MCP.
Скиллы оператора	L1→L2	Развёрнутые промпты с контекстом и ролями, системные настройки под рабочие задачи.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L1	Работа замкнута внутри интерфейса чат-бота. Задачи декомпозируются через диалог, автономные системы не созданы.
Работа с данными	L1	AI используется как консультант для написания формул (FILTER/SORT), а не как автоматизированная среда обработки данных.
Траблшутинг	L1→L2	Настойчивость в отладке: диалоги до 5+ сообщений до исправления синтаксических ошибок в формулах.
Скиллы оператора	L1	Диалоговый формат взаимодействия. Отсутствует управление потоками данных через API или независимые скрипты.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L1	Аналитика AI запущена до завершения сбора вводных данных. Файлы догружались в ходе диалога.
Обработка данных	L0	Аудиозаписи CustDev проигнорированы. Транскрибация не проводилась. AI работал на неполном массиве данных.
Контроль качества	L1	После догрузки недостающих файлов сессия не была перезапущена. Отсутствие гигиены контекста: ранние выводы AI на неполных данных могли повлиять на итоговый результат.
Бизнес-логика	L1	Итоговые рекомендации построены на неполном массиве данных, что снижает их достоверность.

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Яна Тарасова

СотрудникL1 · AssistiveЗона внимания

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

Использование AI носит периодический характер: 2–3 дня назад, вчера — 0 запросов. Применяется для точечных задач (аналитика выписок, метрики KPI) без встраивания в регулярные процессы.

Архитектураось 2

L1→L2

Осознанно переключается между моделями под разные задачи (ChatGPT и DeepSeek). Понимание различий между моделями — единственный выраженный переходный маркер в профиле.

База данныхось 3

Отсутствует понимание концепций RAG/MCP. База знаний ограничена разовой ручной загрузкой файлов в чаты.

Скиллыось 4

Промпты структурированы и содержат бизнес-контекст. Диалоги короткие (1–2 запроса), глубокие итерационные сессии не применяются. Шаблоны и кастомные ассистенты не настраивались.

Верификацияось 5

L1→L2

Переключение между моделями для кросс-проверки результатов — признак осознанного подхода к верификации. При этом ручная проверка цифр не проводится: результаты принимаются без верификации по первичным данным.

02ОСОБЕННОСТЬ

Профиль сотрудника

💪 Структурный подход к постановке задач

Демонстрирует способность формулировать чёткие структурированные задачи AI с бизнес-контекстом. Осознанно разграничивает применение ChatGPT и DeepSeek под разные типы задач.

⚠ Отсутствие ручной верификации результатов

Полагается на автономность модели без проверки результатов по первичным данным. Метод верификации «иногда гуглю» при декларируемой уверенности в корректности AI-ответов — риск принятия некорректных данных в работу. В кейсе «ЭкоЧист» ручная проверка математических расчётов не проводилась.

03ВЫВОД

Итоговый профиль

📌 L1 · Assistive

Классический профиль L1 · Assistive с двумя переходными маркерами (архитектура, верификация), которые не меняют итоговый уровень по правилу нижней границы.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Доля задач	L1	Периодическое использование. Точечные задачи: аналитика выписок, метрики KPI. Регулярного встраивания в процессы нет.
Экосистема	L1→L2	Осознанное переключение между ChatGPT и DeepSeek под разные задачи — единственный переходный маркер в анкете.
База знаний	L1	Отсутствует понимание RAG/MCP. Ручная загрузка файлов в чаты.
Скиллы оператора	L1	Шаблоны и кастомные ассистенты не настраивались. Диалоги 1–2 сообщения, итерационная отладка не применяется.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L1	Вся активность замкнута внутри веб-интерфейсов моделей. Создаваемые регламенты и схемы остаются локальными файлами для ручного переноса.
Работа с данными	L1	AI используется для рутинной агрегации и форматирования данных. Автономные пайплайны отсутствуют.
Траблшутинг	L1	При технической ошибке AI просит переделать результат в другом формате (текст, слайды). Системная отладка промптов не применяется.
Скиллы оператора	L1	Задачи решаются в 1–2 запроса. Высокое качество вводного бизнес-контекста без итерационной доработки результата.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L1	Структурированный промпт: требования сгруппированы по задачам (1, 2, 3), задан жёсткий формат вывода. При этом разнородные файлы загружены единым пакетом в один промпт.
Обработка данных	L1	Excel и TXT-файлы загружены. Аудиозаписи CustDev проигнорированы, транскрипция не проводилась.
Контроль качества	L1	Кросс-проверка выполнена силами модели DeepSeek. Итоговый математический пересчёт принят без ручной верификации.
Бизнес-логика	L1	Антикризисная рекомендация («НЕТ запуску в текущем виде») основана на реальном ценовом блокере. Вывод логичен, но получен без верификации по первичным данным.

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Алексей Лактионов

СотрудникL1 · AssistiveЗона внимания

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

Использование AI для разовых задач (поиск ответов, точечный анализ) без системной интеграции в рабочие процессы.

Архитектураось 2

Ограничен рамками одного ChatGPT. Связки инструментов и автоматизации отсутствуют.

База данныхось 3

Знание RAG на уровне теории («понимаю в общих чертах»). На практике — ручная загрузка файлов в чат без структурирования данных.

Скиллыось 4

Базовые методы уточнения промптов без настройки кастомных ассистентов или шаблонов. Реактивный формат взаимодействия.

Верификацияось 5

Выявляет логические несоответствия в ответах AI и настойчив в отладке (переходный маркер). Однако системный подход к верификации по первичным данным отсутствует.

02ОСОБЕННОСТЬ

Профиль сотрудника

📋 Развитое критическое мышление при несистемном подходе к данным

Выявляет логические несоответствия в ответах AI и доводит отладку до рабочего результата (диалоги до 5+ сообщений). Критическое мышление — сильная сторона, которая не реализуется в полной мере из-за несистемного подхода к подготовке входных данных.

⚠ Гигиена данных — основная зона риска

В кейсе «ЭкоЧист»: CustDev-аудиозаписи не собраны и не транскрибированы, AI работал на неполном массиве данных. Ориентация на форму документа (структура, оформление) в ущерб полноте исходных данных.

03ВЫВОД

Итоговый профиль

📌 L1 · Assistive

Ровный профиль L1 по всем пяти осям. Переходный маркер по верификации (настойчивость в отладке) не меняет итоговый уровень.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Доля задач	L1	Разовые задачи: поиск ответов, точечный анализ. Системная интеграция AI в процессы отсутствует.
Экосистема	L1	Ограничен одним ChatGPT. Связки инструментов и автоматизации отсутствуют.
База знаний	L1	Знание RAG на уровне теории. На практике — ручная загрузка файлов в чат.
Скиллы оператора	L1	Базовые методы уточнения промптов. Кастомные ассистенты и шаблоны не настраивались.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L1	Работа замкнута внутри интерфейса чат-бота. AI используется как справочный инструмент.
Работа с данными	L1	Ручной ввод данных, точечная отладка формул Excel/Google Таблиц. Пайплайны отсутствуют.
Траблшутинг	L1→L2	Настойчивость в отладке: диалог до рабочего результата (синтаксис формул, разделители). Переходный маркер.
Скиллы оператора	L1	Реактивный формат «вопрос-ответ». Систематизация логики расчётов не применяется.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L1	AI запущен с неполным контекстом: выводы генерировались до завершения загрузки данных.
Обработка данных	L0	CustDev-аудиозаписи не собраны и не транскрибированы. AI работал на неполном массиве данных.
Контроль качества	L1	Выявил ошибки AI по EBITDA и марже, принял скорректированный текст модели без проверки данных из аудио.
Бизнес-логика	L1	Стратегия «пилотного запуска» построена на неполных данных, что создаёт управленческие риски.

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Алина Лаврентьева

СотрудникL1 · AssistiveЗона внимания

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

Использование по запросу, без глубокой интеграции в бизнес-циклы.

Архитектураось 2

Разрозненные инструменты без формирования базы знаний и единой рабочей среды.

База данныхось 3

Отсутствуют навыки работы с RAG/MCP. Чат используется как временное хранилище без структурирования данных.

Скиллыось 4

Простые запросы без алгоритмического подхода. Шаблоны и кастомные ассистенты не настраивались.

Верификацияось 5

Модели используются без учёта архитектурных различий. Верификация ограничена рамками одного чата без кросс-проверки.

02ОСОБЕННОСТЬ

Профиль сотрудника

📋 Уверенная работа с интерфейсами AI при отсутствии системного подхода

Эффективно использует AI для текстовых задач и простых вычислений. Ось «База данных» — L0: данные не структурируются перед передачей в модель, чат используется как временное хранилище. Декомпозиция сложных задач не применяется.

03ВЫВОД

Итоговый профиль

📌 L1 · Assistive

Ось «База данных» (L0) определяет итоговый уровень по правилу нижней границы. Кейс «ЭкоЧист» подтвердил отсутствие навыков структурирования данных перед работой с AI: разнородные файлы загружены пакетом, аудио проигнорировано.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Доля задач	L1	Использование по запросу, без встраивания в бизнес-циклы.
Экосистема	L1	Разрозненные инструменты без формирования базы знаний.
База знаний	L0	Отсутствие навыков RAG/MCP. Чат как временное хранилище.
Скиллы оператора	L1	Простые запросы без алгоритмического подхода. Шаблоны не настраивались.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L1	Работа в режиме диалога. Преднастроенные рабочие пространства отсутствуют.
Работа с данными	L1	Делегирование обработки данных модели без предварительного структурирования. Пайплайны отсутствуют.
Траблшутинг	L1	AI используется как справочный инструмент при технических сбоях. Системная промпт-отладка не применяется.
Скиллы оператора	L1	Простые запросы без алгоритмического подхода к структуре задачи.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L1	Разнородные файлы загружены единым пакетом в один промпт без предварительной структуризации данных.
Обработка данных	L1	Файлы загружены без первичного анализа. Аудиозаписи CustDev проигнорированы, транскрипция не проводилась.
Контроль качества	L1	Верификация ограничена рамками одного чата. Кросс-проверка с другими моделями не применялась.
Бизнес-логика	L1	Выводы построены на логике модели без независимой верификации по первичным данным.

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Антон Лонгвинов

СотрудникL0→L1 · Manual/AssistiveСтратегический фокус

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

Использование AI для отдельных задач (расчёты, форматирование) без встраивания в сквозные процессы.

Архитектураось 2

Разрозненные инструменты без формирования единой рабочей среды.

База данныхось 3

Отсутствие навыков работы с RAG/MCP. Ручная загрузка файлов без структурирования.

Скиллыось 4

Поверхностные запросы без декомпозиции задач и итерационной работы с моделью.

Верификацияось 5

Недифференцированное использование моделей без понимания архитектурных различий. Результаты принимаются без верификации по первичным данным.

02ОСОБЕННОСТЬ

Профиль сотрудника

📋 Начальный уровень · три оси из пяти — L0

Использование AI носит несистемный, эпизодический характер. Ограниченный функционал моделей применяется без учёта архитектурных ограничений. В кейсе «ЭкоЧист»: аудиоданные проигнорированы, результат принят без верификации, что привело к неполному анализу и некорректным выводам.

03ВЫВОД

Итоговый профиль

📌 L0→L1 · Manual/Assistive

Три оси из пяти — L0. Самый низкий итоговый уровень среди оцениваемых сотрудников.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Доля задач	L1	Использование AI для отдельных задач без встраивания в сквозные процессы.
Экосистема	L1	Разрозненные инструменты без единой рабочей среды.
База знаний	L0	Отсутствие навыков RAG/MCP. Ручная загрузка файлов без структурирования.
Знание моделей	L0	Недифференцированное использование моделей. Понимание архитектурных различий отсутствует.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L1	Линейная структура диалогов. Автоматизированные пайплайны отсутствуют.
Работа с данными	L1	AI используется для рутинных операций (расчёты, форматирование) без настройки автоматизации.
Траблшутинг	L1	Этап верификации результатов отсутствует. Данные от модели принимаются без сверки с первичными источниками.
Скиллы оператора	L1	Поверхностные запросы без декомпозиции задач и контроля качества вывода.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L1	Единый промпт для решения комплексной задачи без предварительной подготовки данных.
Обработка данных	L0	Аудиоданные проигнорированы. Анализ построен на неполном наборе данных.
Контроль качества	L0	Этап проверки результата на полноту отсутствует. Результат принят без верификации.
Бизнес-логика	L0	Использование неполного набора данных привело к некорректным выводам.

HRBP ПО ПОДПИСКЕ × METZ · ИНДИВИДУАЛЬНЫЙ ОТЧЁТ

Жавохир Хайритдинов

СобственникL0 · ManualСтратегический фокус

01СРЕЗ

AI-зрелость по 5 осям

Доля задачось 1

AI не используется в бизнес-процессах. Применение носит исключительно бытовой характер: поиск билетов, погода, терминал в аэропорту.

Архитектураось 2

Корпоративный доступ к ChatGPT Plus и Claude Pro оплачен, однако использование хаотично — исключительно через стандартные веб-интерфейсы или мобильное приложение. Связки и автоматизации отсутствуют.

База данныхось 3

Документы компании, выгрузки и внутренняя база знаний ни разу не загружались в AI. Понятия RAG и MCP не знакомы.

Скиллыось 4

Запросы из 1–2 слов или коротких фраз: «напиши план», «переведи». Роли, ограничения и контекст моделям не задаются.

Верификацияось 5

Результаты модели принимаются без верификации. При неудовлетворительном ответе модель меняется, а не ведётся итерационный диалог. Зафиксирован случай принятия неверифицированного результата модели как основы для управленческого решения.

02ОСОБЕННОСТЬ

Профиль сотрудника

📋 Операционный риск верификации

Корпоративный доступ к ChatGPT Plus и Claude Pro не используется в управленческой деятельности. AI используется преимущественно через мобильный интерфейс для разовых запросов. Бизнес-задачи передаются в виде скриншотов, сгенерированный результат принимается без верификации.

Зафиксированный риск: в кейсе «ЭкоЧист» модель сгенерировала данные, не подтверждённые первичными источниками. Результат принят без верификации. Использование неверифицированных AI-результатов в управленческих решениях создаёт операционный риск.

03ВЫВОД

Итоговый профиль

📌 L0 · Manual · Непользователь в контексте бизнеса

Четыре оси из пяти — L0. AI не интегрирован в управленческую деятельность. Корпоративный доступ к моделям не используется в операционных и стратегических задачах.

04ЗАДАНИЕ 1

Аудит анкеты

Маркер	Уровень	Комментарий аудитора
Доля задач	L0	AI не используется в бизнес-процессах. Только бытовые запросы: поиск билетов, погода, терминал в аэропорту.
Экосистема	L1	Корпоративный доступ к ChatGPT Plus и Claude Pro. Использование — только через веб-интерфейс или мобильное приложение. Связки и автоматизации отсутствуют.
База знаний	L0	Документы компании в AI не загружались. RAG и MCP не знакомы.
Скиллы оператора	L0	Запросы из 1–2 слов. Роли, ограничения и контекст моделям не задаются.

05ЗАДАНИЕ 2

Аудит логов и чатов

Маркер	Уровень	Комментарий аудитора
Системность	L0	AI не встроен в систему управления компанией. Модель используется как замена поисковой строки браузера.
Работа с данными	L0	Рабочие файлы и таблицы в чаты не загружаются. Взаимодействие ограничено текстовыми справками (время в Китае, курс валют).
Траблшутинг	L0	Паттерн «один запрос — один результат». При неудовлетворительном ответе меняет модель без итерационного диалога.
Скиллы оператора	L0	Ультракраткие запросы на ходу без фиксации структуры ответа.

06ЗАДАНИЕ 3

Кейс «ЭкоЧист»

Маркер	Уровень	Комментарий аудитора
Постановка задачи	L0	Задачи в 2–3 слова через мобильный интерфейс: «что надо делать?», «найди несоответствие», «сделай план на 3 месяца».
Обработка данных	L0	Вместо первичных файлов (Excel, TXT) и транскриптов CustDev загружен скриншот чужой аналитической записки.
Контроль качества	L0	Галлюцинация модели (выдуманные скрытые расходы для подгонки математики) принята без проверки. Запрос «скачай и отправь готовый файл» без верификации данных.
Бизнес-логика	L0	3-месячный план построен на неполных и неверифицированных данных. Результат не прошёл проверку перед использованием.